Распространение стековых чипов, конструкций на основе chiplet-модулей и различных форм гетерогенной интеграции заставляет поставщиков средств автоматизации проектирования электроники (EDA) выходить за рамки традиционной модели, в которой ячейка, блок и кристалл рассматриваются как отдельные границы. Проектирование ускорителей искусственного интеллекта и систем высокопроизводительных вычислений теперь требует рассматривать вычисления, память, межсоединения, энергопотребление и тепловые характеристики как единую систему.
Liz Allan пишет в Semiconductor Engineering, что инструменты EDA движутся к совместному анализу в нескольких областях, ускорению исследования альтернатив и добавлению помощников на основе агентного искусственного интеллекта. Вместо запуска отдельных анализаторов на поздних этапах поставщики пытаются внедрить многополевые физические модели в один инструмент, чтобы последствия проектных решений проявлялись по мере изменения конструкции, а не после её завершения.
Проблема переместилась к границам системы
В статье приводятся слова Artour Levin, вице-президента по проектированию кремниевых решений для искусственного интеллекта в Microsoft: самые сложные проблемы ускорителей ИИ больше не ограничены кристаллом, а возникают на границах системы. Отдельного кристалла недостаточно для выполнения многих рабочих нагрузок ИИ, поэтому необходимо оценивать систему в целом.
Hardik Kabaria, генеральный директор и соучредитель Vinci, считает, что традиционный рабочий процесс сформировался вокруг чётких границ абстракции, а физическая верификация откладывалась до конца каждого этапа. Эта модель становится менее подходящей, когда тепло, напряжение и электрическое поведение распространяются через весь физический стек. Поэтому командам нужна физическая информация во время принятия решений, а не после того, как конструкция перестала изменяться.
Что меняется на практике?
Согласно изложенному в материале, недостаточно просто ускорить старые инструменты. Необходимо обеспечить непрерывный доступ к точным и детерминированным физическим данным для кристалла, корпуса, платы и системы. Kabaria подчёркивает, что результаты должны быть измеримыми и достаточно точными для поддержки реальных решений; при этом наряду со скоростью важна воспроизводимость результатов между запусками.
Пространственное планирование становится сложнее из-за различий между компонентами системы: необходимо распределять вычислительные блоки, память и межсоединения, учитывая их взаимное влияние. Также возникают проблемы совместимости инструментов разных поставщиков, динамического планирования, анализа падения напряжения (IR) и статического временного анализа (STA).
Между развитием существующих инструментов и созданием новых
Этот этап ставит перед индустрией EDA стратегический вопрос: следует ли расширять зрелые инструменты, в которых за десятилетия накоплен большой объём знаний, или создавать новые инструменты, соответствующие отличиям конструкций для ИИ и высокопроизводительных вычислений от традиционных однокристальных решений?
Henry Sheng, исполнительный директор по исследованиям и разработкам в Synopsys, заявил, что большая часть накопленных знаний по-прежнему важна, однако некоторые предположения, работающие при изолированном рассмотрении, могут не выдержать перехода к многополевому анализу. Проблема заключается в реорганизации инструментов, данных и терминологии в согласованной среде, а не в изобретении всего заново или сохранении разных представлений одного и того же понятия.
Анализ certi.news
Фактическое изменение здесь заключается не просто в добавлении функции искусственного интеллекта в инструмент EDA, а в переносе точки принятия решений с уровня кристалла на уровень системы. Агентный искусственный интеллект может помочь автоматизировать задачи и исследовать больше вариантов, но не отменяет необходимости в точном и воспроизводимом моделировании. Совместимость инструментов, скорость многополевых моделей и их способность успевать за динамичным проектированием остаются открытыми вопросами, определяющими успешность этого перехода.