EDA邁向人工智慧新時代
2020-01-30
作者
林棨璇，Mentor, a Siemens Business台灣暨東南亞區副總裁兼總經理
即使AI仍處於發展初期，透過有效地部署，已顯著改善並自動化了許多任務，包括數據採集、通訊、機器人/工廠自動化、汽車…等，甚至對EDA產業來說，晶片設計也受到了影響。
人工智慧(AI)技術的快速進展，將對人類帶來深遠的影響。未來十年，AI及其許多衍生技術(機器學習、深度學習等)的應用將造成深刻的社會經濟變革，這是自工業革命以來，全世界都未曾見過的一場巨變。儘管AI對社會經濟造成的衝擊，以及道德與不道德的使用等議題仍充滿爭議，但可以肯定的是：即使AI仍處於發展初期，透過有效地部署，已顯著改善並自動化了許多任務，包括數據採集、通訊、機器人/工廠自動化、汽車…等，甚至對EDA產業來說，晶片設計也受到了影響。這是無法阻擋的趨勢發展，我們必須擁抱新時代的來臨。2020年，我們必須看到AI晶片、系統設計，以及相關部署的指數成長。
Mentor台灣暨東南亞區副總裁兼總經理林棨璇
為協助業者提供更先進的AI技術，西門子數位化工業軟體(Siemens Digital Industries Software)旗下專注於EDA解決方案的Mentor正從兩方面著手正從兩方面著手：(1)開發工具，以協助業者更快地設計出AI加速器；(2)利用機器學習演算法來強化工具，使工具能更快、更好地服務與客戶。
理想工具是實現最佳AI/ML設計的基礎
大部分的AI都是從數學演算法開始工作。開發人員先在數學工具中開發演算法，將其轉換為C程式碼，然後在處理器上執行該演算法。在這一過程中，開發人員很可能會發現，有部分演算法可以很好地執行，但其他部分則執行緩慢。這也因此帶動了AI/機器學習(ML)加速器IP和相關晶片開發的大幅成長(以及來自創投業者和大型企業的後續投資)。透過調整C程式碼，有些演算法能夠被強制在現有的AI特定標準產品(ASSP)上執行，但會犧牲效能和功率，而其他的演算法(例如，行動裝置)則需要專用晶片才能獲得最佳執行效果。
對於特定應用的AI架構開發迫切需要EDA工具，協助業者以更高的抽象級來工作。針對那些為其SoC設計開發AI加速器的業者來說，我們已經看到Catapult HLS(高階合成)技術需求開始增長。它能協助AI架構師開發自己的程式碼，將其轉換為C或SystemC，並且預先知道哪些演算法應該建置在硬體中，哪些應以軟體執行。這樣的方式可以融合成最佳的體系架構，然後再向下移動到RTL級進行硬體設計。
當架構師融合出理想的架構，並選擇了最適合執行的硬體配置，接下來，採用硬體模擬(emulation)平台，例如Mentor的Veloce硬體模擬平台，是到目前為止測試和完善該架構的最佳方法。設計團隊可以在硬體模擬系統上執行矽前(pre-silicon)晶片設計，進而對硬體及軟體模擬進行微調。同時，硬體模擬也可以在投入晶片之前測量AI系統的功率和性能。
有許多AI平台將更加需要高速連接，我們以此認為，大部分的機器學習SoC實際上都是混合訊號SoC，這將需要能夠更有效銜接數位和類比領域的工具，例如Symphony AMS模擬解決方案，這是市場上首款不受限於供應商AMS環境的模擬解決方案。
由於資料中心和通訊基礎架構中，有許多不可或缺的ASSP AI元件都要求最高的效能，因此未來我們會看到更多將光子與矽晶相結合的矽光子元件，並且將會朝商業化的方向繼續發展。
EDA工具擁抱ML-Enhanced功能
眾所周知，沒有數據，機器學習就無用武之地。用來學習的數據越多，就越可以充分利用機器學習的功能來分類，並從數據中找出有意義的結果。對我們來說，EDA工具本身便可以產生大量數據。製造流程會產生大量數據，使用者也可以產生自己的專有數據和要求(用於訓練)。因此，理論上，數據並不短缺。那麼要讓EDA具備機器學習的能力，數據集應該如何有效地對應工具功能？
到目前為止，我們有五款利用增強機器學習(ML-Enhanced)功能的工具，其中大多數都是在實體設計、驗證和製造領域：機器學習用於單元庫特徵化和模擬、光學鄰近校正、蝕刻模擬、CMP建模，以及良率分析，這些領域無疑是市場的起始點。
在7奈米的關鍵層，客戶需使用多達8,000顆CPU，耗費12~24小時才能完成一次的OPC運算執行。透過使用機器學習，已能把時間縮短三分之一，而且即使是未來的先進節點，所需的執行時間也不會大幅增加。
台灣市場啟示錄
作為半導體設計與製造的兵家重鎮，台灣目前已經形成了相對完整的產業鏈，環環相扣的發展模式帶動著每一個環節的蓬勃發展。目前在全球十大無晶圓廠IC設計公司中，台灣公司佔據三席地位，而台灣的無晶圓廠IC銷售額居全球第二，僅次於美國矽谷。悠久的半導體產業發展歷史，眾多的頂尖人才，以及本地下游生態系統合作夥伴的緊密合作造就了台灣市場無可比擬的競爭優勢。
隨著AI技術的不斷成熟與落地，無疑會為台灣的IC產業帶來一股勢不可擋的推進力量。根據IDC的預測指出，AI將開始朝向融合式發展，該融合將發生在三個重要面向：數據資料、演算法與流程。IDC同時預測台灣AI採用率將在2021年達到43%，屆時大部分ICT產業都將受到AI技術的積極影響。
未來將是智慧經濟為主導的時代，2020年是我們邁向這個時代的重要一步。經歷了2019年全球經濟降溫和國際貿易不確定性的影響，我們期待在2020年看到伺服器與智慧型手機等終端產品的復甦，以及 5G、AI的進一步發展。
本文同步刊登於EE Times Taiwan 2020年1月號雜誌
