Semiconductor Engineering與AMD的CAD基礎設施和物理設計研究員Philip Steinke、 Cadence負責云業(yè)務開發(fā)的副總裁Mahesh Turaga、Lightmatter硬件工程副總裁Richard Ho、Siemens數字工業(yè)軟件公司云解決方案副總裁Craig Johnson，以及Synopsys研究員Rob Aitken討論了芯片設計向云上的轉變速度是如何加快的，在云上進行芯片設計的好處有哪些，以及當今芯片云上設計面臨的一些最緊迫的挑戰(zhàn)。

SE：向芯片云上設計的轉變正在加速，相應的商業(yè)模式也正在制定，工作負載也得到了更好的理解，半導體生態(tài)系統(tǒng)中的幾大參與者之間的一些合作就是最好的證明。那么，從用戶的角度來看，在云上進行芯片設計帶來的最大好處有哪些？在云上設計一定能有好處嗎？

Steinke:在AMD，我們采用了混合多云策略。采用云的最大好處是幫助我們擴展了計算基礎設施，使我們在需要進行計算時獲得更大的靈活性，也和我們的項目周期和路線圖非常契合。

我們也很好奇在云上探索差異化解決方案會有什么樣的收獲。云基礎設施在一些方面可能會為我們帶來便利，如一些我們選擇不部署或難以部署的東西，例如真正的高速網絡或一些不同的存儲模型。這些都是我們一直在進行探索的，看看它們能給我們帶來什么樣的價值。

Ho：作為一家無晶圓廠半導體初創(chuàng)公司，在云上設計對我們至關重要。這樣我們無需為了進行設計而建設自己的基礎設施。但優(yōu)勢還不僅僅就這一個。靈活和增加資源的能力，尤其是在驗證等方面，對我們來說也至關重要；我們不必為一個工作負載就調整整個基礎設施的大小，而是可以根據需要進行調整。當達到峰值負載，并要進行流片時，云能夠根據我們的需求同時進行擴展。

無論是從應用的容量角度，還是從性能角度，這種外包整個基礎設施的方式都具有極大的價值。我們可以使用最新的CPU核心，而無需不斷升級自己的內部CPU，事實上我們還可以受益于云運營商在后臺進行的自動升級。

此外，我們也能減少IT部門的人員配置，并能夠利用云上的安全性和他們提供的支持，這是我們能夠快速實現流片并向前邁進的關鍵因素之一。在云上的這些工具，以及可以在云上使用的一系列工具，對我們來說都非常有價值。

SE：從EDA工具提供商的角度來看，你們怎么看芯片云上設計的優(yōu)勢？

Johnson：云基礎設施對于服務動態(tài)需求的應對非常好。另一個令人驚訝的是其硬件的可用性。這和五年前的情況大相徑庭。新冠疫情導致的供應鏈問題，讓交付周期變得非常長，即使是大公司也要比正常情況下等待更長的時間。能夠利用云基礎設施來解決這一問題已經毋庸置疑。

Turaga：我們從客戶那里聽到了很多商業(yè)優(yōu)勢，包括工程生產力的提高、創(chuàng)新的增加、更快的上市時間，這些都是一些商業(yè)利益。有一個例子是基于Arm的服務器在云上對Cadence工具進行基準測試，他們預測能夠以多快的速度將上市時間縮短兩個月。他們工作得也非常愉快。

還有一件我們都很在意的事，那就是如果無需等待工作運行，無需排隊，但我們所有人工作起來都會很快樂。這提高了生產力和整體吞吐量。然后你也可以有時間做更多的事。

Aitken：另一個好處是能夠進行控制和監(jiān)控，因此，作為云管理員，你可以跟蹤用戶在做什么，這和以前不同，每個人都需排隊等待。在這種情況下，你能夠了解在既定時間內，項目需要計算的級別，所以這對設施的管理也很有幫助。

SE：芯片云上設計需要解決的最大挑戰(zhàn)是什么？

Ho：需要解決的問題之一是啟動大型項目時需要的延遲非常低。有時，云中會有一定數量的虛擬機（VM），并且想運行100,000個模擬項目時，拆分這些額外的VM實際上需要很長時間，這樣就會變成一個問題。在基礎設施方面，我們可以做一些事情來進行準備，讓虛擬機也做好準備，并能夠管理這些事情，以實現大容量的低延遲啟動。

另一個大問題是，這不僅僅與基礎設施有關，還與許可證有關。EDA供應商仍在以10年前的模式，按三年為期簽訂合同。在云端，則需要他們具有靈活性。當我們處于項目低峰時，EDA供應商需要允許我們在任何情況下都能取得許可。然后，當我們達到項目高峰時，他們則需要能夠快速為我們提供許可，并能夠讓我們立即調度它們，這樣我們就不會受到資源的阻礙和約束。

這是目前比較麻煩的事情之一。我們不僅要為機器進行預案，還要為獲得許可進行提前預案。如果一切都是無縫銜接的，那就完美了。

Steinke：目前云計算能力分布全球，但我們仍使用90年代風格的數據中心，算法仍在低數量的CPU內核上運行，并尋找某種非常接近計算的POSIX存儲。你能擴展的只有這么多。

從現代計算基礎設施的角度來看，云帶來的是一個真正的全球分布式網絡，在這里，每個云提供商都建立了一個跨越不同地理位置的龐大骨干網，以及基于對象存儲的系統(tǒng)，這些系統(tǒng)能實現在不同位置都可使用數據。例如我可能想要在南極洲或廷巴克圖進行計算，而其他人可能不需要它，那里的價格就會變得最低，我的數據也可以在合理的時間內到達那里。但要做到這一點，我們將需要能夠在這種分布式環(huán)境中工作的工具，并了解如何在需要數據時獲取數據，而且不需要一直增加工作負載。我們還需要能夠擴展CPU的數量，以真正加快這些大項目的周轉時間。

Ho：如今，假如許多工具流都使用POSIX風格，共享NFS存儲，這樣導致將數據從一個云移動到另一個云既昂貴又耗時。這是個大問題?，F在很多EDA工具都預設了您已經擁有共享數據存儲，我們必須解決這種情況。

Aitken：就某些算法來說，這說起來容易做起來難。有一些類型的工作負載，如模擬等，很容易轉移到云計算模型。還有一些，比如布局布線，則會很難，因為這些算法本身是在很久之前的時代——人坐在工作站前打字和文件系統(tǒng)進行交互——開發(fā)的。該解決方案的結構使得使用現代文件系統(tǒng)和通信在數據中心上擴展該算法變得毫無意義。

因此，研究團隊需要做的工作就是要如何設計一個新的布局布線算法，或者其他可以映射到云環(huán)境的本地數據密集型算法。實際上，如果你要從頭開始，在還沒有人意識到這個問題前，你可能需要另一種不同的方法來解決這一問題。但在這個領域經營了三四十年之后，移動是很困難的。

Johnson：對于大多數問題，如許可，甚至計算的存儲和可用性，總是有三個限制，即經濟限制、技術限制和運營限制，通常他們是代表這些不同派別的公司的不同利益相關者。

從技術角度來看，可能很容易找到一個解決方案，但它不能兼顧經濟利益或運營的便利性。之所以一直無法解決這些問題，歸根結底是如何找到組合的最小公分母和最佳公分母。我們認為這些是EDA供應商的共同問題。

Turaga：我同意以上都是我們目前面臨的一些挑戰(zhàn)，我們也正在努力解決其中的一些挑戰(zhàn)。我們已經開始提供靈活的許可模式。就數據問題，我們仍在研究正確的數據量到底是多少，并在正確的時間以正確的數量提供。這是一個挑戰(zhàn)。有一些行業(yè)解決方案具有flex緩存，IBM有一些開源解決方案可以解決一些數據同步問題，可以使數據在預置型(on-prem)模型和云之間無縫傳輸。

正如Rob指出的，有一件事仍然是一個問題，那就是一些工作負載更適合于此，而另一些工作負載則更復雜，這取決于特定的數據需求。例如，通過驗證，將正確的項目數據發(fā)送到云中并返回結果變得非常有意義。對于像實現或多物理分析這樣的大數據項目，你必須采取不同的策略。

采用混合工具也是我們正在考慮解決這一問題的另一個方法，因此基本上，處于預處理工具舒適區(qū)的客戶可以只發(fā)送所需的數據，然后只返回他們所需要的結果。

責任編輯：彭菁