對RTL級(jí)芯片開發(fā)來說，仿真仍是主要的功能驗(yàn)證方式。

以典型的芯片設(shè)計(jì)流程為例，開發(fā)者會(huì)在早期運(yùn)行靜態(tài)驗(yàn)證，檢測各種結(jié)構(gòu)錯(cuò)誤，例如跨時(shí)鐘域（CDC）和跨復(fù)位域（RDC）錯(cuò)誤，此類靜態(tài)分析發(fā)現(xiàn)的錯(cuò)誤量約占總數(shù)的10%左右。之后進(jìn)行形式驗(yàn)證（主要用于塊級(jí)檢測），這個(gè)過程通?？蓹z測出20%的錯(cuò)誤。通過仿真可找出多達(dá)65%的錯(cuò)誤，最后5%則通過硬件加速和原型驗(yàn)證找出來。

在仿真方面，開發(fā)者主要會(huì)面臨性能、調(diào)試周轉(zhuǎn)時(shí)間（TAT）和覆蓋收斂等挑戰(zhàn)。RTL設(shè)計(jì)每變化一次，回歸就需要重新運(yùn)行一次；頻繁的回歸對仿真器的性能是有要求的，否則就很可能導(dǎo)致項(xiàng)目延遲。但隨著摩爾定律的放緩，單純換用最新的服務(wù)器其實(shí)很難讓性能有明顯的提升。

人工智能（AI）和機(jī)器學(xué)習(xí)（ML）的出現(xiàn)，讓開發(fā)者們在不對硬件進(jìn)行升級(jí)的情況下也能實(shí)現(xiàn)性能的提升。在新思科技的VCS仿真器中，AI和ML可幫助開發(fā)者從軟件提供的眾多選項(xiàng)中選擇最優(yōu)組合，從而實(shí)現(xiàn)對仿真性能的優(yōu)化。

此外，AI/ML還幫助新思科技Verdi自動(dòng)調(diào)試系統(tǒng)的回歸調(diào)試自動(dòng)化（用于故障分箱、分類和分流）縮短了調(diào)試TAT，并在新思科技的VCS環(huán)境中實(shí)現(xiàn)了加速覆蓋收斂。

通過ML調(diào)整仿真器選項(xiàng)

許多仿真器選項(xiàng)、設(shè)計(jì)特性相關(guān)選項(xiàng)和回歸設(shè)置都會(huì)對性能產(chǎn)生影響，但手動(dòng)調(diào)整找出最佳設(shè)置不僅耗時(shí)，還需要開發(fā)者在仿真器和用戶環(huán)境方面擁有大量專業(yè)知識(shí)，這樣的人才其實(shí)不多。因此，仿真器設(shè)置的優(yōu)化往往效率低下，耗時(shí)耗力。此外，需要設(shè)置的選項(xiàng)涵蓋了設(shè)計(jì)/測試平臺(tái)的編譯和仿真運(yùn)行階段，隨著仿真器性能逐漸趨向極限，使用不同的設(shè)置重復(fù)編譯和運(yùn)行也會(huì)進(jìn)一步延長項(xiàng)目開發(fā)時(shí)間。

案例分析

VCS DPO技術(shù)的實(shí)際應(yīng)用

微軟公司曾在新思科技一年一度的“驗(yàn)證日”上展示過一項(xiàng)有趣的案例分析：DPO在健全性測試上的應(yīng)用。

健全性測試每天都會(huì)運(yùn)行很多次，因此任何優(yōu)化都會(huì)對提高計(jì)算資源的使用效率有所幫助。通常學(xué)習(xí)階段的運(yùn)行速度會(huì)比基礎(chǔ)水平慢30%左右，但由于前面提到的那些因素，這些運(yùn)行僅在需要時(shí)使用即可。由于該應(yīng)用程序的運(yùn)行速度平均可提高25%，因此在不增加額外算力的情況下，開發(fā)團(tuán)隊(duì)每天運(yùn)行健全性測試的次數(shù)可增加約30%。

在過去的一項(xiàng)量產(chǎn)片上系統(tǒng)（SoC）項(xiàng)目中，新思科技的應(yīng)用工程師和研發(fā)工程師協(xié)助用戶一同優(yōu)化仿真器設(shè)置，并將回歸周轉(zhuǎn)時(shí)間成功縮短了1.4倍。此外，在使用新思科技的VCS DPO后，回歸周轉(zhuǎn)時(shí)間在此基礎(chǔ)上又進(jìn)一步縮短了1.13倍，凈（總）改善率達(dá)1.58倍。而且在以默認(rèn)仿真器設(shè)置使用DPO時(shí)，且在完全沒有進(jìn)行手動(dòng)優(yōu)化的情況下，回歸周轉(zhuǎn)時(shí)間同樣縮短了1.58倍。

還有另一家用戶曾表示：在仿真回歸中使用DPO，性能提高了25%。

可以說在多樣化應(yīng)用和全自動(dòng)流程的加持下，任何新思科技的VCS用戶都能通過仿真設(shè)置優(yōu)化大幅縮短回歸周轉(zhuǎn)時(shí)間。

結(jié)語

在幫助開發(fā)者應(yīng)對傳統(tǒng)手動(dòng)流程的挑戰(zhàn)中，AI/ML以及自動(dòng)化功不可沒，尤其是在性能調(diào)優(yōu)、調(diào)試和覆蓋率收斂這三方面。隨著回歸數(shù)據(jù)量的爆炸式增長，以及驗(yàn)證挑戰(zhàn)的不斷變化和演進(jìn)，將會(huì)有更多開發(fā)者選擇在仿真中使用自動(dòng)化工具。

點(diǎn)擊閱讀原文下載白皮書，進(jìn)一步了解如何使用DPO實(shí)現(xiàn)自動(dòng)化性能改善。