近幾年，傳統行業正在加速上雲推進數字化轉型。芯片設計雖屬於傳統行業，但芯片設計上雲已經有多年的歷史。只是，隨着雲計算方式的普及和硬件性能的提升，用雲的方式設計芯片能夠獲得幾倍到上百倍的投入產出比的提升，因而被越來越多芯片設計公司採用。
對於新興的芯片設計公司而言，這或許是一個超越傳統大公司的機會。當然，成熟的芯片設計公司也可以藉助雲計算的方式實現更好的配置資源。
習慣了傳統芯片設計方式的成熟公司會欣然接受雲上設計芯片嗎？芯片設計雲又會給芯片行業帶來哪些的改變？
芯片設計為什麼要上雲？
很早之前，全球三大EDA提供商之一的新思科技就已經在積極探索雲化EDA（電子設計自動化，Electronic Design Automation）工具，幫助芯片公司設計出更好的芯片。
新思科技中國副總經理、芯片自動化事業部總經理謝仲輝先生告訴雷鋒網：“我們多年前就開始部署EDA工具雲化的項目，主要是與大型芯片公司合作開展內部雲上部署。例如，我們攜手台積電共同部署雲上設計和芯片製造平台，幫助台積電成為首家實現雲設計的代工廠。我們很驕傲，世界上首枚完全在雲上實現的芯片就誕生在這個平台上。我們還與台積電在微軟Azure平台上成功實現雲上時序signoff新流程，加快下一代片上系統的開發。”
新思科技中國副總經理、芯片自動化事業部總經理謝仲輝
之前無論是雲技術的生態和客户接受程度，還是硬件的先進性都還不足以讓雲上設計芯片得到推廣。但近幾年，我們看到國外的亞馬遜AWS、微軟Azure、谷歌雲，國內的阿里雲、紫光雲都相繼推出芯片設計雲，芯片設計雲的接受程度隨之提高。
“芯片設計上雲最大的驅動力是靈活優化資源分配，” 謝仲輝指出，“對於中小型芯片設計公司，每年大規模項目的數量並不多，購買整個芯片設計過程中的所有工具和計算資源的成本高昂。對於財力雄厚且項目眾多的大公司，多個項目同時推進或臨時增加項目也會需要彈性的算力和額外的設計工具。所以無論公司規模大小，上雲這種方式能夠滿足不同芯片設計公司在資源優化方面的需求。”
特別是，在芯片設計複雜度不斷增加的當下，企業的IT與設計部門越來越難以依賴經驗進行有效算力與工具需求計算的匹配，超前部署算力資源會帶來巨大的成本負擔，算力與工具不足又難以快速滿足突發的、波動的負載。
這其中很重要的原因是芯片設計週期很長且每個流程的算力需求不同。芯片設計流程一般包含功能設計、設計描述、設計驗證等前端設計，以及綜合、STA（靜態時序分析）、PR（自動佈局佈線）等後端設計。
SoC設計流程，來源阿里雲研究中心&新思科技
一位業內人士告訴雷鋒網，芯片設計的前端和後端對算力的需求不同，前端是單線程、高併發、原數據密集式的小文件為主，後端的設計仿真是多線程、大文件。並且，設計的芯片製程越先進對算力的需求越高，不同製程節點間的算力需求差別可達指數級。
謝仲輝也表示：“整個芯片設計的流程一般在12個月到18個月，每個階段使用的設計工具無論是數量還是種類上都不盡相同。芯片設計上雲能夠協助中小型芯片公司充分利用有限的資金、人力資源，優化工具和算力資源配置，提升自身技術創新力，追趕相對成熟的設計公司。”
上雲+AI，芯片設計投入產出比提升幾倍到上百倍
需要強調的是，芯片設計上雲更應該關注投入產出比，而非簡單的成本投入。謝仲輝解釋，比如花100萬能夠買下的工具或者計算資源非常有限，也不一定被充分利用。同樣100萬投資到購買雲資源，合理分時優化，長期累積可獲取的算力資源以及得到的生產力遠超過100萬，芯片設計公司應該從投入產出比的角度去看待芯片設計上雲。同時，藉助雲上資源和大量的設計數據與AI來優化設計流程，還可以減少人力成本支出。
從芯片設計的流程來看，相較於設計流程的其他環節，芯片的仿真驗證不僅複雜而且耗時。有數據顯示，部分芯片設計設計驗證所耗費的時間通常高達整個芯片設計週期的70%。因此，藉助雲計算的高算力、內存可以大大減少芯片仿真驗證的時間。
“很多新思工具的基礎架構都能夠自主進行深度學習，驗證工具也增加了AI功能。如果是傳統地購買EDA工具，工具中的模型數據量是固定的，需要依賴工程師的經驗去優化和迭代才能達到芯片的項目要求。”
謝仲輝進一步表示，“在雲上，EDA工具可基於已有的數據進行學習，接下來就可以通過更加智能的工具實施優化，要達到芯片設計目標對工程師的經驗要求就會降低很多，效率就相應得以提升。可能本來需要5-8位工程師耗時兩個月才能達到的優化點，現在僅需要兩三位工程師一兩週就可以實現。我認為這是未來芯片設計上雲和EDA工具雲化的主要動力之一。”
就在上個月，新思宣佈其在Microsoft Azure上運行的IC Validator物理驗證解決方案在不到9小時的時間內，完成了對AMD Radeon Pro VII GPU（包括超過130億個晶體管）的驗證。
那芯片設計上雲到底能帶來多少倍的投入產出提升？謝仲輝説：“這取決於項目規模和優化程度。如果優化得好，可以得到倍數以上的投入產出比提升。如果配合深度學習技術的優化，投入產出比的提升可能不止幾倍，達到幾十倍上百倍都有可能。”
他同時表示，對於中小型公司而言，同等的投入能夠能得到倍數的投入產出比，上雲的優勢不可忽視。
芯片設計上雲將引領芯片行業進入新的良性循環
即便有諸多吸引力，芯片設計上雲能否快速普及仍有待觀察。“芯片設計公司是否上雲還有其他方面的考慮，IP是芯片設計公司的核心資產，其安全性非常重要。另外在法律條款、知識產權保護等方面也存在分歧，還需要考慮第三方IP供應商是否支持上雲，”
謝仲輝表示，“但芯片設計上雲的價值也顯而易見，除了已經提到諸多顯性價值，諸如靈活的使用模式、更優的投入產出比等，還有一項值得關注的隱形優勢——獲取專家支持的實時響應。在雲設計環境中專家級的專業支持和服務是實時的，不用受到任何地域的限制。這可以讓芯片設計企業在具體工作中切實享受到必備的且相應及時的專業支持，沒有後顧之憂。”
IC研發平台分層架構，來源阿里雲研究中心
另外，芯片設計雲作為SaaS服務需要EDA工具提供商、雲服務提供商、芯片製造商、芯片設計公司等的多方緊密協作，芯片設計雲的安全性和能力也與雲服務提供商的定位有密切關係。
但無論如何，芯片設計雲釋放出的更多算力能夠激發工程師產生更多創意，再結合深度學習技術，將會帶來數量級的革新。
近幾年，隨着AI技術的興起，擁有大量數據的互聯網公司紛紛進入芯片行業，並藉助雲的方式設計出專用的AI芯片，比如谷歌TPU。謝仲輝表示：“這類公司設計的芯片都與數據中心和AI相關，相比一般芯片公司的優勢在於擁有大量數據和算法。由於這些芯片以滿足內部需求為主，可以根據特性的業務進行垂直整合，因此能夠在特性場景優化到極致。”
由此一來，這些伴隨AI和雲技術出現的芯片設計公司，長期來看可能會對芯片行業的研發模式、技術趨勢、產業鏈、商業模式甚至文化帶來一定的改變。
謝仲輝認為這將會是一個良性的循環。對於那些有決心投入芯片設計的互聯網及系統公司，他們需要理解並接受芯片的投入週期相對軟件開發會更長。同時，他們又會對傳統芯片公司帶來新的啓發，讓傳統的芯片巨頭不再侷限於芯片的性能和功耗，還需要與用户的應用場景緊密結合並提供更好的服務體驗。
一個典型的例子就是手機行業的蘋果、華為、三星自研的SoC無不讓第三方手機SoC提供商感到壓力，為此，他們想要提供比手機廠商自研芯片表現更好的芯片，就需要與用户體驗做更緊密的結合。
接下來的關鍵問題就是，傳統的芯片設計公司會有多少能夠快速接受設計上雲的形式？他們與雲時代誕生的新型芯片設計公司的競爭格局將會如何？時間會為我們書寫答案。雷鋒網