2018 China IC Liderlik Zirvesi belgesel raporu "Baharı yaşayalım ve Çing'i yaşayalım"
2018 baharında, Aspencore'un "Elektronik Mühendisliği Albümü", "Elektronik Teknoloji Tasarımı" ve "Uluslararası Elektronik İşletme Bilgileri", Şanghay'da 2018 Çin IC Liderlik Zirvesi'ni ortaklaşa düzenledi. "Çin'in IC Endüstrisinin Dünya Modeli" temasıyla, zirve en ilgili endüstri liderlerini yüzlerce kıdemli tasarım mühendisi, yönetim seçkinleri ve teknoloji karar vericileriyle endüstrinin büyümesini ve atılımlarını tartışmaya davet etti.
Aspencore'un küresel ihraççısı ve yönetici direktörü Victor Gao, karşılama konuşmasında, 2017'de yapay zeka dalgasının önderlik ettiği yeni bir teknolojik yenilik turunun küresel yarı iletken inovasyonunun hızlanmasına hızla yol açtığını söyledi. Çinli IC tasarım şirketleri, denizaşırı IC tasarım şirketleriyle eşzamanlı olarak kalkış yapma fırsatını başlattı. Aynı zamanda, ilk olarak Çin tarafından önerilen ve savunulan "Tek Kuşak Bir Yol" stratejisi, hızla yeni bir parlak nokta ve küresel ekonomik ve teknolojik gelişmenin yeni odağı haline geldi.
Öngörülebilir gelecekte, küresel yarı iletken endüstrisi hızlı bir gelişme eğilimi gösterecek. Almanya, Fransa ve Birleşik Krallık tarafından temsil edilen Avrupa, akıllı üretim, akıllı şehirler ve blok zinciri gibi popüler teknolojilere dikkat etmeye devam edecek; Kuzey Amerika'da Silikon Vadisi ve Boston, sadece yeni kurulan şirketlerin güçlü gelişimine değil, aynı zamanda yaşam bilimleri, çevre bilimi, Havacılık bilimi ve diğer disiplinler de hızla ilerliyor; dünyanın en dinamik pazarı olan Asya-Pasifik bölgesi, özellikle CPU'lar, GPU'lar ve bellekler için güçlü bir talebe sahip. Şu anda, dünyadaki en önemli geliştirme noktası yapay zeka ve Nesnelerin İnternetinden geliyor.İnsanlar ve makineler benzeri görülmemiş bir entegrasyon elde etti. Nesnelerin İnterneti, bulut, telekomünikasyon ve terminallerin yakın işbirliğini gerektiren "Nesnelerin İnternetine" dönüşüyor.
"Üstte astronomiyi, altta coğrafyayı bilmek, ayağa kalkmak için kutsal yazılar ve dövüş sanatları yazmak." Çin IC şirketleri, yüksek teknoloji sermayesi, teknik yetenekler ve en iyi küresel pazarın avantajlarına dayanarak, son yıllarda bir dizi etkileyici başarı yarattı. Örneğin, Çinin kendi geliştirdiği CPUları yerel süper bilgisayarlarda ve Yangtze Memory 3D NANDde çalışıyor. Bellek yongalarının toplu üretimi çok yakında. Tsinghua Üniversitesinin yeniden yapılandırılabilir bilgi işlem işlemcileri ve Zhaoyinin yenilikçi uçucu olmayan bellek yongalarının tümü yıldız ürünler haline geldi. Öyleyse, Çinli IC üreticileri küresel pazara doğru nasıl ilerleyebilir ve IC döneminin zirvesini "One Belt One Road" adlı olumlu politika altında nasıl işgal edebilir? AI çağında Çinli IC üreticileri, uluslararası rakipleriyle aynı başlangıç çizgisinde olabilir mi? Bu zirve mutlu şüphelerinizi tek tek çözecek.
Zirveye AspenCore Asya Pasifik Genel Müdürü ve Baş Analist Zhang Yubo ev sahipliği yaptı
Çin'in IoT, 5G ve yapay zeka pazarlarındaki IC fırsatları
Huawei, IoT endüstrisinde her zaman bir savunucu ve önemli bir katılımcı olmuştur. Bununla birlikte, Huawei Technologies Co., Ltd.'de yarı iletken iş stratejisi ve iş geliştirme müdürü Xia Yanqiu'nun görüşüne göre, geçmişte Nesnelerin İnternetinin gelişimi aslında tatmin edici değildi.
"Geçmişe bakıldığında, IoT kavramı yaklaşık 20 yıldır ileri sürülüyor ve ticarileştirme 10 yıldır deniyor, ancak şimdi sadece 1 milyar IoT bağlantısı var. Temel sorun nerede?" Xia Yanqiu, en önemli şeyin teknik olarak olduğunu analiz etti. Orijinal Nesnelerin İnterneti teknolojisinin küresel ölçekte evrensel kapsama almak için çok basit olması ve bu da başarısız bir ticarileştirme ile sonuçlanmasıdır. Nesnelerin İnternetinin yeni çağı, düşük güçlü, geniş alanlı Nesnelerin İnternetinin doğuşunda ve standartların oluşturulmasında yatıyor, bu da küresel kapsamı mümkün kılıyor Operatörlerin büyük ölçekli hizmet sağlama yetenekleri var ve gerçekten sürdürülebilir bir kar modeli oluşturabilirler. Dikey endüstri uygulamalarının entegrasyonu, herkese ve her aileye akıllı yaşam getirir.
Nesnelerin İnternetinin eskiden yeni çağına geçiş sürecinde, çeşitli ülkelerin hükümetleri ve operatörleri, standartları belirleyen ve yollar inşa eden bunda öncü bir rol oynadılar. Nesnelerin İnterneti'nin endüstriyel zincirinin karmaşık ve çeşitli olduğu görülebilir, ancak çip endüstrisi çok düşük bir orana sahiptir.Çipin kendisinden büyük para kazanma fırsatı yoktur.Dünya çapında sadece birkaç oyuncu katılır. Ancak yapay zeka sektörü dalgasında çip teknolojisinin itici gücü ve iş fırsatları oldukça farklı.
Yukarıdaki şekil, 2017'deki Gartner teknolojisi olgunluk eğrisidir. 2011'den farklı olarak, Nesnelerin İnterneti kavramı ilk kez tetiklenme döneminde ortaya çıktı ve olgunlaşmasının 5-10 yıl süreceğine inanılıyor.Nesnelerin İnterneti bir Nesnelerin İnterneti platformu haline geldi ve olgunluk süresi de 2 oldu. 5 yıl, ama hala teknolojik gelişimin ilk aşamalarında. Nesnelerin İnterneti çipleri elbette vazgeçilmezdir, ancak itici güç, sektördeki tüm tarafların bir fikir birliğine varma biçiminden daha fazladır. Ancak diğer yandan, yapay zeka ile ilgili teknolojiler birden bire arttı. Yeşil kutuda, ister takviye öğrenmenin, nöromorfik donanımın veya derin öğrenmenin, makine öğreniminin, otonom sürüşün ve bilişsel hesaplamanın erken aşamalarında olsun, yutturmaca zirvesinde. Yapay zeka çipleri birbiriyle yakından ilişkilidir. İster akademik dünyada ister endüstride olsun, yapay zeka ile ilgili teknolojiler için çiplerin temel itici gücünü derinden hissedebiliriz.
Peki yapay zeka çip pazarı ne kadar büyük? JP Morgan, 2017'de 3 milyar ABD dolarından 2022'de 33 milyar ABD dolarına yükselen% 60'lık yıllık büyüme oranının önümüzdeki 5 yılda da devam edeceğine inanıyor; Nvidia daha da agresif ve bu pazarın 2020'de 30 milyar ABD dolarına ulaşacağına inanıyor. Pazar 11 milyar ABD doları, muhakeme pazarı 15 milyar ABD doları ve yüksek performanslı bilgi işlem pazarı 4 milyar ABD doları; Intel, veri merkezindeki CPU, GPU, Bellek, ağ ve optik yongaları bir araya getiriyor ve 2021'de 65 milyar ABD dolarına ulaşacağına inanıyor; IDC ve Gartner'ın verdiği veri, yeni AI çip pazarında beş yıl içinde yaklaşık 10 ila 15 milyar ABD dolarıdır.
Başka bir deyişle, standartlarından bağımsız olarak, bu pazarın büyümesi IC endüstrisinin ortalama büyüme oranını çok aşıyor ve böylesi yeni bir pazarın doğuşu, son on yılda yarı iletken endüstrisinin gelişiminde çok olağandışı oldu. Evet, sadece yerleşik IC üreticilerinin geniş katılımını değil, aynı zamanda çok sayıda başlangıç şirketinin de ilgisini çekmiştir.Ail yonga pazarına ilişkin daha iyimser bir kararın neredeyse sektörün fikir birliği haline geldiği söylenebilir.
Gelecek için iyimser tahminler düşünülerek yapılmaz. 2017'deki küresel sunucu ve GPU gönderilerine göre, sunucu sevkiyatları 11 milyon birime ulaştı; bunun yaklaşık% 40'ını bulut bilişim satıcıları oluştururken, Nvidia veri merkezi GPU gönderileri 320.000 adetti. Bir GPU tahminine göre, geçen yıl yapay zeka hızlandırma özelliklerine sahip sunucu gönderileri yalnızca 70.000 birimdi. Toplam gönderilerle karşılaştırıldığında, penetrasyon oranı% 1'den azdı.
Xia Yanqiu, bu sayının çok önemli olduğunu vurguladı. Bir açıdan bakıldığında, veri merkezindeki GPU pazarının hala niş bir pazar olduğu ve birçok sunucunun AI işlevlerine ihtiyaç duymadığı anlaşılabilir. Ancak başka bir açıdan düşünürseniz, veri merkezleri için AI çip pazarı zirveden çok uzaktır.Eğer biri uygun fiyatlı ve güçlü performansla AI çipleri sağlayabilirse, müşterilerin bunları satın almamak için hiçbir nedeni yoktur.
Kâr açısından, fırsat daha da belirgindir. Soldaki eğri, Nvidia GPU'nun watt başına performans iyileştirme eğilim eğrisidir ve eğim nispeten sabittir; Sağdaki eğri, GPU fiyatının ve performansının eğrisidir. Eğim açısından fiyat / performans oranı kötüleşiyor, ancak bu aynı zamanda Nvidia'dır. Kar kaynağı.
Nvidianın brüt kar marjı, 5 yıl öncesine kıyasla 2017 yılında% 62'ye ulaştı. Veri merkezi işinin Nvidianın toplam gelirinin yalnızca% 20'sini oluşturduğu düşünüldüğünde, brüt kar marjı daha yüksek olmalı ve son 5 yılda eski rakip AMD Brüt kar marjı% 30 civarındadır. Bu nedenle, biri Nvidia'nın mevcut hakimiyetine meydan okuyabilirse, sadece pazar ölçeği büyük olmayacak, aynı zamanda kar da ortalama yarı iletken üreticisinin çok üzerinde olacaktır.
Yapay zeka çipleri için en büyük zorluk pazar konumlandırmasından kaynaklanmaktadır Performans ve esneklik nasıl dengelenir? Kazanan hepsini alır mı yoksa uzun kuyruk mu? Xia Yanqiu'nun olay yerinde sektöre yönelttiği soru bu. Bu aslında AI yongaları için iki ticari seçeneği temsil ediyor.Başka bir deyişle, yonga endüstrisinin normalleştirme standartları nedeniyle, herkesin aslında yalnızca iki seçeneği var: veri merkezi pazarında Nvidia'yı yenmek veya dikey alanda uçtan uca bir hendek inşa etmek. .
Kazanan her şeyi alan temsilcisi Birleşik Krallık'tan Graphcore'dur. Ekim 2017'nin sonunda, IPU'nun önceden belirlenen hedefe ulaştığını kamuya açıkladı. Diğer AI hızlandırmalı işlemcilerle karşılaştırıldığında, performans 10x-100x artırıldı. Hem eğitim hem de çıkarım Diğer donanım mimarilerinin başaramadığı görevleri başarmak için geliştiricilerin yenilikçi modelleri ve algoritmalarına yönelik desteği en üst düzeye çıkarmak için olağanüstü performans.
Aşağıdaki veriler bize uzun kuyruğu yetiştirmenin değerini anlatıyor:
Veri Merkezi: 3 milyar dolar
Güvenlik izleme: 100 milyon kamera sevkiyatı, geleneksel izleme çipi pazar boyutu 2 milyar ABD dolarıdır
Otonom sürüş: 90 milyon otomobil sevkiyatı, gelecekteki ADAS pazarı 1 milyar ABD doları, L2 / L3 pazarı 2 milyar ABD doları ve L4 / L5 pazarı 5 milyar ABD dolarıdır
Akıllı ev: akıllı hoparlörler (2017'de gönderilen on milyonlarca), akıllı kameralar, oyun konsolları
Akıllı telefon: 1,5 milyar gönderi, AP pazarı büyüklüğü 40 milyar ABD doları, güzellik kamerası, AR ve sesli asistan
Yapay zeka tıbbi tedavisi: tıbbi görüntüleme teşhis ve tedavisi, yüksek performanslı bilgi işlem
Robot / drone: milyonlarca gönderi
Ancak Xia Yanqiu, mevcut AI yongalarının güvenlik alanında karşılaşılan tüm sorunları çözemeyeceğine inanıyor, oysa otonom sürüş alanında bunun tam tersi.AI yongaları aşırı hesaplama performansına sahip.Örneğin mevcut GPU, L5 otonom sürüş performansını zaten destekleyebiliyor. Daha fazlasını keşfetmek, güvenilirliği% 99,9'dan% 99,9999'a nasıl yükselteceğimizdir, bu da daha yüksek bir sistem seviyesinden düşünmeyi gerektirir. Uzun kuyruğu geliştirmenin değeri, pratik iş sorunlarını çözmek için dikey entegrasyonda yatmaktadır.Bu dalgada, Çinli IC üreticileri ilk kez uluslararası rakiplerle aynı başlangıç çizgisinde olacaklar. Game of Thrones
Beijing Core Vision Co., Ltd.'nin genel müdürü Zhang Jun, tanınmış Amerikan draması "Game of Thrones" un temasına atıfta bulundu ve üç yasa ve yönetmeliği, etkili bir saldırı ve savunma sisteminin nasıl kurulacağını ve üç açıdan zamana duyarlı iki patenti açıkladı: kurallar, stratejiler ve ekipman. aracı.
Entegre devre endüstrisi ile ilgili olanların patent hakları, yerleşim tasarım hakları ve ticari sır haklarını içerdiğini vurguladı. Pafta tasarımında, düşüncenin kendisinden ziyade düşüncenin ifadesi korunmaktadır, yani Yönetmeliğin 5. Maddesi uyarınca: Pafta tasarımının korunması fikirlere, işleme yöntemlerine ve işlemlere kadar uzanmamaktadır. Yöntemler veya matematiksel kavramlar vb. ; Yönetmelik Madde 4'e uygunsa:" Korunan yerleşim tasarımı orijinal olacak, yani düzen tasarımı, yaratıcının kendi entelektüel emeğinin sonucudur ve yerleşim tasarımı, Grafik tasarım, yerleşim tasarım yaratıcıları ve entegre devre üreticileri arasında kabul gören geleneksel bir tasarım değildir. Ardından, düzen tasarımının orijinal kısmı korunur, diğerleri değil; üçüncü olarak, Yönetmeliğin 7. Maddesi uyarınca: Yasa, "entegre devre yerleşim tasarımlarını, bu tür yerleşim tasarımlarını içeren entegre devreleri veya bu tür entegre devreleri içeren maddeleri" korur. Yerleşim tasarımlarının üç koruma düzeyini açıklar.
Bağımsız yaratıcılığın gerekliliğine göre, pafta tasarımının inisiyatif değil, sadece bağımsız olarak tamamlanması gerekir; benzer veya hatta aynı içeriğe sahip bağımsız olarak tamamlanmış iki pafta tasarımı hariç tutulmaz; pafta tasarımı ihlali değerlendirildiğinde, sadece benzerlik yargılanamaz. İhlal durumunda, her iki tarafın da bağımsız olarak - "temas + benzerlik" ilkesini tamamlayıp tamamlamadığını belirlemek gerekir.
Yaratıcılık kavramında, pafta tasarımının sınai mülkiyet özelliği, korunan nesnenin belirli bir derecede yaratıcılık gerektirdiğini belirler; pafta tasarımının çalışma özelliği, korunan nesnenin sadece bir "kişiliğe" değil, aynı zamanda belirli bir "kaliteye" de sahip olması gerektiğini belirler; Düzen tasarımının yaratıcılığı telif hakkından biraz daha yüksek ve patent hakkından çok daha düşüktür.
Patent stratejisinin amacı, patent sisteminin sağladığı hukuki korumayı kendi uzun vadeli menfaatleri ve gelişimi için kullanmak, teknolojik rekabet ve piyasa rekabetinde maksimum ekonomik faydalar aramak ve kendi rekabet avantajını sürdürmektir.Stratejik kavram, strateji ve taktiklerin entegrasyonu. Toplamı.
Patent stratejisi saldırılarını kullanırken, patent geçersiz kılma davalarını (yani, yenilikçi inkar için mevcut teknolojiyi kullanın) veya teknoloji tekeli davalarını (dava tekeli yoluyla ücretsiz patent yetkilendirmesi) veya ihlal davaları dahil olmak üzere ürün ihlali davalarını ( Kendine ait patent, rakiplerin ürün ihlalini dava etme), patent satın alma (rakiplerin ürün ihlaline ilişkin patent satın alma), ortak patent havuzu (şirketler arasında işbirliği yoluyla ortak bir patent havuzu oluşturma) ve NPE stratejisi (dava için "bağlı olmayan" şirketleri kullanma) . Belge ifşası, geçersiz kılma, çevresel patentler, tasarım ihlalinden kaçınma ve paylaşılan patent havuzları bir patent savunma sistemini oluşturur.
Kanıt zincirinde tersine mühendisliğin rolü, açıklamanın kullanımında somutlaşmıştır: yani, halka açık ürünlerde halka açık olarak bilinen teknolojileri bulmak için tersine mühendislik yoluyla ve ürünlerde ihlal kanıtı bulmak için tersine mühendislik yoluyla. Entegre devre endüstrisine özel olarak, sistem patent ihlali analizi, ambalaj patenti ihlali analizi, üretim süreci ihlal analizi, MEMS cihaz ihlali analizi, dijital algoritma ihlali analizi, gömülü yazılım ihlali analizi, FPGA kod ihlali analizi vb. İçerir.
Patent özet analiz raporu IPreportor, Core Vision tarafından başlatılan iki "oyun ekipmanından" biridir. Esas olarak, iletişim ve MEMS gibi çeşitli ana alanlarda çip ürünlerini izler. Çip ürünlerinin piyasaya sürülmesinden sonraki iki hafta içinde özet analiz raporlarını yayınlamaya çalışır. Üyeler, alana göre sınıflandırılabilir. Hizmet.
IPsense sistemi, Core Vision tarafından geliştirilmiş bir patent sorgulama ve madencilik sistemidir. IPsense sisteminin bulutu, 42.000'den fazla çipin büyük verilerini içerir. Herhangi bir istemcide bir tarayıcı aracılığıyla IPsense hizmetine bağlanmak, çipin çeşitli veri bilgilerini hızlı bir şekilde sorgulayabilir ve tarayıcı aracılığıyla istemciye sunabilir. IPsense'in benzersiz akıllı eşleştirme algoritması sayesinde müşteri tarafından belirlenen patent içeriği veri tabanında madencilik ve eşleştirme için kullanılabilir ve patentle ilgili çip detayları müşteriye sunulabilir.
Şu anda, oldukça akıllı, kendi geliştirdiği patent ve devre eşleştirme yazılım sistemi ile Core Vision, kilit alanlardaki anahtar çipleri bağımsız olarak analiz edebildi (esas olarak en iyi 10 uluslararası tasarım şirketine odaklandı) ve üç seviyeli bir çip devresi bilgi veritabanı kurdu. Müşterilere gerçek zamanlı olarak gerekli ihlal kanıtlarını sağlamak için Ulusal Patent Ofisinin patent bilgileri ile eşzamanlı olarak güncellenir. Yapay zeka ve EDA'nın karşılıklı olarak tanıtılması ve geliştirilmesi
Cadence China'nın genel müdürü Xu Yun konuşmasında, EDA geliştirme tarihinin, fiziksel katman tasarımından devre katmanı tasarımına ve sistem katmanı tasarımına kadar yonga tasarım metodolojisinin gelişiminin tarihi olduğunu söyledi; mühendisler kademeli olarak karmaşık ayrıntılardan kurtuldu. Üst düzey tasarıma daha fazla odaklanabilir. Peki, EDA araçları için bir sonraki adım nerede?
"AI çiplerine gerçekten ihtiyacımız var mı?" Xu Yun, en popüler işlemcilerin birçoğu hakkında yorum yaptı. Ona göre ASIC çipleri esneklik olmamasına rağmen çok yüksek performansa sahip; FPGA / ASIC özelliklerini entegre eden hibrit ürünler dengeli bir esneklik ve performans seçimi sağlıyor; GPU'lar yüksek performansa ancak düşük enerji verimliliği oranına sahip. Ve pahalıdır; geleneksel CPU'lar yüksek esnekliğe ancak düşük performansa sahiptir.
Yapay zeka çiplerinin temel amacı daha yüksek performans elde etmek olduğu için, tasarımın her alanında performansın sürekli olarak nasıl iyileştirileceği ve ulaşılabilecek sınıra ulaşmak için nasıl çaba gösterileceği önemli bir konudur. Burada bahsedilen performans, yapay zeka çiplerinin aynı zamanda en ilgili iki yönü olan iki yönü içerir: enerji verimliliği (Güç Verimliliği) ve verim (Verimlilik).
Xu Yun, yapay zeka çiplerinin yeniden hesaplama özelliklerinin büyük bir enerji tüketicisi olacağını belirlediğini söyledi. Derin sinir ağlarının devasa parametreleri ve eğitim örnekleri, çipte sık veri işlemlerine ve veri alışverişine neden olacaktır. Yapay zeka çiplerinin enerji verimliliğini ölçmenin anahtarı "verimliliktir" ve hem güç tüketimi hem de hesaplama gücü aynı anda dikkate alınmalıdır. Sadece güç tüketimine bakmak anlamsızdır.
Enerji verimliliğinin iyileştirilmesi esas olarak sinir ağı operasyonlarının özellikleriyle başlar ve endüstri, çeşitli uygulanabilir yöntemler önermiştir. En etkili, algoritma düzeyinde optimizasyon olmalıdır, örneğin: a) doğruluğu azaltmak, b) seyrekliği keşfetmek ve c) sıkıştırma. Yukarıdaki üç nokta, temel olarak algoritma ve ön uç mimarisinde dikkate alınması gereken tasarım yöntemleridir ve çipin arka uç uygulaması üzerinde doğrudan bir etkisi yoktur.
Arka ucu etkileyen birkaç önemli yöntem daha var. Örneğin, yonga üzerinde depolama ve optimizasyon, yonga dışı bellek (DDR, vb.) Büyük kapasite avantajına sahiptir, ancak ASIC ve FPGA tasarımında DRAM kullanımının genellikle iki sorunu vardır: Biri yetersiz bant genişliği, diğeri ise aşırı güç tüketimidir. . Yüksek frekanslı sürücü IO ihtiyacına bağlı olarak, DRAM erişiminin enerji tüketimi genellikle ünite çalışmasının 200 katından fazladır DRAM erişimi ve diğer işlemlerin enerji tüketimi karşılaştırması şekilde gösterilmiştir.
Bant genişliği ve enerji tüketimi sorunlarını çözmek için genellikle iki yöntem kullanılır: 1. Çip üstü önbellek ve bitişik depolama dahil olmak üzere depolama birimlerinin makul kullanımı; 2. Verimi artırmak iki noktayı içerir, biri bilgi işlem birimlerinin sayısı ve diğeri veri depolama ve erişimdir. s verimliliği. İki nokta vazgeçilmezdir.
"Karma güç her şeyi belirler" doğru olmayabilir, ancak hesaplama gücü gerçekten de yapay zeka çiplerinin birincil görevidir. Şu anda, yapay zeka çipi enerji verimliliği ve verimliliğinin büyük zorluklarına yanıt olarak, Cadence dijital arka uç araçları, müşterilerin beklenen hedeflere daha hızlı bir şekilde yaklaşmasına yardımcı olmak için çok sayıda yöntem sağlıyor. Daha önce bahsedildiği gibi, AI çipleri arka uç araçlara kabaca dört tür zorluk çıkarır: Güç, Zemin Planı, Kapasite ve Ara Bağlantı Cadence'in yanıtı: Innovus, Tempus ve Voltus güçlü ve eksiksiz Yer Planı çözümleri sağlayabilir. Veri yolu yönlendirme ve arabelleğe alma, Eşzamanlı Makro Yeri, SDP / Yapılandırılmış Veri Yolu vb. Dahil olmak üzere güçlü işlevler
Xu Yun, IC tasarımı alanında, EDA araçlarının son on yılda temelde yerinde kaldığını belirtti. Dijital bir IC tasarım mühendisi, herhangi bir ihlal duygusu olmadan işleri yapmak için 10 veya 15 yıl önce yöntemleri ve bilgileri kullanabilir. Çip ölçeği büyüdü ve yonga işlem hattı genişliği küçüldü, ancak tasarım metodolojisinin doğası değişmedi. VerilogHDL, Verilog2001'den SystemVerilog, SystemC, C'ye kadar, diller sürekli olarak gelişmektedir, ancak sentezlenebilen davranış tanımı hala Verilog çağında kalmaktadır.
Bu nedenle EDA, büyük verilerle yönlendirilen yeni yapay zeka hesaplama yöntemi kapsamında yeni bir döneme girebilir. Büyük veri için sürekli model öğrenmenin ürettiği parametreler olan yeni tasarım yöntemi, tasarımın yeni girdisi olarak kullanılır. Ancak yarı iletken tasarımında eğitim için kullanılabilecek verilerin görüntülerin uygulanması kadar büyük olamayacağını hepimiz biliyoruz. Sınırlı veriden verimli bir modelin nasıl hızlı bir şekilde eğitileceği, EDA için başka bir zorluktur.
EDA'da yapay zeka nerede yeni atılımlar yapabilir?
Gerçek koşullarda, birçok şey ve parametre doğru bir şekilde modellenemez. Yanlış modeller kullanarak iyi tasarım sonuçları elde edilemez. Tasarım ve üretim sürecinin evrimiyle birlikte, çeşitli parametrelerin dalgalanması ve üretim sürecinin tutarsızlığı, modellemeyi daha da zorlaştırır. Bu şartlar altında, etkili deneyim birikimi ve deneyimden anlaşılarak karşılık gelen tasarımların nasıl yapılacağını anlayarak matematik ve teori ile çözülemeyen birçok sorunu çözebilir. Aynı zamanda, karmaşık bir ortamda, doğrusal olmayan modelin hesaplama karmaşıklığı, yazılım simülasyonunun çalışma süresini çok uzun hale getirir. Makine öğrenimi yoluyla, doğrusal olmayan modeller basitleştirilebilir ve EDA'nın hızı katlanarak azaltılabilir.
Tasarım verimliliğinin nasıl artırılacağı ebedi bir konudur. Mühendislerin tasarım düzeylerini geliştirmelerine yardımcı olmak için geçmişteki başarılı deneyimleri kullanırsanız bu çok yardımcı olur. Tasarım yaparken, gerçek zamanlı referans için tasarım bilgilerine dayalı olarak geçmiş tasarımlardan en uygun deneyimi bulabilir ve gerçek zamanlı bir What-IF tasarım yöntemine ulaşmak için nihai tasarımın bir performans tahminini verebilirsiniz. Elbette, bu tür bir yeniden kullanım genellikle basit bir kopyala-yapıştır değildir, ancak yapay zeka analizi yoluyla makul bir yol elde edilmelidir. Yapay zeka, birçok karmaşık günlük dosyasında geçmiş deneyimleri hızlı bir şekilde aramaya, hataların temel nedenini hızlı bir şekilde analiz etmeye ve hatta hataları düzeltmek için önerilerde bulunmaya yardımcı olabilir.
Özel teşekkür
Organizatör özellikle Huawei, Cadence, Zhongtian Micro, Mentoe, A Simens Business, BGI, Xinwei Software, Imagination ve SAP360 gibi sekiz şirkete bu zirveye güçlü sponsorlukları için minnettar.
