罗风 · 6月28日

【IC 极客专栏】漫步云端的EDA

猝不及防,这两天被google 造人的文章刷爆朋友圈,AI 已来,码农们又一次陷入了人活着工作没了的焦虑,ICer 的工作会被EDA 工具替代吗?最近在IC 极客群里面关于“EDA in the Cloud”的话题经过两轮激烈的讨论,群友们贡献了很多新鲜热辣的观点,是时候需要对这个话题进行总结性的归纳了。我因为职业背景的关系,并且之前有参与过相关的国家项目,对这个话题有过长期的关注,所以写这篇文章我也是非常兴奋的。我们并不是云计算的领域专家,只是从IC 工程师的视角来提出一些我们的可能有些外行的观点。以下所述仅作为抛砖引玉,不周之处欢迎批评指正。

| EDA 上云和谁有关

  • IC 设计企业

他们是EDA 厂商重要的客户,其利益诉求是面向市场多快好省的交付芯片,即扩大产能,缩短设计周期,提高良率和可靠性同时节约成本,新的技术浪潮为这一目标提供了可能。有些企业EDA 采购需要满足峰值需求,license 的费用甚至远超过了员工成本,但更多时候license 是处于闲置状态。出于成本的考虑,IC 设计企业对于共享IT/EDA 及周边服务是有潜在需求的。未来的可能性不仅如此,这一点我会在EDA 上云后的服务模式中进一步阐述。

  • EDA 厂商

他们的利益诉求是帮助客户实现价值交付,提供更好的计算力,更少的迭代,把工作尽可能多的交给工具去完成。分布式云计算,机器学习等技术为这一目标提供了可能。企业的IC 设计上云平台进一步为机器学习提供了实际项目的样本,促使EDA 工具向类似AlphaGo Zero 的工作模式的转变。共享EDA 的商业模式在流量经济的推动下或许会颠覆旧有的按license 收费的模式。但这个模式下有两个问题,第一,流量用户对于EDA 是否ready,在IC 设计领域是否存在那么大的流量可以催生共享,第二,EDA 工具对于IT 基础设施是否ready,云计算最大的优势在于分布式计算,而很多EDA 工具,譬如ICC, innovus 等并不是基于这种架构写的。在这个前提下,可能优先考虑更适合云计算的工具,FPGA, 仿真工具等,以机器换时间的效果会更明显。

  • 工艺厂商和IP厂商

一方面他们是EDA 厂商非常重要的partner , 另一方面也为IC 设计提供了不可或缺的生产资料即工艺文件,IP数据 等,如果他们联手决定我们的数据出于安全保护不能上传到公有云,也就意味着IC 设计企业的设计数据不能上公有云,可能连共享的私有云都会有很大限制。设计数据能否上云对整个生态影响至关重要,效率,安全,隐私,知识产权等各种因素的考量和博弈或许会推动工艺厂商和IP 厂商的服务模式相应调整,总的来说变化不会那么快。IC 设计企业在使用IP 时,所签署的协议里面IP 数据能否离开企业的私有数据服务器,我个人持比较悲观的态度,短时间内大的IP 厂商和工艺厂商应该不会授权。

| EDA 上云的服务模式

  • IaaS PaaS 还是SaaS

1.jpeg

图片来自网络

EDA 上云已经有软件服务的形态了,所以不可能是IaaS,其服务模式应该是PaaS 或SaaS,目前最多能做到PaaS,或介于两者之间。

SaaS 代表了一种未来形态,或许我们终将会走到那里。一个成熟的SaaS 服务有几个明显的标志,第一,订阅式付费而不是license 付费,这对于EDA 现有的商业模式是个非常大的挑战,第二,面向整个行业生态有丰富的接口,譬如工艺厂商,IP 厂商的数据及业务流程对接,第三,非常注重服务,而且服务是很完备的,用户的工作量是非常轻量级的,通用的信息平台及数据,流程构建和管理都应该由SaaS 厂商提供。更进一步,用户做IC 设计的方式,可能只是在交互界面做一些简单的配置,把剩下的工作交给计算机,经过少量的交互和迭代得到一个不错的结果。如果这些条件都不ready,我们只能先勉强称其为PaaS 服务。

一个典型的PaaS 平台可以为用户提供共享 IT/EDA服务,或者流程构建的服务,有条件的PaaS 服务商还可以提供设计服务,再加上与工艺厂商,IP 厂商的数据及业务流程对接,可以极大降低企业成本,并使得企业用户可以把精力专注于设计本身,这种模式首先会在中小企业中受到普遍的欢迎。而中小企业因为数量巨大,一旦形成规模,或许会成为一种新的标准,从而对大企业的模式带来冲击。

| EDA 和机器学习

无论上云与否,各大EDA 厂商都在加快推进在机器学习领域的布局,这一点在去年的DAC 会议上感触颇深,几乎每一家EDA 厂商都发表了和机器学习有关的演讲和论文。

关于机器学习在EDA 领域的应用,目前处于一个比较尴尬的局面,数据不能上云,EDA 厂商拿不到足够的数据样本来训练机器成为机器学习的一大瓶颈。同时,电路设计未来又与特定应用相关化,所以场景的多样性非常高,要求的多样性也非常高,这些非标准化,需要工程师经验加以tradeoff 的部分也为机器学习增加了新的挑战。总的来说,IC 设计的工作能够完全被计算机取代,目前来看还有很长的路要走。

在芯片领域,IoT 的应用,BAT等互联网巨头的杀入,AI 技术的发展使得市场迅速扩大,从这个角度,市场驱动会倒逼机器学习在EDA 领域的加速落地,届时IC 工程师将会迎来新的职业挑战。

作者:高原
原文链接:https://mp.weixin.qq.com/s/uay5gYVjnWc9P4fylPL5ww
微信公众号:
陌上风.jpg

相关文章推荐

更多IC设计技术干货请关注IC设计技术专栏。
2 阅读 275
推荐阅读
0 条评论
关注数
2448
内容数
621
主要交流IC以及SoC设计流程相关的技术和知识
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息