2507
5nm及以下的芯片是推动当今高端消费产品和数据中心技术的强大引擎。随着消费设备越做越小、功能越来越强大，芯片的复杂性也在急剧增加。与此同时，半导体行业正面临技术人才短缺的困境。因此，半导体公司想要尽快满足市场需求所面临的压力是巨大的。
在提高效率和生产力方面，人工智能（AI）是破题关键。AI在协助开发者优化设计以满足严苛的PPA目标方面相当成功。全球算力需求持续超出摩尔定律预测的增长速度，半导体公司亟需探寻如何有效地利用仍然可行的大规模设计，并将设计迁移到具有可用产能的相似制程上，同时充分发挥新制程的潜在性能和低功耗特性。
此类设计迁移项目通常作为全新项目来实施，需要的时间和开发资源与原项目相当。投入到项目中的时间和工作量会影响产品的上市时间和成本，进而影响此类产品和业务部署的可行性。 但AI可以让芯片设计迁移工作变得更加精简、更具成本效益。
2020年，新思科技推出DSO.ai。这项技术已被主流半导体公司用来更大限度地提高设计效率。最新一代的DSO.ai包括新的AI内核引擎，可将周转时间（TAT）缩短一半，并将设计质量（QoR）提升多达20%。
自DSO.ai推出以来，其AI引擎不断学习，并将所学的知识应用于初始设计优化和衍生设计等多个方面。在找寻满足目标规格的最佳优化策略时，AI引擎不是“冷”启动，而是“热”启动。下一代DSO.ai可以将这种学习提升到一个新的水平，并将“热”启动功能应用于衍生制程以实现设计迁移。
我们先来看一个制程迁移的案例：RISC-V高性能计算（HPC）内核从5nm迁移到4nm的实际运用情况。
此案例研究中的5nm RISC-V HPC内核为单个“大内核”，拥有500,000个面向数据中心应用的实例。5nm设计的原始目标规格包括性能至少达到1.95GHz，而功耗不超过30mW，并且内核面积被指定为426um x 255um。新思科技Fusion Compiler RTL-to-GDSII实现解决方案采用开箱即用的RISC-V参考流程，能够满足面积和功耗要求，但性能有些许欠缺，仅为1.75Ghz。缩小这一性能差距预计需要两名专业开发者一个月的努力。
▲ RISC-V HPC 5nm设计的基线优化结果
让我们先了解一下设计空间优化技术是如何从“冷启动”开始应用以达到优化目标的。在此示例中，我们允许该解决方案优化总共25个排列组合，包括来自RISC-V HPC工具箱的排列组合，以及时序、合法化引擎和功耗策略。考虑到排列组合的变化，理论上的搜索空间达到了1亿的规模，也就是说，这个规模的搜索空间需要1亿个Fusion Compiler作业才能实现覆盖。然而，通过调用一个DSO.ai AI驱动的优化主机，我们能够将所需的Fusion Compiler作业数量减少到在3次迭代中并行运行仅30个作业。该解决方案无需人工干预，两天内即可完成任务。于是，在指定的面积参数范围内，不仅可以满足1.95GHz的目标性能规格，而且功耗（27.9mW）优于预期。
▲ 在5nm RISC-V HPC内核上使用新思科技DSO.ai的优化结果
现在，我们来看一看如何应用从5nm“冷”启动中学到的知识，在“热”启动场景中将设计迁移到4nm。从5nm到4nm，尺寸需要缩小10%，以满足404um x 242um的面积要求。性能目标从1.95GHz提高到2.1GHz，同时功耗要求保持在30mW。排列组合变化的数量保持不变，因此搜索空间的规模仍为1亿。通过使用5nm设计中的训练数据库，计算配置从3次迭代中并行运行30个Fusion Compiler作业减少到单次迭代中运行15个Fusion Compiler作业，作业数量减少到了“冷”启动的六分之一。在无需人工干预的情况下，该解决方案能够在一天内完成任务。最终结果是在缩小的目标面积内，性能大幅提升至2.15GHz，功耗降至29.4mW。
▲ 使用新思科技DSO.ai时的设计迁移结果
在这个市场窗口紧缩、设计日益复杂、技术人才短缺的时代，开发团队能够借助人工智能将设计高效迁移到更小尺寸，进而充分利用经验证的设计并更大限度地提高生产力。
下载ECAD模型
