芯片行业在快速转型

导师退休的首席执行官沃利莱茵西门子业务,坐下来与半导体工程谈论全球经济,AI,越来越强调定制,以及安全的影响和更高的抽象级别。以下是摘录的谈话。

SE:你看到最大的变化发生在芯片行业吗?

莱茵:2018年一个炎热王智立初创企业,特别是中资的。领先指标从半导体高管非常消极, 可能影响贸易摩擦和问题的担忧。同时,EDA有着惊人的一年现在做的非常好,因为设计活动是如此之大。但半导体行业显示出一些不可避免的增长放缓的担忧,因为记忆回到更传统的曲线定价结合贸易和世界经济的不确定性。

SE: AI似乎不知从何而来,每个人似乎都做或使用AI人工智能芯片内部。如何影响设计?

莱茵:我们进入一段定制通用处理器没有最佳性能和功耗对于某些类型的算法,和独特的性能是刺激需求的定制芯片。这些定制的芯片从边缘节点,或物联网,一直到大数据中心,聪明的算法被实现在硅。有一个根本性的超越冯诺依曼体系结构很多特殊用途的专用应用程序体系结构。

SE:同时,其中的一些设计变化的起点。现在关于数据移动到芯片,通过芯片,芯片的,对吧?

莱茵:只要你是做机器学习算法,监督机器学习,你想出聪明的算法可能在通用计算机上运行。或者你会得到一个特殊用途的机器运行算法。这是传统上发生的一系列事件。现在你有深度学习,包括机器发现事情提供信息的数据。所以你需要处理大量的数据,但没有一个固定的算法,寻找具体的事情,现在数据本身变成了起点。和你看卷的数据和注意到有异常或异常值。这是一个不同的计算机分析方法。

SE:但现在你可能放在一起很多不同的处理器芯片,在旁边的小记忆那些处理元素。这个作品的速度,但面临的挑战是保持足够的处理元素忙。

莱茵每隔几代:成为一个问题。你多快可以限制泵数据到或从一个芯片,或者你有限的速度你可以处理数据?“你指的什么提出了专用芯片。Nvidia已经讨论过这个问题。波计算面向芯片的这种方式。它几乎可以追溯到30年前我们讨论数据流计算。你不想坐着等待数据处理器。你想要的本地内存,这样你就可以喂本地处理器。但是你没有一个完美的平衡的不同类型的处理器,所以你必须想出聪明的架构,可以获得的吞吐量。另一个元素,在过去,你做性能最高的处理器时,你会越来越长的管道。 We’ve hit the limits on the pipelines. It’s the same regarding performance for predictive branching, where you do speculative execution, and if you took the wrong branch you would go back. As long as the wrong choice was a rare event, that improves the performance. But now we’ve gotten to the point where the pipelines are so long that speculative execution produces wrong decisions too many times, and it ends up not speeding up. So now you’ve topped out putting big pipes together to get parallelism that way, and you’re looking for other ways to get that parallelism. There are a lot of ways to do that, but they require special architectures. There is a lot of innate parallelism and image processing, which is why Nvidia is able to do these super AI processors that have an order of magnitude better performance. They’re doing all the pixel processing in parallel. But there are other kinds of pattern recognition where you may want to do it in a different way to achieve the maximum parallelism or the maximum throughput by buffering with local memory with various types of processors inside the chip.

SE: EDA中所开发的工具解决所有的这些问题吗?新工具需要吗?如果是这样的话,未来的机会在哪里?

莱茵:如果你设计一个专用芯片,应该处理某些类型的数据结构或执行一个特定的应用程序,然后你需要能够模拟或模拟越来越多的数据。它让我们增加的性能和容量曲线的模拟和仿真。似乎没有尽头。模拟器越大,越多的人将会使用它。当我们第一次推出了最新一代的我们的模拟器和盖茨宣布我们可以处理100亿,有很多恐惧内外导师,不会有任何客户。现在没有惧怕。我们有许多人排队让应用程序在100亿年的水平,看向我们承诺的增量为150亿。这是一个在设计方面的挑战。其他涉及到设计的成本。我们说它变得如此之大,只有少数人可以负担得起,因为一个掩模组构建原型将1000万美元或更多。 New custom chip designs would be only for the big guys. And now, all of a sudden, we have dozens of companies developing custom chips.

SE:他们怎么能负担得起吗?

莱茵:一个原因是高级合成。大部分的改变是datapath公司,去高级合成可以增加几个数量级的测试仿真的新架构。这是一个巨大的恩惠。如果你看看是谁做的这些尖端算法芯片,往往是企业领导人没有领导人之前。有系统的谷歌、Facebook、亚马逊和新人们进入汽车。他们没有尽可能多的遗留技术与传统的Verilog先写行。“他们更开放的写作在c++算法,然后合成。这是一个贡献者。另一个因素是购买共享仿真,这样你不需要一个大公司负担访问一个模拟器。有别人。AI-driven模拟,我们正在寻找至少半级仅一个数量级加速的能力做正确的模拟而不是模拟一切。 Then there are the advantages of the Portable Stimulus, allowing you to minimize the redundant simulation.

SE:和那些事件是非常相关的,对吧?有一个拐点,允许其他公司开始开发自己的芯片,还有新人们没有先入为主的观念的最好方法是什么。

莱茵是的,这是一个必要条件。每当你在抽象根本性的改变,真的很难改变。有新人进入商业用干净的纸让你移动快得多比如果你年复一年的遗产。当我们去RTL从原理图捕获,这是一个非常缓慢的过程。但是新公司和新大学毕业生很快采取它。

SE:大公司进入设计他们自己的硬件,大学毕业生认为那些高层正在对系统设计、硬件的挑战问题。这是一个巨大的转变。

莱茵:是的,谁能想到会有这样一个迅速的转变?每个人都想工作几年前在社交网络。现在你有所有这些令人兴奋的问题制定下一个伟大的计算机,量子计算,他们水平边缘节点计算机汽车模式识别。看来2018年新专业创业投资的资金将在过去的20年里最大的。我们在互联网繁荣时期,在2000年达到顶峰,看来我们要突破这一数字在2018年。

SE: EDA来说这都是好消息,对吗?这些公司从未买工具,至少在这个规模。

莱茵对,但是如果有150家公司开发无人驾驶汽车,和另一个300年企业发展电动汽车,那么所有这些都要买EDA工具。然而,并不是所有这些都将是成功的在他们发展中。EDA这是伟大的,他们都是工具,但他们无法最终建立大量的芯片。

SE:在安全方面发生了什么?新的芯片设计与安全?

莱茵:这是在芯片设计一件事担心。一些公司正在开发芯片有鉴于此,还有新技术来防止安全问题。但有可能很多人认为上面层的安全问题,在操作系统和应用软件。他们最终需要担心。我们已经开发出的工具在起飞有点慢,但是有更多的新闻。DARPA项目强调需要提高安全性。有越来越多的公司出现提供服务与安全有关。处理器这样的人的胳膊,RISC-V广告增加了安全功能的能力,已经远远超出了TrustZone最初提供的。每隔几年就有一些新的事情要担心。但你仍然要长盖茨单位面积和处理能力每一美元,尽管添加所有这些新的担忧。

SE:验证一个可行的方法安全吗?

莱茵:有很多人提供人们做分析。但是你可以做足够的模拟找到所有芯片的漏洞吗?快速的回答是,不。安全芯片的兼容性。你总是可以证明是不相容的。你永远不可以保证是兼容的。这里的也是如此。你总是可以显示有一个弱点,但是你永远不可以保证有其他漏洞。变成一个渐近方法之一,你已经验证,如果有问题会非常罕见,很难得到。除了仿真、特性插入芯片,可以分析埋特洛伊的可能性降到最低,事实上,一个关键部分。 The other key part is on the incoming IP. How do you verify the IP you’ve got does not have Trojans in it? And who do you trust? Do you trust your IP vendor? Do you trust some kind of simulation that goes through rigorous verification of that IP? The answer is that nothing gives you 100% certainty, but there are tests you can run. You can put intelligent features into the chip that look at the data flow and look for unusual sequences, and then put up a flag when an unusual sequence is executed and possibly block the execution when a suspicious circumstance occurs. Products we’ve tested in the past merely flag unusual things going on in the system, and then it’s up to the users to look into it.

SE:另一个相关的趋势是,许多先进的节点是高度定制的设计。这使他们更容易受到或少脆弱吗?

莱茵:定制,在某种意义上,是验证的敌人。如果每个人都使用相同的芯片或体系结构,然后是成千上万的条件测试,白天和黑夜。如果一个错误出现,很有可能被发现,因为许多人在许多不同的方式使用它。如果你定制,它不会测试的多样性。所以大概需要花更多的时间担心一次性异常安全功能的定制芯片,因为你不会有尽可能多的人的利益re-verifying为你进入应用领域。

SE:让我们交换的话题。诸如贸易和经济的宏观经济问题是如何影响这个行业呢?

莱茵导致很多焦虑。GSA调查完成每个月的预订,收入,库存和招聘越来越消极。11月在内存中是最低的,所以人们在半导体行业显然是担心。有很多关注贸易问题可以炸毁。不符合任何人的利益限制自由流动的世界各地的半导体,并且没有任何。但如果这还不够,当你看美国几乎一直是世界经济复苏本身。其他经济体疲弱,中国越来越弱。中国是非常重要的是从汤姆斯产品的消费者和生产者。然后出现了一个巨大的热潮在内存中定价。将平衡随着时间的推移我们带来更多的能力,尤其是在中国,所以你可以预期价格下降。 That’s negative for memory producers, but positive for others. There are a lot of dynamics.

SE:中国到底有多少的影响将在短期和长期的吗?

莱茵:尽管中国不会实现自给自足的半导体,它肯定会获得的供应在非记忆和自己的需求。将世界各地的供应商减少了收入,依靠中国作为内部客户消费和生产的终端产品远销世界各地。5 g和AI,中国对世界其他国家有明显的优势。这是两个非常热门领域。AI,大部分应用程序需要对很多人产生大量数据。中国人均更多的人和更多的数据,或者至少每人获得更多数据的能力,比世界其他地区。他们没有相同的限制收集数据的人,他们有超过10亿人来收集它。无论你是做医学研究为肿瘤的早期指标,或一个更高效的人脸识别算法,数据库给你一个更大的优势。5克,这只是经济有大浓度的人。它不会工作得很好如果你地理上分散的。 China has the largest, most densely concentrated population, and they have a government pumping in lots of money, and more than half of the largest producers of cell phones and handsets. Clearly, they have some advantages the European and American companies have not had to compete against in the past, so there is some concern on the Western side.