芯东西（公众年夜众号：aichip001）编辑 | GTIC
芯东西9月6日宣布，在刚刚落幕的GTIC 2022环球AI芯片创新峰会期间，芯行纪资深研发副总裁丁渭滨以《构建新一代数字实现EDA平台》为主题揭橥演讲。
新一代EDA产品通过运用AI技能优化客户体验、提升效能是全自动芯片设计迭代的一个主要方向。在数字实现EDA环节，有许多关键的子问题可以得益于丰富的AI模型算法，包括提升布局方案的效率和质量、通过机器学习办理EM-IR和时序之间的相互影响来优化PPA（性能、功耗和面积）、路径分类、拥塞位置预测等。
丁渭滨认为，AI赋能的EDA产品能大幅度提升芯片设计效率，提高性能和EDA可用性。他还分享了芯行纪引入AI技能来构建数字实现EDA平台方面的进展和初步成果。
以下为丁渭滨的演讲实录：
大家下午好。芯行纪是一家数字实现EDA公司，我们专注于自主研发数字实现EDA产品和供应高端设计做事，帮助芯片设计企业更高效便利地开展设计事情。
一、寻衅最难赛道，国产EDA新势力呈现数字实现EDA领域的布局布线部分，是EDA领域中研发难度最大、同时也是市场代价最高的产品之一，只有极少数国际厂商拥有这方面的技能。
那为什么芯行纪敢于去做这个领域的产品，并且要做新一代的数字实现EDA产品？
第一，从时期大背景来看，目前环球科技领域的互助和分工正在急剧变革，现在可能没办法像之前一样相互协同共创，这也便是为什么我们须要自主研发。随着近几年来呈现的EDA方面的内部创新，大家分别开始在不同的方向努力。
芯行纪具备了一支非常专业的团队，集聚了目前在数字实现方面具有非常全面的产品研发履历的前辈专家，这几十位“行业老兵”具备超过15年的国际EDA厂商从业履历。我们希望凭借这支精良的团队，在数字芯片领域贡献一份力量。
第二，目前中国集成电路设计的人才缺口非常大，而个中要培养一个后端工程师尤其不随意马虎。布局布线工具是一个非常弘大的系统，它里面的步骤数量繁多，每个步骤里用人工掌握的开关数量可以达到几百个，这些开关之间还可以相互组合，甚至于数量更加无限大。
而后端工程师除了要理解设计本身还须要花大量韶光来学习如何运用软件，因此一个富有履历的后端设计专家，在市场上实际是不多的。
高度自动化的工具，在某些环节可以节省大量的人力。从这个角度来看，将工具朝自动化乃至智能化方向提升，一定程度上可以缓解人才缺口。
另一方面，目前算力正在不断提升。当现在要架构一个新的软件，你可以用的算力、打算资源和十多年前比较，存在天翻地覆的不同。
从前前能用到的算力无非是一台机器里的多个CPU核，乃至多个CPU核在当时未必盛行，而现在的打算机本身的性能提高非常多，网络之间的带宽也提升很高，使得多机之间的协同、并行打算、云打算可能同时存在，传输数据的延迟度大大改进。
现如今存在各式各样的专门类别的打算芯片，对付一些分外算法，可以通过不同的GPU核或其他IP核，实现指数级的性能提升，这些核的涌现同样带来了不一样的机遇。
当你重新思考要做一个布局布线工具的时候，你能够用到的算力和思考的角度就会发生变革，此时你就不会想着做一个工具只在一台单机上跑，而是跳出这个框，思考更多可能性。
二、AI在EDA领域的两大类运用：预测性能，让工具更好用回到AI这个话题，AI目前在很多行业已经得到了一定的落地，而在EDA领域，利用AI技能改变现有的EDA工具的形态，实在已经在发生。
目前AI在EDA工具中的运用紧张有两大类。第一类是用AI来预测性能，第二类是借助AI算法帮助EDA工具在利用上更加自动化。
在用AI预测性能方面，由于后端设计的流程很长，在每个阶段看到的性能会局限在当前阶段，当下性能表现并不能解释后面环节的性能一定好，以是如果你希望优化结果真正准确，最好是在当前阶段就能预见到后面环节的结果，如果实现这一步，优化的结果和效率就比较高。
这一点实在已经得到实践，在时序、功耗乃至设计任务方面，顶尖的国际EDA厂商已经把大量步骤转成非传统的启示式办法，通过演习和学习后，可以在前面的阶段预测后面的时序和功耗的变革，这样会得到比较显著的提升效果，比如性能、功耗和面积可以改进5-10%，这是个不小的数字。
大略来说，当一个CPU芯片，频率从原来的2G赫兹提升到2.2G赫兹，这已经是一个非常大的打破。如果你拿这个产品和同质性产品比较，能做到改进10%，你就能盘踞更多的市场份额。
当然以这样的办法走下去，还存在一定的局限性，但并不是出在AI算法本身，而是在EDA领域我们面对的数据是分外的，不像一样平常的图像识别、语音识别这样资料本身可以较随意马虎地获取、分享和测试。
EDA领域的数据都是客户专有数据，处理办法也保密，不同公司之间存在樊篱，数据不能互通分享，以是很难综合大量数据演习出更好的模型并连续提升。如何利用已经设计出的芯片，帮助EDA工具更加“聪明”，我想这个还有待连续磋商。
在借助AI算法帮助EDA工具更自动化方面，我们已知当前的EDA工具比较难用，一个后端工程师的事情量有限，但纵然是拿着工具反复跑一百次，也无法将智能性带到工具中。
实在理论上来说，当一个设计在反复跑数据时，能够看到哪些参数对应哪些性能，看出参数对应的好坏情形，这意味着当考试测验新的设计时，在一定频率、功耗的程度范围内，工具可以基于既有履历帮助做参数推举。
大家可以仔细想一想，如果我把这件事一贯往前推到极致，实在就已经实现无人设计，也便是当重复跑完100次，到了101次想要做一些小修正，须要重新跑流程时，工具可以自动推举参数，给出在期待和合理范围内的结果。
现在有国际EDA厂商已经在这方面走得较远，在一定程度上可实现技能的落地，输出比人工调参更好的结果。
再今后发展，很有可能涌现类似跑工具的机器人，然后变成昔时夜家在购买工具时，还须要同时买机器人，而且是从几家公司同时购买，末了变成几个来自不同EDA厂商的机器人协同设计同一个芯片，我认为这样的可能性是存在的。
毕竟现在人力本钱高昂，当用大量的机器取代人力时，能帮助全体公司提高效率、节约本钱。
三、智能布局方案：海内创始用AI做拥塞预测，极大节省设计事情量接下来想要和大家分享，芯行纪通过一年多韶光的努力做出的成果——智能布局方案工具AmazeFP。
在后端设计中，有一个步骤相对而言还没有比较自动化，便是开局做布局方案的时候，这个时候同时存在很多宏单元和标准单元。标准单元的大小和形状比较规整，此时比较随意马虎用算法来自动摆放，同时由于它的数量相对很多，达到几百万个，目前也不太会有工程师手动摆放。宏单元不同于标准单元，宏单元的大小形状互异，从目前的设计繁芜度来看，由于存在各种IP，宏单元的个数比以前多很多。
目前宏单元的摆放紧张靠工程师手动摆，有履历的工程师可能对设计比较熟习就能摆得更好，他可能更清楚哪些宏单元之间沟通较多，可以根据数据流和已有履历进行操作。
但这样也有缺点，首先是当宏单元个数很多时，人工摆放须要耗费大量韶光，当存在成百上千个宏单元时，想要手动摆出相对较好的结果实在并不随意马虎。其余，不仅宏单元与宏单元之间有联系，宏单元与标准单元也有联系，摆放时不能只顾两个宏单元，可是一旦要考虑宏单元与标准单元的联系，可能就顾不过来了。
人工摆放有一个上风是会放得比较规矩，但如果同时处理宏单元和标准单元，由于二者存在的大小差异巨大，要实现某种程度上平衡的结果，存在较高的技能门槛。总体而言，从人工和工具摆放的效果来看，人工该当比不过工具摆放的效果。
全天下只有极个别国际EDA厂商可以做到同时捆绑考虑宏单元和标准单元，芯行纪通过自主研发，目前已经实现了这一点。
产品的第二个特点是，我们创始性地将拥塞预测通过机器学习的办法实现。
当前期布局单元时，有一个主要的任务是要确保后期芯片可绕通，否则就须要转头重做。
以前评估拥塞模型时，大家每每采取一种比较粗糙的办法去评估，现在随着工艺的进步，问题变得繁芜，特殊是到7nm或5nm以下，拥塞的评估一样平常不会表示在全局，很有可能涌如今局部，用以前那些做法可能就看不到拥塞。
此机遇器学习就变成了一个选项，当算法学习过大量的制程上的版图模型后，就能够判断哪些位置会有影响。
为什么大多数国际EDA厂商没有把拥塞的预测模型放入布局呢？这里有一个主要的缘故原由。以前用启示式的办法去做，虽然不准，但是很稳定。如果变成机器学习模型，就会发生一些随机事宜，结果不足稳定，也很难去掌握。
而芯行纪通过大量的艰巨事情，能够用一些独特技能，掌握这个模型在某种范围内的稳定性，而它捐躯掉的准度在可以接管的范围内。基于这一条件，我们才能够把这项独占的机器学习拥塞模型放入我们的布局引擎，实现打破。
第三个特点是宏单元自动整理对齐，该功能是拟人化的（human-like）。
当传统工具在做一个布局方案时，不一定非常整洁，它会考虑时序、功耗等各方面成分，将宏单元或标准单元放在推举的位置，但是当人做设计时，会考虑哪些单元须要靠边或者组合对齐更好，这一点在工具上很难通过传统算法实现，但是通过机器学习可以做到。机器学习是一种模式打算，可以实现版图模型（pattern）的匹配和学习。
从我们的案例中可以看到，人工摆放的结果很整洁，而我们工具摆放的结果也很整洁，我们的工具会自动将一些单元推到边上，空出留白区域，同时保持比较好的PPA，这可以极大节省设计的事情量。
当某一个案例的布局方案事情韶光从以周为记缩短至以小时为记，生产力将成倍提高，开释更多人力用于其他事情。
这便是我们芯行纪近期推出的第一款智能布局方案工具AmazeFP，目前我们正密切与一些客户在互助，我们希望这一工具能够帮助到他们的项目。
当然，AmazeFP只是我们的一个开始，芯行纪的目标是基于3S产品理念（Smart、Speedy、Simple）构建新一代数字实现EDA平台，后期我们全体同仁还将推出更多易用、智能、快速高效的工具。我们也希望携手更多互助伙伴，用我们的EDA产品助力芯片设计企业实现更多的产品成功，感激大家。
以上是丁渭滨演讲内容的完全整理。
