芯片设计上云投入产出比可提升百倍！或是新入局者实现超越的机会

作者 | 包永刚

近几年，传统行业正在加速上云推进数字化转型。芯片设计虽属于传统行业，但芯片设计上云已经有多年的历史。只是，随着云计算方式的普及和硬件性能的提升，用云的方式设计芯片能够获得几倍到上百倍的投入产出比的提升，因而被越来越多芯片设计公司采用。                                      

对于新兴的芯片设计公司而言，这或许是一个超越传统大公司的机会。当然，成熟的芯片设计公司也可以借助云计算的方式实现更好的配置资源。

习惯了传统芯片设计方式的成熟公司会欣然接受云上设计芯片吗？芯片设计云又会给芯片行业带来哪些的改变？

很早之前，全球三大EDA提供商之一的新思科技就已经在积极探索云化EDA（电子设计自动化，Electronic Design Automation）工具，帮助芯片公司设计出更好的芯片。

新思科技中国副总经理、芯片自动化事业部总经理谢仲辉先生告诉雷锋网：“我们多年前就开始部署EDA工具云化的项目，主要是与大型芯片公司合作开展内部云上部署。例如，我们携手台积电共同部署云上设计和芯片制造平台，帮助台积电成为首家实现云设计的代工厂。我们很骄傲，世界上首枚完全在云上实现的芯片就诞生在这个平台上。我们还与台积电在微软Azure平台上成功实现云上时序signoff新流程，加快下一代片上系统的开发。”

新思科技中国副总经理、芯片自动化事业部总经理谢仲辉

之前无论是云技术的生态和客户接受程度，还是硬件的先进性都还不足以让云上设计芯片得到推广。但近几年，我们看到国外的亚马逊AWS、微软Azure、谷歌云，国内的阿里云、紫光云都相继推出芯片设计云，芯片设计云的接受程度随之提高。

“芯片设计上云最大的驱动力是灵活优化资源分配，” 谢仲辉指出，“对于中小型芯片设计公司，每年大规模项目的数量并不多，购买整个芯片设计过程中的所有工具和计算资源的成本高昂。对于财力雄厚且项目众多的大公司，多个项目同时推进或临时增加项目也会需要弹性的算力和额外的设计工具。所以无论公司规模大小，上云这种方式能够满足不同芯片设计公司在资源优化方面的需求。”

特别是，在芯片设计复杂度不断增加的当下，企业的IT与设计部门越来越难以依赖经验进行有效算力与工具需求计算的匹配，超前部署算力资源会带来巨大的成本负担，算力与工具不足又难以快速满足突发的、波动的负载。

这其中很重要的原因是芯片设计周期很长且每个流程的算力需求不同。芯片设计流程一般包含功能设计、设计描述、设计验证等前端设计，以及综合、STA（静态时序分析）、PR（自动布局布线）等后端设计。

SoC设计流程，来源阿里云研究中心&新思科技

一位业内人士告诉雷锋网，芯片设计的前端和后端对算力的需求不同，前端是单线程、高并发、原数据密集式的小文件为主，后端的设计仿真是多线程、大文件。并且，设计的芯片制程越先进对算力的需求越高，不同制程节点间的算力需求差别可达指数级。

谢仲辉也表示：“整个芯片设计的流程一般在12个月到18个月，每个阶段使用的设计工具无论是数量还是种类上都不尽相同。芯片设计上云能够协助中小型芯片公司充分利用有限的资金、人力资源，优化工具和算力资源配置，提升自身技术创新力，追赶相对成熟的设计公司。”

需要强调的是，芯片设计上云更应该关注投入产出比，而非简单的成本投入。谢仲辉解释，比如花100万能够买下的工具或者计算资源非常有限，也不一定被充分利用。同样100万投资到购买云资源，合理分时优化，长期累积可获取的算力资源以及得到的生产力远超过100万，芯片设计公司应该从投入产出比的角度去看待芯片设计上云。同时，借助云上资源和大量的设计数据与AI来优化设计流程，还可以减少人力成本支出。

从芯片设计的流程来看，相较于设计流程的其他环节，芯片的仿真验证不仅复杂而且耗时。有数据显示，部分芯片设计设计验证所耗费的时间通常高达整个芯片设计周期的70%。因此，借助云计算的高算力、内存可以大大减少芯片仿真验证的时间。

“很多新思工具的基础架构都能够自主进行深度学习，验证工具也增加了AI功能。如果是传统地购买EDA工具，工具中的模型数据量是固定的，需要依赖工程师的经验去优化和迭代才能达到芯片的项目要求。”

谢仲辉进一步表示，“在云上，EDA工具可基于已有的数据进行学习，接下来就可以通过更加智能的工具实施优化，要达到芯片设计目标对工程师的经验要求就会降低很多，效率就相应得以提升。可能本来需要5-8位工程师耗时两个月才能达到的优化点，现在仅需要两三位工程师一两周就可以实现。我认为这是未来芯片设计上云和EDA工具云化的主要动力之一。”

就在上个月，新思宣布其在Microsoft Azure上运行的IC Validator物理验证解决方案在不到9小时的时间内，完成了对AMD Radeon Pro VII GPU（包括超过130亿个晶体管）的验证。

那芯片设计上云到底能带来多少倍的投入产出提升？谢仲辉说：“这取决于项目规模和优化程度。如果优化得好，可以得到倍数以上的投入产出比提升。如果配合深度学习技术的优化，投入产出比的提升可能不止几倍，达到几十倍上百倍都有可能。”

他同时表示，对于中小型公司而言，同等的投入能够能得到倍数的投入产出比，上云的优势不可忽视。

即便有诸多吸引力，芯片设计上云能否快速普及仍有待观察。“芯片设计公司是否上云还有其他方面的考虑，IP是芯片设计公司的核心资产，其安全性非常重要。另外在法律条款、知识产权保护等方面也存在分歧，还需要考虑第三方IP供应商是否支持上云，”

谢仲辉表示，“但芯片设计上云的价值也显而易见，除了已经提到诸多显性价值，诸如灵活的使用模式、更优的投入产出比等，还有一项值得关注的隐形优势——获取专家支持的实时响应。在云设计环境中专家级的专业支持和服务是实时的，不用受到任何地域的限制。这可以让芯片设计企业在具体工作中切实享受到必备的且相应及时的专业支持，没有后顾之忧。”

IC研发平台分层架构，来源阿里云研究中心

另外，芯片设计云作为SaaS服务需要EDA工具提供商、云服务提供商、芯片制造商、芯片设计公司等的多方紧密协作，芯片设计云的安全性和能力也与云服务提供商的定位有密切关系。

但无论如何，芯片设计云释放出的更多算力能够激发工程师产生更多创意，再结合深度学习技术，将会带来数量级的革新。

近几年，随着AI技术的兴起，拥有大量数据的互联网公司纷纷进入芯片行业，并借助云的方式设计出专用的AI芯片，比如谷歌TPU。谢仲辉表示：“这类公司设计的芯片都与数据中心和AI相关，相比一般芯片公司的优势在于拥有大量数据和算法。由于这些芯片以满足内部需求为主，可以根据特性的业务进行垂直整合，因此能够在特性场景优化到极致。”

由此一来，这些伴随AI和云技术出现的芯片设计公司，长期来看可能会对芯片行业的研发模式、技术趋势、产业链、商业模式甚至文化带来一定的改变。

谢仲辉认为这将会是一个良性的循环。对于那些有决心投入芯片设计的互联网及系统公司，他们需要理解并接受芯片的投入周期相对软件开发会更长。同时，他们又会对传统芯片公司带来新的启发，让传统的芯片巨头不再局限于芯片的性能和功耗，还需要与用户的应用场景紧密结合并提供更好的服务体验。

一个典型的例子就是手机行业的苹果、华为、三星自研的SoC无不让第三方手机SoC提供商感到压力，为此，他们想要提供比手机厂商自研芯片表现更好的芯片，就需要与用户体验做更紧密的结合。

接下来的关键问题就是，传统的芯片设计公司会有多少能够快速接受设计上云的形式？他们与云时代诞生的新型芯片设计公司的竞争格局将会如何？时间会为我们书写答案。