CEO展望:更多的数据，更多的整合，同样的期限

专家在桌前:半导体工程坐下来讨论芯片设计和EDA工具的未来与Lip-Bu Tan, CEO节奏；西蒙·西格斯，首席执行官手臂；约瑟夫·萨维奇，执行副总裁西门子IC EDA；John Kibarian，首席执行官PDF的解决方案；Prakash Narain，公司总裁兼首席执行官真正的意图；Dean Drako，总裁兼首席执行官IC卡管理；Babak Taheri，首席执行官Silvaco．以下是由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，从设计功能性芯片到真正围绕数据流和处理设计芯片。我们有更多的数据，也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?

Sawicki:几年前发生的最令人惊讶的事情之一是苹果成为第一家为应用处理器推出64位架构的公司。在此之前，每次你想到64位的时候，它都是一个地址空间的问题，关于是否能够管理更大的数据集，引入更大的软件。但苹果并没有这样做。他们这样做是因为这样能让他们更节能。它真正谈论的是在上面设计软件堆栈的硅的一个方面。从那时起，在设计师验证规格方面发生了巨大的变化。这并不是我错过了什么。这是关于真正看一看最终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。它可能涉及到与外部世界的接口，它正在改变设计和验证，因此它必须扩展并越来越多地处理在现实世界中运行的最终用户软件堆栈的那些方面，这是在设计方面更多的数据处理，在最终用户体验方面更多的投资，以及在如何优化设计方面更全面。

segar:由此产生的一点是设计架构的复杂性。我们面临的很多挑战都是关于优化架构的，因为这是关于数据流的。这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。这是关于系统工作的效率，处理数据的效果，一旦数据上了芯片，它可以在多大程度上重用数据，以及通过有效解决这些问题，它可以在多大程度上节省能源。这使得模拟这些设计和运行验证周期变得更加复杂。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进行权衡，以有效地管理这些非常大的数据集以及它们流过的速度。我们所处的这个数据驱动的时代带来了很多新的设计挑战。

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，整个基础设施都必须规模化。复杂性正在大大增加，人工智能、机器学习和数据分析将成为其中的一部分。现在我们正在进入我所说的软件2.0，使用人工智能/机器学习来开发基于示例和模型的软件。我们正在进入一个新时代。

SE:这对其余的设计意味着什么?

Drako:阿姆达尔定律指出，CPU马力的每一次增加，都必须有一定数量的I/O。这是相当准确的。当我们做第一个8位处理器时，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不断增加，这与我们拥有的CPU能力成正比。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上面的应用程序驱动的。1990年在苹果，我们研究了代码、图形渲染例程和cpu中的设计指令集，以使它们运行得更快，这是英特尔每天都在做的事情。所以我不相信会有很大的变化。随着人工智能的渗透，张量处理器和gpu比传统处理器需要更多的数据。在这些地方进出数据会造成瓶颈。 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.

Narain显然，有很多架构上的变化。有可配置的设计，设计更大，所以现在你有所有的电气方案，时钟，电源管理，和更复杂的验证。所有这些都会导致可靠性问题。所以从架构上讲，人们在设计中建立了恢复机制，所有这些都引入了新的故障模式。但这些设计也必须在同一时间内完成，才能推向市场。人们正在投资于设计方法，而EDA正在创新以支持这些设计方法。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向一个异质的、多模封装的世界。因此，虽然其中一些可能是进化，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当你做一个单片芯片的时候，95%的价值都是代工制造芯片的。然后是晶圆分类，封装是事后才想到的，成品率高达99.99%，然后是快速装箱和测试。测试位于流程的末尾，它只是最后的检查。现在，如果你看看大多数芯片类型的策略，测试是在流程的中间。很多芯片的包装和组合都增加了很多价值，无论是面板集成还是重组晶圆。制造流程要复杂得多，风险在产品组上，而在铸造厂上没有那么多。有更复杂的筛选方法，在装配流程中需要更多的数据，因为它变得越来越重要，现在需要在整个供应链上进行集成，以提高可靠性，使成本和产量达到人们的预期。现在它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:以前有很多组件都不需要放在同一个封装或同一个芯片上。你是怎么处理的?

塔:当你把一堆传感器、一堆数模函数或功率函数组合在一起时，你会发现由于工艺的限制和工艺的不兼容，集成它们是不可能的。所以你最终有了多芯片模块。接下来的挑战是如何管理这些多芯片模块的数据流，这些模块在架构上必须一起发挥作用。模拟变得更加困难。通过这些通道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事情，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，从而给我们提供我们需要的六西格玛或七西格玛信心。这是在EDA和设计层面。在另一个层面上，你必须处理包装和如何模拟芯片包装的流程，辐射效应，热效应，还有必须通过整个包装的数据流。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:我们看到了一种向更个性化、更特定领域和更专注的设计的转变，这些设计的生产批量要小得多。这对设计有什么影响?

Sawicki:有的客户希望系统设计的各个方面协同优化。这包括帮助他们理解如何在将要集成到包中的不同元素之间分配设计的工具，帮助他们在流程技术、带宽、内部通信和位置方面做出决策。所以这是一整套需要整合的工具，找到一种建模的方法，并深入到系统分析。在堆栈的另一端，他们正在研究如何让Gerber与GDSII对话。包装是一个戈贝尔的世界。IC是一个GDSII世界。他们长得不像。做这些事情的工具彼此之间没有联系。因此，将传统上的电路板和封装类型的问题与IC问题结合在一起，跨越了我们在未来几年需要讨论的一系列机会。

棕褐色当前位置设计的复杂性增加了很多。因此，核查变得更加复杂。如果你在设计硅，你必须从电磁、功率和信号完整性的角度来考虑整个系统。系统分析变得至关重要。你需要着眼于整个系统而不仅仅是硅，你需要着眼于所有这些东西。

SE:考虑到系统的重要性，集成小型EDA播放器的工具有多难?

Narain:关于开发复杂性，我们说了很多，这是事实。但上市时间不变，所以设计师的生产力压力要大得多。半导体公司在这方面进行了大量的方法创新，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，并以更具成本效益的水平进行验证。在集成的每个级别上，验证成本都要增加10倍。这不仅仅是推动旧的方法，并试图获得它们的最后一点马力。这导致了正在部署的新方法。我们的重点是静态签名，我们发现这类工具的接收效果非常好。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之间的区别在于，验证工具的输出是由人类消费的，因此要集成到平台中，您需要在输入端而不是在输出端进行集成。这使得它更容易在设计流程中作为并行活动集成。

Drako所有的大公司都在使用我们的工具。没有一个专门用于单一的EDA工具供应商。它们都在某些组件上混合使用了三大供应商的产品。他们都有自己的设计流程或方法，而且都被认为是非常专有的，很难改变。但这一切都是关于管理数据。赢家有非常严格的方法来管理他们的全球数据。那些有点混乱的人无法控制他们的数据，无法观看和重温它们。