如何利用大数据实现加速和最佳化芯片设计 - 全文

对于EDA供应商来说大数据的出现将加剧了IC设计难题，如何利用大数据实现最佳化和加速芯片设计这是一个难解的问题。“大数据”是由大量非结构化数据组成的，大多数的IC设计人员没有足够的工具去吸收这些东西。

在“大数据”时代，芯片设计人员本身是否使用大数据？他们面对着庞大的原始数据——来自不同EDA供应商提供的工具。但是，他们是否找到了一种利用大数据实现最佳化和加速芯片设计的好办法？

谈到“大数据”（Big data），现在大家都少不了它。它广泛地出现在生物科技、金融、农业、教育和交通运输等领域，各个产业都希望借由它来重新塑造其业务本质。

但是，对于半导体产业呢？

为此，一家专为芯片公司提供设计数据与IP管理软体的解决方案供应商——IC Manage Inc.，日前发表了“大数据实验室”（Big Data Labs）。

IC Manage执行长Dean Drako将这个Big Data Labs形容为一个“平台”，希望为IC设计客户“开发和客制基于big data的全新设计分析工具”。

在“大数据”时代，半导体公司已经在设计用于数据中心的IC了。但问题是这些芯片设计人员本身是否使用大数据。他们已经有了庞大的原始数据——来自不同EDA供应商提供的工具。

但是，电子设计人员是否找到了一种利用大数据实现最佳化和加速芯片设计的好办法？

简单来说，答案是“还没有”。

当然，半导体产业已经使用数据管理软体好多年了。Gary Smith EDA首席分析师Laurie Balch解释，IC Manage一向致力于提供“让大量数据得以保持安全且组织化，从而使数据能被其他人存取”的工具。但针对能让IC设计人员将数据应用于智能决策的分析工具，Balch说：“我们现正处于才刚开始可用的起步阶段。”

IC Manage并不是一家传统的EDA供应商。Balch解释，它并非制造模拟、合成或布局等传统的EDA工具，相反地，该公司的专长在于“EDA企业工具”。Balch形容IC Manage是一家“在IC设计数据库市场占有一席之地的公司”。

在此“电子设计以创造大量数据闻名”的时代，她发现芯片供应商正面对如何有效管理数据日益庞大的挑战。而IC Manage可能成为第一家提出解决方案的公司。

非结构化数据

Drako解释，根据定义，“大数据”是由大量非结构化数据组成的。

他坦承，电子设计领域已经看到了非结构化数据带来的巨大挑战——分别来自不同EDA公司设计的各种工具。

然而，大多数的IC设计人员都没有足够的工具配备去吸收这些东西，更不用说要如何理解了。毕竟，这样做既费时又耗资源。

Drako也强调，要在工具和供应商之间串连各自独立的数据集并不容易。

此外，他补充说：“只有很少的产业和公司拥有足够的专业知识和可用资源”，能够迅速发展出可行的见解，并创造管理选项与实施细节。

这就是IC Manage希望该公司得以发挥作用之处。

Drako解释，IC Manage在组织化的设计数据上叠加了非结构化数据。“透过融合非结构化数据（如验证纪录档案）和结构化数据（电子设计数据），我们提供了一个混合数据库，”让芯片公司可以用它来执行高性能的先进EDA分析。

IC Manage的关键技术——Big Data Labs；如何打造混合数据库？（来源：IC Manage）

IC Manage希望的结果是实现一款提供可视化分析的平台，协助用户创造互动式报告。

芯片出样预测

这并不是IC Manage首次为IC厂商提供的大数据设计工具。

几年前，该公司开发了一款名为‘Envision Design Progress Analytics’的大数据产品，为IC Manage的客户准确预测其新芯片出样提供了基础。

随着Big Data Labs的推出，IC Manage正向前迈进了一步。组织大数据并让设计团队或整个公司中的每个人都能使用数据还不够。

IC Manage希望借由与客户（芯片公司）和合作伙伴（EDA工具供应商）的密切合作，进一步开发（并可能客制）的新工具，让设计人员能够追踪每位设计人员的贡献、修订历史、IP重用以及各种动作。所产生的工具能让设计人员看到其决定对于设计过程的影响。Drako指出，提供的分析还将有助于其做出明智的决定。

功能验证工具

IC Manage同时推出了首款基于Big Data Labs平台的验证分析工具——Envision Verification。IC Manage表示，利用平台连接多厂商环境的能力，该工具提供了“近乎即时的可视化分析”。

Drako表示：“为了了解所发生的一切，Envision Verification从不同的EDA供应商环境（如Verilog、Mentor和Cadence）取得所有的验证数据，并追踪设计活动、回归测试和验证状态，以及出现的错误。然后找出变化。”

如果没有这样的大数据验证，Drako说：“传统上，如果你是一支300名工程师团队中的一员，你可能得花费大量的时间四处询问：『你改变过什么吗？』、『哪些做过测试了？』、『是谁弄坏了？』或是『我们错过了什么吗？』等等。”

透过互动式的验证结果报告，Drako说：“Envision有助于使功能验证分析加速10到100倍。不仅能够辨识瓶颈，还可以为验证过程中出现的问题找到根本原因。”

分析师Balch解释，验证对于电子设计师来说是一项“非常重大的挑战”。她说，由于每个人的目标都是“一次到位”（first-time right）的设计和制造——受限于芯片重新设计的成本，“设计人员必须为其进行验证”。她指出，验证涉及很多测试方面，“其结果也会随着运作条件而有所变化，因此也必须了解极端案例。”

IC Manage最新Big Data Labs推出的首款工具就是这种功能验证工具。此外，该公司的其他逻辑大数据分析产品还包括实体验证、时序分析和功耗。

Drako指出功能验证包括很多部份，包括针对半导体、电路、数位和类比设计进行模拟等。因此，Balch猜测IC Manage在接下来很长一段时间都将忙于进一步发展其功能验证工具，包括客制化。

谁会使用这款工具？

Balch说，不可否认的，数据管理工具的使用在芯片公司之间有些“起飞缓慢”。考虑到预算，芯片设计人员更想购买核心设计工具，而非大数据分析工具。“他们并不觉得这很重要，而且也认为这只适用于大型的设计团队。”

随着半导体产业持续卷入巨额并购，大环境的变化可能比先前的预测更快。例如，如果博通（Broadcom）成功收购了高通（Qualcomm），那么想像在两大巨擘内部的设计团队将面临多大的数据管理梦魇。合并后的公司必须监控不同设计团队的进度，确保大家都能共享设计资讯和IP。