EDA/IP技術論壇七大看點

作為晶元設計領域的第一環，EDA工具/IP的設計往往需要多年的磨練與驗證，他們對真實的產業趨勢和設計需求非常敏感，工具和IP的變化與發展，直接影響著晶元產業的發展速度。

Aspencore旗下的EDA/IP技術論壇於3月28日在上海長榮桂冠酒店成功舉辦，吸引了上百名IC設計工程師出席，該論壇已經持續舉辦14年，長期跟蹤最先進的EDA/IP技術，聚焦 IC 設計工程師最關心的設計需求。

本文聚焦論壇的精彩片花分享給讀者。

人工智慧從消費領域熱到了工業領域，第一場演講來自北京博達微科技有限公司工程副總裁耿春琦，他分享了《AI在半導體測試和模型提取中的實際應用》的報告。

「其實以前我們都叫演算法，主要是IV/CV/高低溫測試，通過演算法在有限環境下，對各種情況預判不同的電學反應。對半導體領域來說，AI和統計學的本質上是一樣的，通過數學的方法，通過有效數據在更多場景下進行合理預測。」耿春琦指出：「半導體『AI』應用一直存在，區別是你叫它AI還是演算法。」

圖：大數據 vs 小數據。

「不同於消費領域常見的大數據，半導體領域沒有那麼多的數據，但AI也有實際運用，原因是半導體領域，有個很有用的武器，是Physics，他不是隨機的，能提供shortcut進行預測和實際運用。」耿春琦指出，有了強力的Physics做支持，即使數據低，但是質量高。

在實際運用中，博達微公司在相當於在Si technology和Design之間架起一座橋樑。「我們公司成立於2012年，創始人來自Cadence，演算法主要來自於清華微電子，有半導體經驗，也有演算法經驗，演算法應用轉移至半導體測試領域變成了核心競爭力。」耿春琦指出。

最近公司一個成功的案例是利用自己的測試硬體，器件建模用AI後效率提升10倍左右：

用到的設備為：2台12寸自動機台，4/20個Channel，以及一個LCR。

「IP行業產業高度集中，Top5佔到行業的77%，想要做大很難，但是這一環境對IC設計產業鏈很重要。」 中國科學院微電子研究所信息中心主任，集成電路IP共享平台負責人辛衛華指出，IP核普遍應用的趨勢正在加強，例如蘋果A11處理器內就含有40多個IP核。

面對碎片化越發嚴重的應用市場時，使用第三方IP核已是多數企業和團隊普遍採用的方法：

何時我們會購買第三方IP？針對這個問題，辛衛華指出：當IP供應商可以提供獲得超越競爭對手的戰略優勢時，將導致半導體IP市場整合和收購。

他認為，大多數的IP應用是基於一個或多個原因：節省開發成本，通過購買IP通常比從頭開發更便宜；為產品戰略做出貢獻，為晶元或系統提供競爭優勢；降低風險、複雜性和上市時間。

但同時，IP集成面臨很多挑戰，也是個極度專業化的過程，需要專業化的人員熟悉IP配置，能夠和晶元的結構相適配；需要確認時鐘域、複位、非同步的始終問題；IP驗證，用戶需要按照供應商的驗證流程，再次驗證；問題往往出現在介面的地方，來自不同團隊的不同工程師集成來自不同公司的IP核。

這提出了IP管理的必要性：

辛衛華的總結和思考：

看點三：放眼系統級的設計與分析

5G技術，物聯網，大數據和雲平台的廣泛應用，大量的硬體設備將通過高效、高帶寬介面相互連接以實現信息的共享和交互。

針對傳統硬體設計中存在的效率不高，品質不強等問題，Cadence開創性的推出系統級設計和分析( System Level Design and Analysis)解決方案，為用戶提供先進硬體開發從前端到後端的一站式體驗，拉通從矽片設計到整機系統開發驗證的全流程，幫助客戶在激烈的市場競爭壓力下以最快效率提供高品質產品。

「很多電子系統在開發的過程中，就能通過ECAD-MCAD看到成型後的三維視角，SI/PI幫助提高電子產品質量的手段。」Cadence中國區資深技術專家秦祖立指出。

做完版圖再分析，模擬完後很多報告沒法告訴設計者缺陷在哪裡，In-Design分析可以在設計階段就做分析，把串擾，阻抗分布等做個約束規則，在後續布線按這個規則可以大大減少布線周期。

不同應用需要定製方案：

秦祖立分享了公司在「多物理場」分析方面的方案。「這是目前比較熱門的一個話題，隨著著系統越來越複雜，工程師開始關心信號熱和輻射，這是一個有機的整體，我們有相應的產品，且和歐洲領先汽車廠商有合作。」 秦祖立表示。

他舉了一個例子是自動駕駛中控的系統，由於系統功耗很大，所以為了散熱好，在機箱背面挖了很多洞，結果散熱變好了，但是在很高頻率下，電子系統的輻射會從洞里漏出去，導致EMI指標超標。

怎麼獲得平衡？「我們做了很多迭代分析，模擬，對機櫃做了一個熱流分析，把不同位置的溫度場分析出來。分析好溫度場後，再看對外的輻射，在某個地方的遠場輻射超標後，我們再看近場分布，哪裡是熱點區，人為把一些洞填起來。通過這樣的迭代，可以最終達到熱跟輻射的平衡。」秦祖立表示。

多物理不僅局限於熱和輻射，還包括熱和SI的分析，因為單板的材料是溫變的，溫度不同，高速信號損耗不同。這種混合分析可以精準提取高速信號損耗特性。

除了傳統EDA工具，Cadence現在還有雲的服務，藉助公有雲和私有雲讓中小型公司能藉助雲來建築自己的平台，秦祖立介紹道。對於中小型客戶來說，伺服器系統不用自己布，省去系統維護和額外的開銷，也是一個大勢所趨，大家可以更快的開發自己的系統。

波音737的墜落、香港MTR相撞給我們很多思考，自動駕駛不是可以用就ok，使用場景是否都有預期？預期夠多少場景才能達到足夠的可靠性？

Mentor, a Siemens business公司PacRim Technical Director李立基在演講開始為觀眾拋出了一個值得思考的問題。

現代汽車除了機械部分，有了更多的電子部分加入。對於車，我們要做自動駕駛，從燃油到電，智能和動力系統都和電相關。Mentor的汽車方案可以覆蓋多個領域，包括電子部分，軟體部分，電子部分。

李立基認為安全/可靠性方面有四個障礙需要克服：

Hurdle 1 –Exploding Complexity

Hurdle 2 –Safety Of The Intended Functionality (SOTIF)

Hurdle 3 –Functional Safety (FuSa)

Hurdle 4 –Ultra Low Manufacturing Defect Rate

而且，在3D晶體管時代有更多的缺陷可能

Increased transistor process complexity in FinFET ?

●「Myriads of systematic defects」 ?

●「The number of multi-patterning steps makes things much more complex」 ?

●「With the latest generation it takes 21 days to go from M0 to M1, compared to 3-4 days in the previous」 ?

●「90% of defects are now inside cells」

公司的Tessent汽車級ATPG，利用關鍵區域缺陷模型實現更高的質量水平。

市場份額已經這麼大了，為什麼還要重新定義？Mentor, a Siemens Business 中國區資深技術專家牛風舉指出，為了創新，自我革命。

他給除了EDA 4.0的演進歷程：

重新定義D2S (Design 2 Silicon)

• Calibre

?Calibre Golden Sign-off

?Calibre PatternMatch enables PV pattern recognition capabilities

?Calibre YieldEnhancer Helps Foundries and Designers for FILL

?Calibre PERC Is A Platform To Handle Wide Scope Of Reliability Issues

?Calibre 3DSTACK & Xpedition provide the Proven 2.5D/3DIC package verification flow

• Tessent

?DFT Must Meet both Manufacturing Test and In-System Test Needs

• Calibre/Tessent

?Closed Loop DFX Solution Accelerates Yield Ramp

從2009年成立到今年華大九天正好走過了十年，在2018年底，該公司推出全球第一款異構模擬系統。

加速模擬設計的模擬驗證，正是這款異構模擬系統帶來的設計驗證的變化。

「近30年，模擬技術在模擬方面的發展相對落後，模擬電路的模擬驗證，沒有跟上行業發展的訴求，不僅需要縮短模擬時間、驗證覆蓋率也要提升！」 海思平台與關鍵技術開發部公開指出。

這套系統有多厲害？華大九天副總經理董森華給出一個真實的客戶案例：

?電路：ADC

?工藝：7nm

?器件：~200K

?寄生：~10M

這款模擬系統模擬5天完成。

「設計廠商正加速向先進工藝遷移，7nm工藝成為眾多大公司的主要選擇。」 董森華指出，「工藝發展給設計模擬帶來極大挑戰，寄生參數呈幾何級數增長，PVT Corner 快速增加。」

模擬電路的模擬瓶頸已從前仿漸漸轉移到後仿，模擬時間從傳統的1-2個月長到5-7個月。

ALPS? 模擬演算法創新的代表，其好處包括：

?100% SPICE精度，不做任何模型簡化或約減處理

?3~10X SPICE模擬性能提速

?>50M 器件規模的模擬容量

「儘管ALPS加速明顯，但仍有很多設計需要數天甚至數周的時間，仍無法滿足用戶的設計周期需要。」董森華指出，「系統創新需要大算力硬體架構和適配的核心演算法創新，缺一不可！」。

模擬演算法必須對GPU架構進行適配再創新，通過努力，九天的小夥伴提出了獨創的適用於GPU架構的 GPU-Turbo Smart Matrix Solver（SMS-GT）技術。

過去幾個月有一些成功的客戶案例，包括日本一家做Image sensor很厲害的公司，他們實際模擬素的得到了數十倍的增加，董森華透露。

現在AI在各個領域都有廣泛應用，新思科技高級AI技術專家鮑敏祺將AI應用主要分為四類：

1.互聯網的廣告，定期將正確的廣告推送給用戶；

2.安防。包括臉部識別等。

3.無人超市等，經過訓練做到比人更準確的識別。

4.自動駕駛。

對於所用到的晶元來說，可以分為三大類：

其中，數據中心是最拼算力的一個領域。

鮑敏祺在演講中將AI處理器的特性從計算、存儲、功耗和I/O角度分開來介紹如下：

他詳細闡述了數據中心AI處理器和Edge處理器有不同的驗證挑戰。然後介紹了Synopsys提供的解決方案：

為了滿足AI處理器的挑戰，Synopsys不停的調整自己的策略，在計算、內存優化、功耗及互聯上都出過很多研究，鮑敏祺指出，以前需要工程師重複做的工作現在都有工具做了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！