從用于人工智能工作負(fù)載的大型單片SoC到復(fù)雜的Multi-Die系統(tǒng)，當(dāng)今的芯片設(shè)計對軟件和硬件驗證提出了更大的挑戰(zhàn)。門的數(shù)量擴(kuò)展到數(shù)十億級別，若開發(fā)者要想找出軟件和芯片缺陷與故障的根本原因，所需的容量也急劇增加。由于產(chǎn)品上市時間壓力始終存在，速度和容量成為對驗證系統(tǒng)的兩大關(guān)鍵要求。

為了滿足對更大容量和更快速度的需求，新思科技整合硬件加速和原型驗證系統(tǒng)，推出了新版本的ZeBu EP系列產(chǎn)品。新思科技ZeBu EP硬件仿真平臺為人工智能工作負(fù)載提供超快的硬件加速平臺，是軟件/硬件驗證和功耗/性能分析的理想之選。HAPS-100 A12系統(tǒng)提供大規(guī)模設(shè)計原型驗證功能，由此進(jìn)一步擴(kuò)展了廣泛的硬件輔助驗證（HAV）產(chǎn)品組合，幫助開發(fā)者降低設(shè)計風(fēng)險，并確保復(fù)雜設(shè)計能夠按預(yù)期運(yùn)行。

在本文中，我們將進(jìn)一步討論ZeBu EP和HAPS-100 A12 FPGA的關(guān)鍵用例，并介紹這些產(chǎn)品將如何幫助開發(fā)者成功設(shè)計兼具出色靈活性、可擴(kuò)展性和高效率的芯片。

ZeBu EP系列的關(guān)鍵用例

隨著電子產(chǎn)品日益智能化，軟件在底層設(shè)計中發(fā)揮著越來越重要的作用。對于軟件定義的系統(tǒng)而言，硬件和軟件務(wù)必要以整體方式協(xié)同設(shè)計，此時開發(fā)者通常從需要支持的軟件工作負(fù)載著手，然后構(gòu)建芯片來滿足軟件和系統(tǒng)方面的需求。

新思科技新發(fā)布的ZeBu EP系列平臺支持所有驗證用例，比如關(guān)鍵的軟件/硬件驗證，同時也提供了更快的運(yùn)行速度。以人工智能SoC為例：此類架構(gòu)具備專用編譯器，開發(fā)者必須確保軟件堆棧能正常工作。一旦硬件做出調(diào)整，用于將人工智能模型映射到硬件的編譯器也必須隨之改變。此外，必須驗證關(guān)鍵接口能否在外部環(huán)境正常工作。此時，便可采用基于硬件加速器的軟件/硬件驗證。硬件加速器通過模擬硬件的行為，提供了逼真的測試環(huán)境，以便在不使用物理器件的前提下評估軟件將如何與硬件交互。通過盡早測試軟件代碼，開發(fā)者可以提前開始檢測和解決代碼中的錯誤。添加速度適配器后，硬件加速器能夠以近實時的速度運(yùn)行，從而更深入地了解系統(tǒng)在最終目標(biāo)系統(tǒng)環(huán)境中的實際行為。

ZeBu EP系列硬件加速器能夠大顯身手的另一個關(guān)鍵用例是功耗/性能分析?；氐饺斯ぶ悄躍oC的例子，通過硬件加速對芯片的專用編譯器進(jìn)行優(yōu)化后，開發(fā)者便可以改進(jìn)器件的功耗與性能。由于硬件加速支持在接近真實的工作條件下對系統(tǒng)進(jìn)行測試，開發(fā)者可以了解不同的工作負(fù)載和使用場景對功耗與性能的影響，并相應(yīng)地優(yōu)化設(shè)計。與上一個用例一樣，開發(fā)者也可以提前開始檢測和解決存在的問題。

HAPS-100 A12 FPGA的關(guān)鍵用例

HAPS-100 A12 FPGA原型驗證平臺是HAPS系列中容量和密度超高的一款系統(tǒng)，兼具固定互連和靈活互連特性，且采用了機(jī)架友好型設(shè)計。在對Multi-Die系統(tǒng)和大型SoC等需要許多FPGA的大型設(shè)計進(jìn)行原型驗證時，這款快速執(zhí)行平臺尤其有用。與上一代產(chǎn)品HAPS-100 4 FPGA平臺一樣，HAPS-100 A12 FPGA平臺也能夠達(dá)到很高的調(diào)試效率，并支持分布式驗證團(tuán)隊的多設(shè)計、多用戶部署。

對于大型設(shè)計而言，構(gòu)建大型原型系統(tǒng)的成本高昂，而且隨著模型不斷變大，模型構(gòu)建時間逐漸難以預(yù)測，并且需要大量的算力資源。模塊化HAV流程可提供更高效、更實際的替代方案。通過在HAPS-100 A12 FPGA平臺上使用模塊化HAV流程，驗證開發(fā)者可以先為單個裸片構(gòu)建和優(yōu)化原型模型，然后配置該模型以用于單裸片或多裸片硬件，而無需執(zhí)行多個項目。

通過在高性能HAPS原型驗證平臺上根據(jù)實際接口和場景驗證我們的Multi-Die設(shè)計，我們能夠盡早優(yōu)化設(shè)計，縮短構(gòu)建時長，并提高結(jié)果的可預(yù)測性。擁有適用于不同原型模型的通用硬件平臺意味著，我們可以實時切換大模型和小模型之間使用的硬件，同時減少所需的算力和存儲資源，并且能夠根據(jù)我們的需求輕松快速地進(jìn)行擴(kuò)展。

Lam Ngo

微軟首席工程師

人工智能芯片設(shè)計驗證的捷徑

如今，智能技術(shù)無處不在，芯片設(shè)計愈加復(fù)雜，開發(fā)者也發(fā)現(xiàn)了一些巧妙的辦法來滿足帶寬和性能需求，進(jìn)一步發(fā)揮摩爾定律的價值。在這樣的背景下，無論是設(shè)計大型人工智能SoC還是Multi-Die系統(tǒng)，ZeBu EP和HAPS-100 A12 FPGA平臺等HAV解決方案都能提供所需的速度、容量與靈活性能。有了這樣的選擇，開發(fā)團(tuán)隊就可以擺脫硬件的限制，僅根據(jù)項目需求來決定管理驗證資源的方式。