中文 英语

CEO展望:更多数据,更多整合,同样的截止日期

设计是如何随着同质集成电路向异构、多芯片封装的转变而变化的。

受欢迎程度

与会专家:半导体工程公司(Semiconductor Engineering)与该公司首席执行官Lip Bu Tan坐下来讨论芯片设计和EDA工具的未来节奏;西蒙·西格斯,公司首席执行官; Joseph Sawicki,公司执行副总裁西门子IC EDA;John Kibarian,首席执行官PDF的解决方案;普拉卡什·纳拉因是真实意图; 迪安·德拉科,公司总裁兼首席执行官IC卡管理;Babak Taheri,首席执行官矽谷.以下是SEMI ESD联盟举行的小组讨论的节选。

SE:在过去的几年里,我们看到了一个巨大的转变,从为功能设计芯片到围绕数据流和处理设计真正的芯片。我们有更多的数据,还有更多的问题需要处理,这些问题与数据直接相关。这对设计有什么影响?

萨维茨基:几年前发生的最令人惊讶的事情之一是,苹果成为第一家推出64位应用处理器架构的公司。在此之前,每当你想到64位,它都是一个地址空间问题,关于能够管理更大的数据集,引入更大的软件。但苹果并不是因为这个原因才这么做的。他们这样做是因为这让他们更节能。这实际上讨论的是设计硅到软件栈的一个方面。从那时起,在设计师验证规格方面发生了巨大的变化。这不是我错过的东西。它是关于真正了解终端用户应用程序是什么。最终用户应用程序可能不仅仅是简单的数据处理。它可能涉及到界面上的外部世界,它改变设计和验证,这样它跨越了越来越多的处理这些方面验证终端用户软件堆栈操作在现实世界中,这是更多的数据处理设计方面,更多的投资于终端用户体验,更全面地考虑如何优化设计。

塞加尔:其中一个要点是架构设计的复杂性。我们面临的许多挑战都与优化架构有关,因为这与数据流有关。它是关于异构架构和选择正确的方式来构建您的芯片。这需要进行高级模拟并运行更大的数据集,因为这不仅仅是一组必须工作的固定函数。它是关于系统工作的效率,它处理数据的能力,一旦它在芯片上,它能在多大程度上重用数据,以及通过有效地解决这些问题,它能有多节能。这使得模拟这些设计和运行验证周期更加复杂。我们需要能够应对更大的系统,更容易地在我们可能放入系统的组件之间做出权衡,以有效地管理这些非常大的数据集以及它们流动的速度。我们所处的这个数据驱动的时代会带来很多新的设计挑战。

棕褐色我们正在进入一个以数据为中心的时代,从云计算到网络和存储的整个基础设施都必须规模化。它的复杂性正在大幅增加,人工智能、机器学习和数据分析将会融入其中。现在我们正在进入我所谓的软件2.0,使用AI/机器学习来基于例子和模型开发软件。我们正在进入一个新时代。

SE:这对其余的设计意味着什么?

德拉科阿姆达尔定律说,CPU马力的每增加一点,你就必须有一定数量的I/O。这相当准确。当我们做第一个8位处理器的时候,他们有8位的I/O和8位的内存带宽。内存带宽和引脚数量一直在增加,这与我们拥有的CPU容量相当成比例。随着gpu的引入,我们变得更加并行,能够获得更多的数据。但是cpu和处理器的设计一直是由顶端的应用程序驱动的。在1990年的苹果公司,我们研究了cpu的代码、图形渲染程序和设计指令集,以使它们运行得更快,这正是英特尔每天都在做的事情。所以我不认为这是一个巨大的变化。随着人工智能的普及,张量处理器和gpu比传统处理器需要更多的数据。数据的输入和输出造成了瓶颈。 With TensorFlow on a GPU, one of the major bottlenecks is getting the data on and off to run the computation. And you can’t change models because you can’t swap them out fast enough. There isn’t enough bandwidth to do that effectively. Those things are driving more of a data-driven design, but it’s not a huge divergence.

纳兰很明显,有很多架构上的改变。有可配置的设计,而且设计要大得多,所以现在你有所有的电气方案,时钟,电源管理,以及更复杂的验证。所有这些都可能导致可靠性问题。所以从建筑上来说,人们正在设计复原机制,所有这些都在引入新的失效模式。但这些设计也必须在上市的同时完成。人们在设计方法上投资,EDA在支持这些设计方法的方法上进行创新。所有这些都为每个人创造了很多机会。

SE:我们正在从一个同质平面设计的世界转变为一个异质、多芯片封装的世界。因此,虽然其中一些可能是进化的,但它仍然是一个巨大的飞跃。这对设计、工具和可靠性意味着什么?

Kibarian:当你制作单片芯片时,95%的价值是该芯片的铸造厂。然后你们会转移到晶圆排序,包装是一个事后思考的99.99%的产量,其次是速度装箱和测试。测试是在流程的末尾,这只是最后一次检查。现在,如果你看大多数的CIPLET型策略,测试就在流程的中间。无论是面板集成还是重组晶片,在封装和组合大量芯片时都会增加很多价值。制造流程要复杂得多,风险在于产品组,而不是铸造厂。随着装配流程变得越来越重要,有更复杂的筛选方法,装配流程中需要更多的数据,现在需要整合整个供应链,以提高可靠性,并使成本和收益达到人们期望的水平。它现在是一个非常机械的过程,而在过去它主要是一个化学和物理过程。

SE:有很多组件以前从来没有必要安装到同一个封装或同一个芯片上。你是怎么处理的?

:当您将一堆传感器、一堆数字和模拟函数或功率函数组合在一起时,您会发现由于过程的限制和过程的不兼容性,将它们集成是不可能的。所以你最终得到了多芯片模块。接下来的挑战是如何使用这些多芯片模块来管理数据流,这些模块在架构上必须协同工作。模拟变得更加困难。通过它们传递数据变得更加困难。我们将在两个方面投入大量精力。一个是EDA公司和设计师必须做的,处理向量,验证和分析,以及如何使用机器学习和人工智能来减少数据集,给我们所需的6或7的信心。这是在EDA和设计层面。在不同的层面上,你必须处理封装和流程如何模拟芯片封装,辐射效应,热效应,还有整个封装过程中的数据流。我看到很多公司都在努力减少数据集。 It’s not a matter of flowing all the data through it. It’s about reducing the data set to get the yield and the functionality out of it.

SE:我们看到了一种转向,更多的定制化,更专一化,更专注于设计,更小批量生产。这对设计有什么影响?

萨维茨基:部分客户希望系统设计各方面协同优化。这包括工具,以帮助他们了解如何分配设计之间的不同元素,他们将集成到一个包,帮助作出决策的过程技术,带宽,内部通信,和布局。这是一整套需要整合的工具,需要找到建模的方法,并进行系统分析。在堆栈的另一端,他们正在研究如何让Gerber与GDSII对话。包装是一个戈伯的世界。IC是一个GDSII世界。他们看起来不像对方。做这些事情的工具不会互相交流。因此,将传统的电路板和集成电路问题组合在一起的问题涵盖了我们在未来几年需要讨论的一系列机会。

棕褐色:设计的复杂性增加了很多。因此,验证变得更加复杂。如果你在设计硅,你必须从EM,电源和信号完整性方面考虑整个系统。系统分析变得至关重要。你需要看整个系统而不仅仅是硅,你需要把所有这些东西放在一起看。

SE:考虑到这个系统的重点,集成较小的EDA公司的工具有多难?

纳兰:关于开发复杂性有很多说法,这是事实。但上市时间不变,所以设计师面临的生产率压力要高得多。这是很多半导体公司进行方法论创新的地方,并试图使其更有效。在验证中,我们认为这是一种推动左移位.您希望尽可能早地验证设计,并且以更经济有效的方式进行验证。在每一个集成级别上,验证成本都会增加10倍。这不仅仅是推动旧的方法,并试图从它们中获得最后一点动力。这将导致正在部署的新方法。我们的重点是静态结束,我们发现这类工具很受欢迎。至于如何将它们集成到更大的平台中,验证工具和设计工具的区别在于,验证工具的输出是由人类消费的,所以要集成到平台中,需要在输入端做,而不是在输出端做。这使得它更容易集成为设计流程中的并行活动。

德拉科所有的大公司都在使用我们的工具。没有一个致力于单一的EDA工具供应商。他们都使用三家主要供应商的一些组件。它们都有自己的设计流程或方法论,而且它们都被认为是非常专有的,很难改变。但这都是关于管理数据。那些胜出的人有非常严格的全球数据管理方法。那些稍微混乱一点的人无法控制他们的数据在观看和回顾数据方面。



1评论

程本杰明 说:

采用定制芯片组的方式进行高级数据挖掘,符合操作系统要求。在源代码级别上实现真正的硬件和软件集成。

留下一个回复


(注意:此名称将公开显示)

Baidu