当前位置:

OFweek新材料网

金属材料

正文

新思科技廖仁亿畅谈芯片设计未来

导读: 众所周知,于AI芯片而言,“流片”是一个极其重要的步骤,其成功与否的背后关系着芯片产品的商业化。也因此,在流片之前,有些公司会采取一些工具来进行验证。

相比传统芯片,AI芯片的机会与挑战并存

“近几年人工智能、机器学习快速发展,加上量子运算等更为先进的技术,对于解决过去的问题带来了全新的视野。”廖仁亿表示。“但随着大家对人工智能的期望越来越高,加上海量数据的持续增长和无处不在的场景应用,人工智能加上人类智能的赋能,帮助我们用更智能的工具,来设计日益复杂且更为强大的人工智能芯片,为芯片设计带来全新的挑战和机会。”

其中,关于“机会”,美国市场研究公司ReportLinker公布了一份AI芯片研究报告,内容显示,未来五年,全球AI芯片将进入快速发展阶段。预计到2023年,市场规模将达到108亿美元,复合年均增长率达到53.6%。

数据上,仅看未来的市场潜力,AI芯片产业可谓“前途不可限量”,这一串数字让人看着就想进去凑一凑。也因此,越来越多的公司跨入这一行当。

不过,机会之外,“挑战”也是不容忽视的。关于这个问题,作为领先的芯片自动化设计解决方案提供商及接口IP供应商,新思科技深有体会,廖仁亿指出,不同于传统芯片,AI芯片的出现也带来了新的设计难度,“AI、深度学习芯片有更多并行的PE单元,不管在架构设计、软硬件协同验证、性能预测、芯片实现和IP选择(如HBM)等,都比传统芯片有更大的挑战。”

有挑战就意味着变革,这方面,以新思科技为例,他们正“不断提供和改进工具及方法,来帮助芯片的设计和实现,并且人工智能技术已全面融入到新思科技各产品线中,让产品变得更强大和灵活,例如新思科技凭借突破性机器学习技术将形式属性验证性能人提高10倍。”

没有好的芯片自动化设计工具,就没有好的AI芯片

截至目前,已经有不少AI芯片厂家发布了自己的芯片产品,有的已经成功流片或是即将流片。

众所周知,于AI芯片而言,“流片”是一个极其重要的步骤,其成功与否的背后关系着芯片产品的商业化。也因此,在流片之前,有些公司会采取一些工具来进行验证。

以16nm芯片为例,正常情况下,设计周期至少需要一年的时间,但是在工具的协助下,可能只需要半年的时间,芯片厂商就能够完成16nm芯片的设计并完成流片。

这方面,新思科技是业内最具竞争力的解决方案供应商,他们“提供从芯片到软件完整的解决方案,包括系统软硬件协同设计,芯片设计、验证到实现及软件安全。”

举个例子,在芯片尚未流片之前,AI芯片厂商可以使用VDK、HAPS、Zebu这类工具在复杂的AI芯片系统设计初期实现早期软硬件协同发展,预测AI芯片性能和瓶颈。通过AIIA的Benchmark工作,他们能够在流片之前就知道该芯片在市场中的优势。据悉,寒武纪云端人工智能处理器芯片就采用了新思科技HAPS原型验证解决方案。

对于工具与AI芯片之间的关系,廖仁亿明确表示:“没有好的芯片自动化设计工具,就没有好的AI芯片。”

当然,AI芯片与传统芯片是不同的,这也就意味着工具也要有所不同。廖仁亿表示,为了更好地服务AI芯片,新思科技未来将通过提高算法、融合软硬件、架构基础设施、开发新的设计工具等方式持续优化AI芯片的功耗和性能,并通过多领域深入的产业合作,助力推动人工智能产业升级和人才培养。

最后

“AI、深度学习在最近几年的成功和广泛应用有目共睹,可能有短期的泡沫现象,但长期的成长还是可以预期的。”廖仁亿称。而对于AI芯片,在其看来,比起以往,今日芯片的架构设计和应用、算法、软件结合的更为紧密,所以要对整个系统需求有完整的认识,才能设计出更高性能的AI芯片。

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

我来说两句

(共0条评论,0人参与)

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号