定制硅重新定义定制asic

Semiconductor Engineering坐下来讨论定制硅，以及是什么推动了定制，kamkittrell，在Digital & Signoff集团的产品管理副总裁节奏；鲁伯特·贝恩斯，首席营销官Codasip；凯文·麦克德莫特，营销副总裁治之；Mo Faisal，首席执行官Movellus；Ankur Gupta，副总裁兼总经理西门子EDA测试部;和产品营销总监Marc Swinnen有限元分析软件．

(从左到右)卡姆·基特雷尔，节奏；鲁珀特•贝恩斯Codasip；凯文·麦克德莫特治之；(从左到右)莫·费萨尔，Movellus；Ankur古普塔西门子EDA；还有马克·斯温宁，有限元分析软件)。

SE:“定制硅”这个词正变得越来越流行。是否有一个公认的定义?

麦克德莫特定制硅的想法始于asic。当我的职业生涯开始时，我们正在设计定制硅，因为我们只是想在正确的时间做正确的事情。我们想要我们的方式，所以做一个ASIC是一个自然的选择。在当时，10万门是一个复杂的设计，NRE费用不算太差，数量也不算大。

随着工艺成本的变化，asic似乎不再受欢迎。如果你在五年前问同样的问题，没有人在做定制设计。然后出现了RISC-V．你可以调整流程，你可以按照自己的方式做事。正好合身。与此同时，摩尔定律似乎正在逐渐消失，这意味着流程不再像以前那样给你带来优势。它的成本要高得多，而你得到的却更少。人们开始意识到放之四海而皆准的方法并不奏效。你在多个领域都放弃了利润。这些设计有数百个核心。为什么他们不在正确的时间、正确的空间做他们想做的事呢?做正确的工作，高效地使用电源，高效地使用区域，准时是不需要动脑筋的。 Custom silicon is back and hardware is cool.

Kittrell:我对定制硅的定义是特定应用的集成电路，被称为asic中的尼曼·马库斯(Neiman Marcus)。据我所知，这是一个自定义asic的重命名。定制硅已经使专用集成电路业务复苏。我们有很多朋友做ASIC后端位置和路由。我们看到他们差点倒下，就像IBM团队一样。先是卖给了GF，然后又卖给了Marvell。现在他们有这么多项目，都不知道该做什么了。这很大程度上是由超规模计算驱动的。他们在制造自己的芯片，或者定制自己的芯片，因为他们想把这些卡复制到机器上，把一万台机器放在一个数据中心，在地球上放一万个数据中心，这样他们就可以为客户提供增值软件。是经济的变化让ASIC回归。

贝恩斯我同意所有这些定义。所有事情都是循环的，钟摆也会摆动。20年前，asic非常流行，系统公司是垂直整合的，有自己的硅团队。还有一种动力叫做Makimoto的波．潮流向另一个方向摆动，每个人都转向标准硅，流行词不是ASIC。它是COTS(商用现货)，每个人都使用标准硅。现在钟摆又摆回来了，超规模企业、数据中心、汽车公司、5G基站公司都在寻求做自己的定制电路。这是经济的本质。

同化:我的看法有点不同。企业生产asic已经很长时间了。但当我们谈到定制硅时，也有质的区别。我们觉得有些东西不一样了，我们正在努力与之抗争。与其说是技术的问题，不如说是公司的问题。硅曾经是一个芯片，在电路板上的某个地方，在机器的某个地方。这不是公司的核心业务。但是今天的硅已经变得如此强大，如此巨大，如此重要，以至于硅的性质和质量改变了整个业务部门的指针。在这一点上，客户说他们需要控制硅才能控制他们的业务。这推动了定制硅的发展。 It’s less a technology change than a business one, and it’s driven by things like 3D-IC and AI/ML, which have made these systems so powerful that entire business units stand or fall by the quality of the silicon. And hence, they take control of it.

费萨尔今天，数十亿人在观看YouTube、What 'sApping、instagram和其他一切。与我们10年前所做的工作相比，这些工作量有很大的不同。现在，考虑到这一点，像谷歌和Netflix这样的公司意识到，即使硅的1%的改进也会直接影响他们的成本。谷歌成本的1%就是数亿美元。你可以组建许多团队来节省那1%，这就是正在发生的事情。这是完全的优化，一直到最终用户的行为，然后再回到消耗了多少能源。你想优化整个式子。硅是其中非常非常重要的一部分。

古普塔回到ASIC，每个人都已经将定制硅定义为特定的、重复的工作负载的定制硬件。TPU就是一个例子。我们都知道张量处理单元从谷歌。为什么他们决定为TPU定制硅?他们面临着一个挑战，那就是，他们的数据中心有很多机器学习在进行。他们研究了YouTube上的上传量。未来五年将会发生什么?如果你什么都不做，只是使用通用gpu作为加速器，这对谷歌的业务意味着什么?到多个数据中心，远远超过今天的容量。那要花多少钱?基于今天的通用gpu，这些数据中心有多少浪费?当你开始以这种方式计算时，我将得到通用gpu的每瓦性能，但我的每美元性能看起来不再那么好了。 Now, they put on their thinking cap and say, ‘I know these workloads. I can design better silicon — an accelerator that is designed for this specific workload.’ And in comes the GPU. Now you’re talking economics, back to the point that some of my panelists made. Microsoft’s holographic processing unit for the HoloLens is the same exact idea. General-purpose GPUs are not cost-effective.

SE:在芯片行业，我们已经讨论了很长一段时间软件驱动芯片，以及驱动所有应用程序。现在我们讨论的是如何通过硬件来实现软件。你如何看待硬件和软件之间的平衡变化?

贝恩斯Marc Andreessen曾说过一句话:软件将吞噬世界。不太受欢迎的是，这只是部分引用。他说过，在未来十年，软件将会吞噬世界。这是他在2011年说的。所以就你的观点而言，是的，软件是必不可少的，也是至关重要的。但正如其他人所说，工作量已经发生了变化。任务发生了变化。硬件正在改变，以使软件能够更有效地运行。

费萨尔当前位置对于整个电子工业来说，多亏了软件，我们的思维过程正在发生变化。我们正在为芯片消费者设计更少的芯片。更重要的是设计能够对人类行为产生影响的芯片。因此，当你真正开始谈论人类行为智能时，现在是人工智能芯片，我们可以制造多少个人工智能芯片?我能做一个人工智能芯片来做“YouTube直播”而不是“YouTube只是上传”吗?这些延迟差异很重要，因为它们现在直接与人类连接。所以这实际上是人类的行为、智能和人工智能——所有的压力现在都回到了硅，这就是我们正在经历的。我想不出现在是进入这个行业的最佳时机。

SE:有很多相互依存的重叠，这是我们以前从未见过的。事情以不同的方式聚集在一起。针对客户群的不同需求，定制的方法如何改变我们进行EDA开发以及与客户互动的方式?你现在的客户是谁，5年和10年后又会是谁?

同化:很多定制芯片来自传统的系统公司，甚至像谷歌和Facebook这样的软件公司，它们有一些共同的特点。他们是EDA的新手，所以他们从一开始就购买完整的套件，从从零开始的意义上说，他们是新鲜的。它们通常从一开始就是云原生的，而不是后来的附加组件。其次，他们有很多钱，他们的生意非常依赖这个，正如我提到的，他们愿意投入很多钱来解决这个问题。他们要最好的，最快的，最大的。他们在某种程度上受到了阻碍，因为他们不一定有经验丰富的大型团队来实现这一点。他们正在努力做到这一点。在EDA，我们一直都知道前20%的客户推动着业务的发展，他们通常都是具有较大业务量的高端用户。这个增加了这个。定制硅的人有很多钱，有很多要求，很多需求，他们正在推动EDA向更大的容量发展。 We were talking about chips or 3D-IC systems. A lot of them that are huge, and the reason they’re so important is because they’re so big and powerful. So it all feeds back on itself. They know they need to have high capacity to run this. They have high demands with real time analysis, and they are driving speed, capacity and capabilities in full. They want to use the latest process technologies. You see that the foundries are catering to these large customers by making customized versions of a silicon process specifically for some of the large customers. So yes, they’re definitely having an impact across the industry, driving more of what they need.

古普塔:我百分之百同意。对于系统客户，谁是用户?今天，他们更多的是系统架构师，而不仅仅是芯片设计师。五年前，我们看到芯片架构师们面临着设计芯片时的十字线限制。你是怎么做到的?它实际上是通用图形处理器之类的。今天，我们看到的是系统架构师的问题陈述略有不同。有人在谷歌和亚马逊设计硬件。系统架构师的工作是确保硬件到达舰队。如果硬件只是放在服务器机架上，但没有被使用，那么它还存在吗? Now the systems architect is in charge of the software, too. So they are the ones who are driving today’s EDA in the sense that they’re designing the software stack — drivers, firmware. And then, within the next five years, they also will be looking at tools for things like debug, trace, and monitoring.

贝恩斯关键是事情有两面性。这些新架构的存在是有原因的，因为有新的方法和新的软件堆栈，这就是为什么你需要一个新的架构。但你可以反过来说，‘因为我们有了新的架构，所以我们可以做这个软件，做这些分析。“这不仅仅是因为我们用芯片做其他事情的分析。我们可以说我们可以在芯片上使用分析，所以有更好的调试方法，建模方法。设计过程中有人工智能，验证过程中也有人工智能，这几乎是一个循环经济。有了这些新芯片，你就需要更好的工具来设计它们。当你有了新的芯片，它们就能提供更好的工具。

同化: GPU就是一个很好的例子。它最初是为图形处理而设计的，然后他们意识到他们可以用它来做其他事情。

麦克德莫特:这是这种硬件/软件联合开发的折衷方案之一。你不能同时设计两个东西，因为它们是相互依赖的。所以这是一个自然的顺序，最新一代的芯片，你拥有的最好的测试案例，你拥有的最好的实验案例，是去年的软件。这是一种进化。一个创新另一个。现在人工智能所发生的变化是这些系统公司在云中拥有这些免费资源。它们已经连接到多核。我们在10年或15年前讨论过多核，从两个核发展到数百个核。所以现在他们在云端的虚拟平台上运行这些算法。他们正在用真实的数据集进行微调。 They’ve got real use cases, but no silicon. So now this is the architects dream to go and engineer a chip to solve that problem. We’ve never had that before. Whenever we were coming up with an architecture for a new chip, we’d mock up these virtual platforms. ‘Give us a benchmark to ask them? Are you kidding me? It’s not going to work.’ Now we’ve got real datasets. They actually can run it on these virtual platforms. And it’s like hand in glove, which you can do this fine-tuning optimization. This systems view is changing the way we’re approaching silicon design.

Kittrell他们所做的只是把软件中运行的东西，可能是耗电的，可能是慢的，然后把它推到硬件中，这样更快，更低功耗。这在模拟FPGA原型市场中创造了一个繁荣。这些人购买巨大的系统，因为他们想做的是把他们的架构整合在一起。他们想要运行真正的软件，看看功率配置文件将会是什么，然后在他们开始实施之前进行微调。仿真一直是制作高级芯片的重要组成部分，但现在它是这些团队必须具备的入口点。

SE:超标量公司推动了原型和仿真的发展吗?

Kittrell在过去，人们会买一个模拟盒子，然后保护它，每个人都试图进入它。现在他们一次购买了大量的阵列。

费萨尔:为云计算和这些系统公司开发软件的核心软件工程师，当他们看到这些工具时，就会想，‘为什么我的许可证是每个处理器，或者这个那个。他们希望一切都在云端。只要给我一个用户ID。剩下的我来做。因此，Cadence与AWS建立了云合作伙伴关系。这将会扩展到整个EDA。

SE:不同类型的客户使用云有什么不同?

Kittrell:对于云计算来说，这是一段有趣的旅程。对于他们来说，只要他们使用电脑，他们就在云上。这是它们的原生环境。云计算的吸引力在于它的弹性计算。我可以根据需要添加更多的计算。为许多客户提供混合云解决方案是很困难的，因为没有办法将环境的“提升和转移”复制到云中，并以某种方式保持它们同步。有一些应用程序可以生成作业或将自包含的工作负载数据包发送到云中，然后将数据返回给母体。这是一个将要发展的领域。一些拥有经典数据中心的客户有意减少对该数据中心的使用，不购买新机器，并投资新的云资源，以便最终实现100%的云计算。他们把工作放在前面，以便进行提升和转移，以及复制。 But it’s just like if you opened up a data center in India and had a data center in the U.S. You need to connect them together and have them interoperate. It can be done, but it’s got to be intentional at a high level.

SE:对于很多小公司来说，采用云计算是否因为太贵而毫无意义?对他们来说，维护自己的数据中心可能更便宜。

Kittrell这是一种权衡。如果你使用一台机器70%的时间，那么购买并拥有它可能会更好。那么你的工作量有多大呢?你只有这么多空间。