芯片设计左移的利与弊分析

《半导体工程》杂志邀请了Synopsys战略项目与系统解决方案执行总监Frank Schirrmeister、Hiveware业务发展与战略合作副总裁Ronen Laviv、 Silvaco业务发展副总裁Jack Berg以及Axiomise创始人兼首席执行官Ashish Darbari，共同探讨在芯片设计、使用和更新流程不断变革的背景下，左移技术所带来的利弊。

以下是此次对话的节选：

SE：十多年来，我们一直在讨论将设计制造流程左移，但为了提高可靠性和良率，并加快芯片生产速度，越来越多的功能正在被添加进来。您看到了哪些变化？

Schirrmeister：我们现在正在添加数字孪生技术，这正朝着非常左倾的方向发展。

Berg：没错。现在的问题在于如何处理多物理场模型。利用这些数据构建代理模型至关重要。随着我们深入研究不同材料的不同技术，我们需要回到材料科学求解器和物理求解器，才能获得设计人员可以使用的模型。这种情况目前出现在一些非数字设计领域，但随着我们深入到CFET（电容式场效应晶体管）层面，它也开始被应用到那里。

Schirrmeister：有三个变化。第一，现在我们拥有了计算和智能体等技术手段，可以比我们以往任何时候都更进一步地进行左移。问题在于左移是否值得信赖。代理模型能否可靠地代表正在发生的事情？你不能让智能体来决定这一点。过去，在虚拟原型设计中，你会安排一个人负责确保模型能够准确地代表正在发生的事情。这是第一点。所以信任正在发生变化。第二点，你需要相信左移模型能够预测你正在做的事情。否则，你会后悔进行左移，因为你需要再次迭代。在一次高通公司的主题演讲中，演讲者谈到了新的推理差距。他说我们过去面临的是生产力差距，而现在我们面临的是推理差距。他们希望工程师能够对产品进行推理，从而改进产品。但目前的工具还无法处理推理。第三点是左移选项的快速迭代。如果我能够信任这些模型，那么我就可以开展一些新的业务。在架构层面，我可以做出一些决定，然后启动多个选项进行测试，看看模型的预测能力是否足够强。

Darbari：关于“左移”的讨论至少始于15年前。真正发生变化的是人工智能和智能体使用模型。然而，目前人工智能智能体中尚未建立的信任机制却依然存在。我们和我们的客户都在使用各种优秀的智能体使用模型来解读规范。现在很多讨论都转向了“从规范到芯片”的流程，因为人们认为可以从规范文档中提取需求——前提是你有规范文档。但大多数情况下你并没有规范文档，而这正是问题之一。我在形式化验证工作中看到的另一个重大变化是，功能验证现在被视为一个问题，与安全性、功能安全和功耗问题同等重要，因为所有硬件都依赖于人工智能生态系统，而人工智能生态系统是最大的投资领域。许多公司从一开始就投入资源进行功耗、性能和功耗（PPA）分析。例如，我知道有些客户会拿出他们的设计，甚至是老一代的设计，然后说：“让人工智能智能体重写它，以优化功耗、性能和功耗。”但我如何才能确定它是正确的呢？我能证明它等同于其他东西吗？半导体领域的十大公司，这些公司拥有雄厚的预算和庞大的团队，正在采用智能体人工智能流程，而他们非常在意的是能否信任这些流程。这种信任差距通常通过早期采用形式化证明来解决。技术本身未必是最大的障碍，关键在于工具能否更无缝地集成到系统中。

但如果你仔细观察是什么促成了更多左移，你会发现是调试时间的减少。当你进行架构分析时遇到故障，你可以将故障信息反馈给代理。代理会输出大量数据，我们需要从中挖掘更多洞察。你是否有效地利用了这些时间？无论结果正确与否，如果需要人工审核，这可能会成为左移早期应用的一大障碍。更早地采用代理是否会带来更好的设计，减少缺陷的遗漏？这还有待观察，而且我认为单靠左移本身无法解决这个问题。

Laviv：左移是指识别我们行业中的瓶颈，并研究如何在设计和验证周期的早期阶段尽可能多地引入工作和安排进度。如今，代理商都在积极提供帮助，但所有这些举措都会让我们陷入新的瓶颈或旧瓶颈，而这些瓶颈我们必须解决。

SE：我们需要同时检查和验证的内容太多了，把这么多工作往前移就成了问题，而且多芯片组装和生命周期管理会让情况变得更加复杂。所有这些部件如何才能协同工作并保持连接呢？

Schirrmeister：左移真的是正确的做法吗？左移的前提是我对最终要做的事情有清晰的了解，并且能够预先设定六个月、九个月甚至一年后的目标。也许我们的想法是错的。或许我们需要的是一个大致的方向，然后能够根据我们在实现过程中获得的信息进行调整。左移暗示着，只要预先设定好某个目标，就能在某个神奇的未来世界里达到零点，并且一路畅通无阻。但我听到人们的做法却截然不同。他们会说：“好吧，我正在开发某个东西，有了智能体人工智能，我现在可以构建一个能够代表大部分目标的模型。所以现在我决定，‘这个模型相当简单，在Arm处理器上不需要花费太多精力，或者我可以为其开发一个RISC-V处理器。’现在我重置了我的目标设定，这有点混乱，因为我之前没有正确的硬件目标设定，所以现在我需要进行调整。”最棒的是，我们即将迎来一个可以左移到这种新改进方案的时机。这几乎就像敏捷开发中的左移。敏捷开发的核心在于，根据当前的工作，对后续发生的细微选择进行调整。

SE：这解决了这类设计的一个大问题，因为你无法预知芯片上市时的实际工作负载。这是一种更通用的方法，更注重适应性，对吧？

Schirrmeister：没错，过去我们不敢这么做，因为一切都是循序渐进的。现在它变得更像一个循环。以前，产品经理了解市场，会说：“我来开发这个产品，然后18个月后你们发现它行不通。” 现在，我们不断获得新的数据，因此可以灵活地改进我们的工作。

Darbari：我同意敏捷开发中有很多选择，也有很多变化，而且并非所有事情都能事先确定，这在构建任何东西时都是现实。然而，我认为情况并非如此模糊不清。如果你要开发一款新的机器学习芯片、GPU 或 CPU，你对之前的衍生设计会有一些了解。你要采用的总体架构是什么？你不知道的是，在功耗、功能以及人工智能带来的训练或推理方面的诸多挑战方面，具体的实现方案会有哪些选择。这些都是全新的挑战。因此，无论是否使用智能体，你都需要在每一步都做出多种选择。但智能体可以帮助你更高效地完成这些选择。我不确定的是，这些敏捷智能体的输出结果能否快速得到验证和信任。

Schirrmeister：你不能让人工智能替你做决定，也不能信任人工智能。这时你就需要使用经过验证的模型。

Berg：这一点非常重要。人工智能代理并不会取代人类。它们实际上是初级工程师，需要由了解其工作的人进行审核。敏捷开发的概念，以及它正在变得越来越敏捷，是非常现实的。有一种说法是，流程可以进行逆向设计。但如果这种逆向设计可以基于多物理场求解器呢？你构建了一个代理模型，数字孪生，然后你说：“好的，给我一个晶体管或一个芯片——甚至在这个阶段，给我一个通过RTL实现的芯片——它能够满足这些约束条件和正在发生的事情。”突然间，你得到了一个空集。它被过度约束了。现在该怎么办？这就是为什么敏捷开发的概念非常重要的原因。

Laviv：以数字流程为例，如今我们有虚拟平台、形式化设计、软件仿真、仿真、FPGA，还有工程师和人工智能引擎。我们需要做出一些调整。如果你正在设计CPU或其他有形产品，并且形式化设计能让你更快地完成，并提供更稳定的设计方案，那么仿真和FPGA就可以在验证流程中更早地运行，仿真也是如此。如果你已经解决了形式化设计、仿真、虚拟原型设计，甚至是流程本身中的瓶颈问题，这将有助于将所有环节前移，让你在项目早期就能做出更明智的决策。这样，如果需要修改，你就可以及时进行调整。

Darbari：验证问题确实很棘手。我看到一些客户确实遇到了这种情况，他们不得不推倒重来，从零开始构建架构，以应对芯片在不同使用阶段的需求。他们可能需要构建CPU、GPU、机器学习芯片，因此必须认真评估其构建方案是否能够覆盖所有应用场景。这并非易事，尤其是在软件也参与其中的情况下，而如今的软件早已今非昔比。从训练、推理到计算能力，整个流程都涉及到架构层面，最终都需要做出相应的选择。