广告

Cadence:人工智能给电子设计带来了哪些机遇和挑战?

时间:2019-03-29 作者:夏菲 阅读:
今天,在由ASPENCORE旗下《电子工程专辑》、《电子技术设计》、《国际电子商情》三大媒体联合举办的“2019年中国IC领袖峰会”上,Cadence公司中国区技术客户总监冯江给我们带来了题为“人工智能带来的关键机遇”的主题演讲,分享了从Cadence视角下,如何应对大数据时代的机遇和挑战。

随着AI的广泛应用,芯片系统的集成度也越来越高,设计越来越复杂。对于EDA而言,新的机遇和挑战也随之而来。作为全球EDA领域最领先的,也是最长寿的企业,Cadence成功观察到了IC领域的各种趋势。在Cadence看来,AI技术又会给设计行业带来哪些变化呢?

今天,在由ASPENCORE旗下《电子工程专辑》、《电子技术设计》、《国际电子商情》三大媒体联合举办的“2019年中国IC领袖峰会”上,Cadence公司中国区技术客户总监冯江给我们带来了题为“人工智能带来的关键机遇”的主题演讲,分享了Cadence是如何抓住AI时代的机遇的。

本届中国IC领袖峰会特别鸣谢赞助商:上海兆芯; Cadence; Arrow; 深圳市中微半导体;华虹宏力; Mentor,a Siemens Business ; Imagination; 泰凌微电子;北京晶宇兴;华大九天;紫光展锐;比亚迪微电子。

AI 芯片对电子设计产生哪些影响?

经过60年的研究,摩尔定律已走到3纳米、2纳米的研究,但冯江表示,摩尔定律的观察或将到此停止。

摩尔定律的发展为我们提供了新的技术挑战和动向,比如在面对5G时,为了满足数据通信、信息处理等要求,需要做出很多定制化的SoC。同样,当下热门的AI技术也对设计的方向产生了很大的影响。

025ednc20190329

影响具体有哪些呢?冯江在“2019年中国IC领袖峰会”上表示,AI对电子设计的影响将存在于四个方面:

1、对算力支持的要求更高:边缘计算这个概念出现很久,但是我们集成电路更讲究的说法是算力。我们现在看到整个电子系统都是多核多进程,电路复杂到甚至需要云端数不清的算力来支持。因此,边缘计算是一个必须要利用的条件。

2、用深度学习攻克设计的复杂度:当下集成电路设计的复杂度、应用的复杂度,以及制造和设计之间的相互关联程度,对于定义的流程来讲很难实现最优化。那么当设计流程越来越复杂,以至于靠人力没办法考虑所有设计环节里面复杂的关系时,我们或许需要引入深度学习的概念,来改变电子设计自动化的方法学。

3、需要更强大的带宽满足数据传输要求:当下热门的自动化驾驶、边缘计算、云计算等应用的核心就是人工智能和深度学习,而这些应用的背后都与数据息息相关。首先,各种各样的场景产生了大量的数据,我们需要非常强大的计算资源来去处理这些数据,而这些数据在传输时对带宽的要求更高,而且需要低延时。

4、数据存储面临挑战:存储已从磁盘往flash方向去发展,将来可能有更多依赖于AI做优化的场景出现。

从数据具体的发展趋势来看,从2018-2023年,如视频、游戏、IoT、AR/VR、医疗等不同应用领域,将有71%的复合年均增长率。冯江表示,这些应用领域带来了这么大的数据增量,都需要行业去处理,通过我们的集成电路来解决这些问题。

哪些因素在促进半导体行业的发展?

冯江在“2019年中国IC领袖峰会”上表示,经过观察主要有四个因素:

1、特定领域的计算;通用的CPU已无法完全满足当下的计算需求,因此针对不同领域、不同应用,需要有特殊的器件来实现计算需求,如GPU、FPGA等。此外,除了硬件层面,我们还需要进一步考虑到整个系统,如从应用软件、存储、网络传输等层面来进行整体优化。

2、系统公司开始进入芯片领域;冯江表示,原来大家都是采购标准零部件,现在不满足于此,通过对系统的深入了解,他们有些诉求,他们希望把他们的诉求,甚至针对应用活动的能耗贯彻到芯片设计里面去,这是一个非常重要的方向,且投资量巨大。

3、创新公司的出现;在过去几年,特别是AI产品线上,越来越多的创新公司如雨后春笋般出现。

4、其他领域诉求增多;在美国市场中,汽车电子、航空航天、医疗、甚至国防领域,对半导体方面诉求越来越多,也投入了更多的资金和研究。冯江表示,中国市场的空间将最大。

除了以上四点因素外,冯江还表示,AI应该是成为我们今后半导体增长里面最重要的助力,而且它的比例会逐渐增大。

AI给半导体领域带来了哪些机遇?

011ednc20190329

人工智能对整个全球半导体带来很多的机遇,主要需要关注以下三个方面:

1、计算层面;目前除了CPU之外,专门的计算还有FPGA、GPU,以及定制的SoC等。将来的发展方向有可能AI技术要运用在计算资源上面,计算资源也需要一定的智能化,用什么样的算力解决什么样的场景。而未来对算力要求更高之后,则需要通过AI来进一步优化。

2、存储层面;存储不仅市场大,其获得的投资额也巨大。将来AI技术也会更多地应用在这个领域中,以提高存储系统利用。此外,冯江还提到高带宽内存及片上存储器SRAM将进一步发展。

3、网络层面;未来带宽会更广,速度会更快,这都是跟AI相关的、跟催生相应半导体相关的趋势和方向。

Cadence如何应对AI带来的机遇和挑战?

半导体工艺的演进,给电子化设计带来了更多的挑战,引起了设计方法学的变化和流程的变化。EDA领域的老牌企业Cadence,将如何面对这些变化及挑战呢?

027ednc20190329sy

冯江表示,Cadence不仅只关注硬件,也有系统级的分析软件。而在整个系统中所包含的主板及封装上,Cadence也有完整的pcb解决方案。

此外,Cadence还有非常完善的分析能力,可以跨界到封装级、芯片级。冯江指出,这些分析不仅是电学分析,还要考虑到功耗、功耗带来的热、热对电学性能等等的影响。

总体来讲,Cadence的思路是用大规模的边缘计算去替代人脑,让它们更有效、更高效地去做大规模运算。冯江表示,Cadence从芯片到整个系统,甚至软硬件的系统,都有解决方案。

 

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
夏菲
电子技术设计(EDN China)助理产业分析师
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 如何处理模拟误差? 没有什么电路或系统是完美的,所以真正的问题是「对于应用来说够不够好?」不过,这经常是一个两难的问题...
  • 美国制裁面面观:不只是华为,其他国产厂商将面临什么影响 有句话叫做“居安思危”。华为为首的等企业在获得业务成功的同时,也预料到了难以控制的外界影响,开始纷纷准备独立于全球化业界主流但不受影响的方案。如今的形势,恐怕会导致原本并不会成为主角的方案登台亮相,并使得中国的产品在一段时间内存在性能上的损失。
  • 芯之联:小芯片在AIoT时代的大作为 近来人们不再像从前那样单独提及AI(人工智能)和IoT(物联网),而是将其融合在一起,AIoT(人工智能物联网)成为科技行业热词。AI+IoT成为业内共识,语音识别+人脸识别+边缘计算+物联网等多概念融入,借助AI、大数据、云计算等技术,实现“云+边+端”的全新模式被广泛接受。
  • 摩尔定律终结?没问题 一位Arm公司院士说:“我终于学会了停止担忧并爱上摩尔定律的终结。”
  • 利用本性、借力培育打造令人惊叹的AI SoC 在过去十年中,设计人员开发了各种硅技术,能够以足够快的速度运行先进的深度学习数学,以探索和实现人工智能(AI)应用,如目标识别、语音和面部识别等。机器视觉应用目前通常比人类更精确,它是推动新的片上系统(SoC)投资以满足日常应用AI开发的关键功能之一。在视觉应用中使用卷积神经网络(CNN)和其它深度学习算法已经产生了这样的影响——即SoC内的AI能力正变得普及。
  • 在SoC设计中,周期精确追踪为什么重要? 在实时和性能关键型(performance-critical)应用中,周期精确追踪正变得越来越重要,工程师需要将其硬件和软件代码的运行优化到单时钟周期的水平,即被CPU、GPU、DSP或加速器所识别的最小时间单位。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告