O CEO da Synopsys, Sassine Ghazi, será o primeiro CEO da SNUG a subir ao palco e será acompanhado pelo CEO da Nvidia, Jensen Huang, para discutir a colaboração entre as duas empresas e muito mais.
Eu não tinha ideia de que a Synopsys e a Nvidia tinham um relacionamento tão próximo. Aparentemente, de acordo com Jensen, quando a empresa de GPU estava em sua infância, a Synopsys costumava entregar caixas e mais caixas de manuais na sede da Nvidia (apenas um escritório de um cômodo). Estavam impressos em um livro grosso!). . Se o próximo chip falhasse e precisasse ser colado novamente, a startup ficaria paralisada, então eles precisavam das ferramentas de simulação e design da Synopsys para tornar isso possível remotamente. O resto, como dizem, é história.
Complexidade do silício: a caminho de 1 trilhão de transistores e 1 Angstrom
Jensen e Sassine abriram a conferência falando sobre os desafios enfrentados pelos designers de chips, desde a complexidade dos chips até os chips, até a interseção do design do sistema e do design do silício. Os slides abaixo resumem o que as duas empresas realizaram juntas, proporcionando melhorias de 10 a 15 vezes nos fluxos de trabalho de design de chips e agora migrando para IA generativa e software de sistema.
A Synopsys já melhorou significativamente a captura de projetos usando DSO.AI, a primeira plataforma de design aprimorada por IA da empresa, e expandiu o uso de aprendizagem por reforço para verificação, teste e design espacial analógico. Essas ferramentas orientadas por IA são usadas em tapeouts para centenas de clientes, proporcionando mais de 10% de melhorias de desempenho, potência e área (PPA), tempos de resposta até 10 vezes mais rápidos e cobertura de verificação aprimorada. Testes 4x mais rápidos e otimização de circuitos analógicos 4x mais rápidos com a mesma cobertura quando comparado à otimização sem IA. Também adicionamos IA às nossas plataformas de análise de dados, como Design.da, Silicon.da e Fab.da, para criar melhores PPAs e maiores rendimentos de fabricação.
A Synopsys também desenvolveu o Synopsys.ai, uma solução generativa de IA que ajuda os membros juniores das equipes de design de chips a obter respostas a perguntas sobre uma infinidade de ferramentas de IA e produtos de serviços em nuvem. Na Synopsys, não nos referimos a algo como “IA generativa”, a menos que seja construído usando um modelo de linguagem em larga escala. Por exemplo, a família .ai é construída usando aprendizagem por reforço. A aprendizagem por reforço é uma técnica antiga que ainda é inovadora na resolução de problemas de teoria dos jogos, como localização e rotas.
A empresa está atualmente aplicando IA ao design de chips 3D. O projeto 3D traz todos os tipos de desafios de projeto térmico e, com nosso novo arquiteto de plataforma MultiDie e 3DSO.ai, você pode aumentar sua produtividade em até 10 vezes e resolver seus desafios térmicos usando solucionadores térmicos nativos. Leva apenas algumas horas. Não é um dia.
Sassine também introduziu um novo hardware, a plataforma de emulação e prototipagem ZeBu EP2, que pode emular chips em uma escala sem precedentes de tamanhos de porta de 5,6B. O novo emulador ZeBu é usado para inicialização de software, verificação de software/hardware e análise de potência/desempenho. Atualmente, ninguém projeta chips emulando a lógica e o layout. O design é muito complicado. Hoje em dia você raramente ouve falar de chips que exigiam mais de uma ou duas fitas, mas há dez anos isso era um feito inédito.
Permanecendo no espaço de verificação assistida por hardware (HAV), a Synopsys também lançou o sistema HAPS®-100 12, o sistema de prototipagem baseado em FPGA de maior capacidade e densidade da Synopsys que combina interconexões fixas e flexíveis. Isso é especialmente útil para prototipagem de projetos grandes. Muitos FPGAs são necessários, incluindo sistemas multi-die e grandes SoCs. Disponível agora, este novo sistema de prototipagem compartilha uma plataforma de hardware comum com o Synopsys ZeBu EP2.
Hiperconvergência: a próxima fronteira da EDA
Por fim, Sassine abordou o conceito de hiperconvergência. A ideia é que muitas melhorias de otimização permaneçam na interseção das várias camadas da pilha EDA. Ao aplicar a IA a este nível de abstração e modelos, estas oportunidades ocultas de PPA podem ser descobertas e abordadas. A IA neste nível está acoplada a um sistema fortemente acoplado. A IA pode pesquisar um espaço mais amplo nessas camadas e liberar PPAs “presos” para otimização adicional. Embora seja muito cedo para quantificar os benefícios da IA hiperconvergente, a Synopsys já tem vários clientes testando o conceito e o modelo e espera ver alguns resultados em breve.
conclusão
A Synopsys acredita que essas são jornadas para automatizar cada vez mais tarefas de engenharia mecânica e melhorar o desempenho, a potência e o custo do projeto e fabricação complexos de chips. Engenheiros de projeto talentosos e experientes trabalharão cada vez mais no projeto arquitetônico e no nível de software, permitindo que se concentrem no trabalho que somente eles podem realizar. Talvez 20% dos chips “simples”, ou daqueles que estão sendo redesenhados para novos nós de processo de fabricação, poderiam ser projetados inteiramente por IA sob a supervisão de alguns engenheiros. Além disso, plataformas de software de inferência como Nvidia NIM continuarão a fornecer mais opções aos designers.
É um ótimo momento para se tornar um designer de chips.
me siga Twitter Ou LinkedIn. Confira meu website.
divulgação: Este artigo expressa as opiniões do autor.
Não deve ser interpretado como um conselho para comprar ou investir nas empresas mencionadas. A Cambrian AI Research tem a sorte de trabalhar com muitas, senão a maioria, das empresas de semicondutores, incluindo Blaize, BrainChip, Cadence Design, Cerebras, D-Matrix, Eliyan, Esperanto, GML, Groq, IBM, Intel, Mythic, NVIDIA e Qualcomm. Damos as boas-vindas a você como cliente. Technologies, Si-Five, SiMa.ai, Synopsys, Ventana Microsystems, Tenstorrent e vários clientes de investimento. A Companhia não possui posição de investimento em nenhuma das empresas mencionadas neste artigo e não tem planos de começar a investir em nenhuma das empresas mencionadas neste artigo em um futuro próximo. Para obter mais informações, visite nosso site https://cambrian-AI.com.
