智能系统设计之基石

smecf · 发表于 2023-5-8 13:55:33

我们很多人都经历过老式的电视机、收音机、录像机，这些系统跟现在所用的系统有很直观的差别。“通常我们买这些东西会附赠说明书，甚至附赠原理图。这直白地告诉我们，我们要理解它怎么使用，甚至当它坏了的时候，如果自己动手能力强或外面有小卖部都可以去修。因此，智能系统和非智能系统的复杂程度以及与人的互动程度是相差很大的。”耿晓杰认为。

智能系统由三个层面组成

真正的智能系统可分为几个层面。首先是芯片，其中包括模拟芯片、CPU、GPU和存储器等等。芯片的上层是系统层，它包含软件，负责处理外界环境的沟通。“打个比方，现在智能汽车需要考虑电池环境、热环境、风动环境，还有各种各样的软件和OS，是不是光这两项就成为智能系统了呢？其实也不是。当这些智能系统有了计算能力和互联能力之后，所产生的海量数据可以在系统之间以及系统和人之间进行交互，甚至到云上以后，可以对这些数据进行分析，产生更多应用的机会。这样的系统才能称之为是智能系统。设计这样一个系统就给EDA行业带来更大的挑战。”耿晓杰认为。

智能系统设计复杂在哪里？

看到新的智能系统趋势，那么它复杂在哪里呢？“我们作为软件提供商，必须要能处理最复杂的问题，这样的芯片通常会用到先进的制程，先进工艺带来的复杂度对软件要求也不断提高。”耿晓杰指出。

在系统层面有更多软件的设计，更多电子电气系统和机械系统的设计。到了智能汽车还要考虑多物理场，甚至有计算流体、热、电磁环境的设计，这些都是给智能系统带来的挑战。“我们现在产业界里能够把这些东西整合起来的能力，甚至超过了理解它的速度。”耿晓杰认为。

传统EDA需要进化自己，适应智能系统的新时代

耿晓杰表示，Cadence作为传统EDA厂家，也要进化自己，让自己能够适应这样一个新的时代，适应未来智能系统设计的挑战。“我们大规模工业设计能力方面进一步将它扩展。第一个是向系统面扩展，从芯片到封装。第二个是要有泛智能化的设计，愈加智能的系统需要愈加智能的工具来设计它，用传统方式设计和过去不一样的智能系统其实是非常困难的。”耿晓杰补充说。

这个驱动的进化点，首先是数据，我们面向对象所处理的数据和计算的需求都在呈爆炸性地发展。他指出，现在随着摩尔定律的放缓，CPU随着工艺进步带来的好处在慢慢地减少，包括设计系统的成本复杂度，不管是芯片设计，还是机械设计，其上的复杂度提升得都非常快，这都是我们需要解决的问题。

Cadence从这几个方面去进化，还会拓展到系统设计层面。系统机械设计、风的设计、热的设计，都要在这里面得到体现。除了广度扩展以外，还要提高设计流程的效率。现在最火的AI技术也是给了我们新的工具，我们需要用泛智能的理念来重新发明EDA全流程。我们需要同时优化系统软件和硬件，并且进一步提升核心计算能力，他指出。

机器vs人力

回顾人类发展过程，就会发现几千年前我们唯一能够依赖的就是体力。经过数千年的积累，物理的知识、化学的知识、数学的知识，我们终于有机会使用大脑来进入工业革命。我们发明了内燃机，发明了电动机，极大地解放了我们的双手，让我们人类可以更好地利用大脑来改善我们的生活。

第三次工业革命以后我们到了信息时代，有了互联网，通过这些发展，我们有机会让我们的大脑也把一些冗余的工作给解放出来。

AI如何帮助设计智能系统？

AI技术可以让机器做人的脑力所不能做的事情。那AI怎么帮助我们设计一个智能的系统呢？

耿晓杰表示，这可以从三个方面帮助到。第一，AI技术可以让我们设计空间能力大大增强，可以做出比人更好的设计结果和设计质量。第二，机器提供的算力极大地提高设计流量和能力。第三，通过AI学习，把只掌握在一部分有经验设计者手里的知识变成团队的知识，就可以帮助我们更好地提升团队的生产力，不再受制于算力，不再受制于人的经验，甚至不再受制于团队的能力，这就是我们的目标。

设计人员如何进行系统优化

举个例子，我们在设计PCB板时，通常考虑的因素有大小、层数、不同的材料等。“这样的因素可能要考虑十个方面，每个方面又有十个小点，理论的空间就是10的10次方。即使在今天工程上也没有人这样做，那为什么还能在现实环境里设计这样的系统呢？是因为我们引入了有经验的工程师，猜测可行的设计空间，做出前置的选择，做出仿真结果，再做出微调，这样就有可能在短时间内做出复杂的系统设计。”耿晓杰说。

第一，仿真速度要提高。第二，依赖于人的认知能力，越有经验的工程师，越能给我们可靠稳妥和优秀的经验。

AI设计优化流程

那人的认知能不能用机器来帮助它呢？其实这是可能的。“整个流程不变，我们把人退后一步，让机器来检查准确度，这样可以在没有那么优秀的工程师，没有那么多经验的情况下，同样设计出一个很好的系统，甚至是更好的系统。”耿晓杰谈到。

EDA是提高生产力的主要驱动力

EDA一直是生产力提高的主要驱动力之一。最早是通过Manual Design；到Transistor-Level Design，这个过程当中提高了十倍；再往后到Cell-Based Design又提高了十倍，到 Design rRuse又是提高十倍，而到AI时代则会提高得更多。

未来系统设计

“现在一个有经验的工程师可以处理一块Design，但是当把人类不能做的工作交给机器，在未来一个人能够处理多个Design。”耿晓杰补充说。

数据和AI平台促进创新和采用

他表示，每一个点上都在尝试使用AI技术把EDA工具提升，但是发展到一定程度会发现，光在某个点上使用AI是完全不够的，因为电子设计里面数据是非常零散化的，有结构性的，有非结构性的，处理这些数据必须要有能够跨领域的数据处理的能力，打破数据之间的隔墙。

基于不同的算力，只要有人负担算力的情况下，可以把设计广度进行无限扩大。这个系统要能够是分布式的，也不能把它完全当成黑盒，我们要提供一个工业界定制API的接口，所以也会把所有跟AI相关的平台化，让所有EDA工具都能够在同一个平台上满足近期和远期AI的需求，他指出。

Cadence和Malaren在汽车设计上的合作

据介绍，Cadence最近在和Malaren合作，在短时间内把汽车设计得更加符合空气动力学的要求。Cadence也收购了一家数字孪生公司。虽然传统EDA工具就能处理芯片、封装、PCB板级功耗和热反应问题，但通过这家公司的技术收购，把计算流体力学、热学、通风等做一点点变化，任何一个细致节点变化对数据中心热流功耗影响都可以在一个流程当中反映出来，这就可极大地帮助数据中心进行热管理。

“前段时间有一个重磅会议，我们一个客户发布了算力核弹，其中提到了一个非常高端的板卡使用了我们的计算流体力学仿真，它应用规模非常广，有空气动力学、空气声学、热传导等等。”耿晓杰补充说。
Cadence基于核心计算能力和软件能力，收购了一家名为OpenEye的分子计算科学的公司，在全球二十大制药厂里都使用这个公司的软件来仿真，相当于一个超算的专用软件供应商。“我们知道，小分子制药是未来新的药品治疗很多疾病很重要的方向，而我们通过做实验的方式找到这样的新药，实际上成本和时间都非常地不经济，甚至是不可行的。那通过这种计算方式找到比较有希望的空间，去计算和仿真，也是我们一个很重要的应用。”耿晓杰透露。

总结

AI正在改变我们所有的事情，未来的发展还有很多的潜力，最重要的是在我们传统设计中可以大大提高设计效率。

当然，耿晓杰相信，现在尚处AI各方面应用的门口，还没有看到全貌，还没有登堂入室。随着时间的发展，通过AI技术加持，会有更多机会在各行各业把这个计算软件技术使用上。