對RTL級芯片開發(fā)來說，仿真仍是主要的功能驗證方式。

以典型的芯片設(shè)計流程為例，開發(fā)者會在早期運行靜態(tài)驗證，檢測各種結(jié)構(gòu)錯誤，例如跨時鐘域（CDC）和跨復位域（RDC）錯誤，此類靜態(tài)分析發(fā)現(xiàn)的錯誤量約占總數(shù)的10%左右。之后進行形式驗證（主要用于塊級檢測），這個過程通常可檢測出20%的錯誤。通過仿真可找出多達65%的錯誤，最后5%則通過硬件加速和原型驗證找出來。

在仿真方面，開發(fā)者主要會面臨性能、調(diào)試周轉(zhuǎn)時間（TAT）和覆蓋收斂等挑戰(zhàn)。RTL設(shè)計每變化一次，回歸就需要重新運行一次；頻繁的回歸對仿真器的性能是有要求的，否則就很可能導致項目延遲。但隨著摩爾定律的放緩，單純換用最新的服務器其實很難讓性能有明顯的提升。

人工智能（AI）和機器學習（ML）的出現(xiàn)，讓開發(fā)者們在不對硬件進行升級的情況下也能實現(xiàn)性能的提升。在新思科技的VCS仿真器中，AI和ML可幫助開發(fā)者從軟件提供的眾多選項中選擇最優(yōu)組合，從而實現(xiàn)對仿真性能的優(yōu)化。

此外，AI/ML還幫助新思科技Verdi自動調(diào)試系統(tǒng)的回歸調(diào)試自動化（用于故障分箱、分類和分流）縮短了調(diào)試TAT，并在新思科技的VCS環(huán)境中實現(xiàn)了加速覆蓋收斂。

通過ML調(diào)整仿真器選項

許多仿真器選項、設(shè)計特性相關(guān)選項和回歸設(shè)置都會對性能產(chǎn)生影響，但手動調(diào)整找出最佳設(shè)置不僅耗時，還需要開發(fā)者在仿真器和用戶環(huán)境方面擁有大量專業(yè)知識，這樣的人才其實不多。因此，仿真器設(shè)置的優(yōu)化往往效率低下，耗時耗力。此外，需要設(shè)置的選項涵蓋了設(shè)計/測試平臺的編譯和仿真運行階段，隨著仿真器性能逐漸趨向極限，使用不同的設(shè)置重復編譯和運行也會進一步延長項目開發(fā)時間。

案例分析

VCS DPO技術(shù)的實際應用

微軟公司曾在新思科技一年一度的“驗證日”上展示過一項有趣的案例分析：DPO在健全性測試上的應用。

健全性測試每天都會運行很多次，因此任何優(yōu)化都會對提高計算資源的使用效率有所幫助。通常學習階段的運行速度會比基礎(chǔ)水平慢30%左右，但由于前面提到的那些因素，這些運行僅在需要時使用即可。由于該應用程序的運行速度平均可提高25%，因此在不增加額外算力的情況下，開發(fā)團隊每天運行健全性測試的次數(shù)可增加約30%。

在過去的一項量產(chǎn)片上系統(tǒng)（SoC）項目中，新思科技的應用工程師和研發(fā)工程師協(xié)助用戶一同優(yōu)化仿真器設(shè)置，并將回歸周轉(zhuǎn)時間成功縮短了1.4倍。此外，在使用新思科技的VCS DPO后，回歸周轉(zhuǎn)時間在此基礎(chǔ)上又進一步縮短了1.13倍，凈（總）改善率達1.58倍。而且在以默認仿真器設(shè)置使用DPO時，且在完全沒有進行手動優(yōu)化的情況下，回歸周轉(zhuǎn)時間同樣縮短了1.58倍。

還有另一家用戶曾表示：在仿真回歸中使用DPO，性能提高了25%。

可以說在多樣化應用和全自動流程的加持下，任何新思科技的VCS用戶都能通過仿真設(shè)置優(yōu)化大幅縮短回歸周轉(zhuǎn)時間。

結(jié)語

在幫助開發(fā)者應對傳統(tǒng)手動流程的挑戰(zhàn)中，AI/ML以及自動化功不可沒，尤其是在性能調(diào)優(yōu)、調(diào)試和覆蓋率收斂這三方面。隨著回歸數(shù)據(jù)量的爆炸式增長，以及驗證挑戰(zhàn)的不斷變化和演進，將會有更多開發(fā)者選擇在仿真中使用自動化工具。

點擊閱讀原文下載白皮書，進一步了解如何使用DPO實現(xiàn)自動化性能改善。