快速的技术变化,不确定的交互创造巨大的挑战。
人工智能和5 g预示着半导体行业。他们需要许多数十亿新,semi-customized和高度复杂的芯片从边缘到数据中心,他们将需要大量的工程时间和工具。但这些技术也会引发很多的问题在设计和验证方面还有什么可以自动化和如何去做。
现有的工具可以处理个人的记忆和逻辑块之间的相互作用。他们可以为数据流优化布局,确定寄生,会导致可靠性问题。他们甚至可以模拟热芯片在各种条件下的地图,并不是所有的设计工程师是显而易见的。
然而,有一系列新的挑战,需要更高层次的抽象。人工智能和5 g芯片都是系统级的数据流,包括存储和加速芯片和芯片外,这些都是非常大的数据路径模拟和验证即使云中的所有资源。
有两个主要的问题开始出现。首先,大多数工具需要额外的抽象级别,最好是一个开放多个供应商的工具使用一个标准化的集成方案。实际上,需要的是一个指示板,可以用来跟踪不同的选项前的设备是异构architectures-allowing built-basically相当于寻路设计团队在不同的场景放大或缩小。
芯片行业历史上一直对提高抽象层次。最近发生了变化,迅速采用高级合成。HLS曾被认为是高度有用的工具近20年来之前最后了,部分原因是新芯片不仅仅是新版本的旧芯片较小的特性,和部分原因是一些公司开发这些芯片没有预先存在的设计基础设施和偏见。
添加燃料,这是电力需求/收缩特性的性能优势是减少,还有大量的新选项的行业经验。这包括异构体系结构与成千上万的小型处理器和记忆,各种先进的包装,和神经形态设计平衡吞吐量和处理能力等对变量精度或多个定制的记忆和计算元素。
更糟的是,所有这一切必须做的比以往任何时候都要快。竞争在人工智能和5 g是爆炸性的,由于大量的风险资本注入网络的天。区别在于这一次投资者追逐真正的机会在汽车、医疗、工业和消费者市场注入大量资金,但是他们都需要高度定制的解决方案,而不是每个人争夺一个或两个设计。与互联网时代,当投资者资助创新但通常持续或严重的商业模式,这些都是真正的证明市场的商业机会。
但5 g和AI也添加自己的独特的挑战。在5克的情况下,还没有明显的方式来验证这些设备将按预期工作。一些这方面的技术还处于研究阶段,特别是在毫米波前面。因此,尽管增速低于GHz版本添加一些必要的性能改进,除此之外,它是一个幻灯片和硅之间的虚线。甚至没有人确定有多好或多远信号将在现实世界中,大气状况可以影响范围和速度和波束形成可以大幅减少电池寿命。
在人工智能方面,设备应该适应它的使用模型在给定分布。但如何验证会留在分布,或执行在可接受的规范在所有情况下,还不清楚。建立芯片可接受的行为是一个灰色区域。设置参数为工具来设计芯片在这些发行版将需要从更广泛的角度看设计。
这些都是大,system-of-system类型的问题,和的工具将扩展得更远比过去为了是有效的。EDA公司这是一个巨大的机会,它们中的大多数都是很清楚的。到目前为止,他们只是没有说。
有关的故事
推动人工智能成为主流
为什么数据擦洗和社会问题可能会限制的速度采用和这项技术的有效性。
调试上衣验证任务
在调试时间呈上升趋势;需要固定和为什么。
5 g测试和部署
测试将如何改变下一代无线发展向更高频率。
|
|
|
|
|
|
|
|
留下一个回复