大量数据，但不确定如何处理

与会专家:半导体工程公司坐下来，与英特尔首席工程师Prashant Goteti讨论了传感器产生大量数据的异构设计中的硅生命周期管理;Arm的研发人员Rob Aitken;思科首席硬件工程师佐伊•康罗伊(Zoe Conroy);斯坦福大学电气工程和计算机科学教授Subhasish Mitra;卡尔斯鲁厄理工学院可靠纳米计算主席Mehdi Tahoori。以下是这次对话的节选，是在最近的Synopsys用户组会议上(虚拟)进行的。本讨论的第一部分是在这里。

SE:在过去，芯片制造商生产一个处理器或SoC，解决所有的问题，然后卖出10亿台。现在我们看到了更多的定制设计，无论它在什么环境下使用，这些都是小批量生产的。这将如何影响硅的生命周期管理?

Goteti这肯定会影响到一切。所有东西的年龄都不一样。如果我们以寿命为例，一切都已经不同了。你需要适应能力才能做到这一点。没有办法把精灵放回瓶子里了。我们所处的世界将会有几十个，甚至上百个芯片在里面的系统和包。这就要求这些设备必须是智能和自适应的。

密特拉我不明白。为什么现在都是小纸片?

艾特肯其中一个原因是互操作性，这意味着你有两个来自不同供应商的据称符合同一标准的部件。但是当他们彼此不交流时会发生什么呢?通信网络现在绑定在芯片内部，但也面临着签名挑战。如果你要有一个有10年寿命的物体，你需要考虑不同的特征和签名如果你只打算有一年的寿命。你可能需要在你的签收程序中添加保护带，或者你需要添加自适应电路，这样东西就会随着时间的推移而变化，以应对它的退化。所有这些都必须在芯片级别上完成，与多个设备一起工作，而不是来自单一供应商的单个设备。

密特拉:这和硬IP块没有区别。

艾特肯:如果你在同一块硅上有两个硬IP块，它们是在同一家晶圆厂同时制造的，具有相同的有效变异性。但如果你有两块硅，你把它们粘在一个包里，它们没有相同的来源，所以它们可能会变老，相互作用也会不同。

康罗伊事物的年龄是不一样的。最近推出的一些传感器可以监测设备的老化情况。它会持续18年，还是会提前失败?如果老化早，就需要更换。现在已经有可靠和安全的机制来做到这一点，而且行业已经在使用它们了。

Tahoori这个问题有不同的方面。有一些有源设备会老化，包括互连，所以现在我们正在处理信号线的问题。随着我们使用更先进的技术，导线功能更小，由于尺寸更小，你要处理更高的电阻。即使是传统上与电迁移无关的端口也成为了一个问题。这基本上增加了一系列新问题，包括如何建模以及如何在其中建立利润。这是一个很大的挑战。你们要装什么类型的显示器?安装正确类型的传感器和监控器以及收集数据是很复杂的。与SLM自动化相关的方面有很多。你需要所有这些基础设施。 What kind of sensors and monitoring are you going to use, where are you going to place them, and how are you going to perform this data aggregation, which all has to be automated. So there is a lot to be done in the automation of SLM infrastructure.

康罗伊:传感器提供了很多信息，但是如果你在传感器上看到一个光点，你怎么知道这实际上会导致产品故障呢?如果您看到某种类型的异常，产品仍然可以正常运行。传感器是很好的，它们给你信息，我们作为工程师喜欢看和评估，但在一天结束的时候，某人或某事必须做出决定，关于这是否是一个问题，你将如何处理。你需要大量的数据，你需要大量的人力资源来做出决定。

密特拉:在某些情况下，只要有传感器就足够了，但在许多其他情况下，它不是。传感器就在那里，但必须有人唆使。你需要应用正确的测试模式，这样传感器才能真正捕捉到一些东西。

艾特肯问题之一是有很多数据，而目前我们不太确定该如何处理这些数据。所以不是有人开了超速罚单。这是一个拿着雷达枪的人，瞄准汽车，然后说，‘好吧，我有一堆汽车的数据。你想让我拿这个做什么?你想知道这里有多少辆车吗?你想知道他们的速度吗?你想知道他们有多亲密吗?正因为如此，我们不太确定我们要监测的是什么。或者，一组人知道他们想要监测什么，但不想告诉卖给他们监视器的人。所以现在的情况是，‘让我们把一堆数据扔到问题上，希望某个地方的某个人能够分析它，得到他们想要的东西。’ Over time, I would expect that to evolve to something that’s more like a sensor that’s able itself to process a large amount of data, then say, ‘Oh, this part is interesting,’ and then forward only that on. So instead of having petabytes of data coming out of something, you’ll have a few bits of useful, actionable information.

Goteti在海量的数据中找到有用的信息是一个难题。这就是为什么随着我们的发展，智能传感将成为一种需求——不仅仅是为了提高数据效率，减少数据量，而是为了提供可用的数据，以便进行处理。挑战在于智能传感将永远是局部的。你仍然需要一些从智能传感器收集的数据的聚合，然后你可以做一些事情，比如因果分析或其他操作，以找出如何让事情变得更好。但是智能感知本身是一件好事。

SE:这里的问题是在硅的整个生命周期中收集和利用数据，从设计到验证。我们是否有一个架构来整合所有这些并在需要时进行调整?

密特拉当前的挑战是找到一种可扩展的获取信息的方法。第一点，也是非常重要的一点，是分析信息以查明问题的原因，除非我们有一个系统的、可扩展的方法来做到这一点，否则这种零碎的方法将是有问题的。有一些有趣的解决方案，但它们不一定便宜。通常情况下，这个行业在硬件支持诊断方面是短视的，而不是检测方面。

艾特肯这里发生了各种各样的事情。看看汽车行业，芯片能在汽车上使用18年吗?是的，他们可以。但是异常的事情发生了吗，你该怎么做呢?我的房子里有一些宣称自己坏了的东西，但实际上它们似乎还在运转。然而，他们拒绝再工作，因为他们已经宣布自己很坏。我不知道这是否只是销售它的人的营销策略，或者这东西真的有问题。这是数据管理的问题，消费者设备和数据中心之间的挑战。你可以说我们都生活在黑暗时代，但同样有理由认为，这个问题是如此之大，以至于很难宣布任何特定的解决方案。

Tahoori这个问题的部分原因是，大部分的焦点都集中在个别的来源和监测器上。需要有一些系统的方法来聚合数据，这也可以以某种方式适应用例。您希望以一种聪明的方式聚合数据。你不会想把所有东西都转移到云端，因为那会有大量的数据，而且效率不高。您希望从芯片和系统中的数据中提取有用的知识，但仍然为用例定制它。这是最难的问题。如果你能够很好地掌握它，我们将能够在SLM中取得一些不错的进展。

密特拉这很重要。你不能只靠一堆传感器和监视器就指望能有所发现。你必须积极地寻找东西，然后那些内部监测器和传感器将为你提供所需的可观察性。但是如果你的系统没有得到正确的刺激，那么这些数据就没有任何有用的信息。

康罗伊有许多不同类型的传感器。你可以测量电压，温度，你可以测量芯片的裕度。这取决于你想要达到什么目标。你真的需要事先弄清楚，‘我用我的传感器做什么?我需要把它们放进我的芯片里吗?我是否关心热点问题?我是否关心无声错误?一旦我把芯片放进我的系统，我会看到电压下降吗?当我从运行结构测试到运行交通功能测试时，我是否能够真正严格地测量芯片上的电压?“一种方法并不适合所有人。在进行设计时，传感器的放置和使用确实需要大量的预见性，然后需要跨SLM进行工作以实现这些传感器。 Just because you’ve designed them, it doesn’t mean they’re going to be used in the right way. If you’re extracting data from them, how is that data going to get used? First, do I have the right people in place with the right skill set to which data I need to extract? Second, how am I going to extract it and get it along some type of pipeline to the place where it needs to get analyzed? And third, I then need experts to analyze that data — people who understand analytics and can bring that to fruition. This is a very complex task. Every company will sit down and come up with their own solutions, and that leads to smarter segregation back in the industry.