行業(yè)挑戰(zhàn)

半導(dǎo)體行業(yè)正處于關(guān)鍵轉(zhuǎn)折點。2025 年，1927 億美元的風(fēng)險投資涌入 AI 領(lǐng)域，市場對匹配 AI 快速創(chuàng)新周期的驗證平臺的需求激增。隨著 AI、Multi-Die 架構(gòu)和邊緣計算推動芯片創(chuàng)新的復(fù)雜度呈指數(shù)級增長，傳統(tǒng)驗證方法難以滿足 AI 工作負(fù)載對 IP、子系統(tǒng)、芯粒以及 Multi-Die 驗證的需求。

硬件輔助驗證（HAV）對于確保功能、功耗和性能至關(guān)重要。設(shè)計團(tuán)隊必須通過投資具備前瞻性的驗證系統(tǒng)來優(yōu)化整體成本——既要滿足超大規(guī)模 AI 芯片硬件仿真所需的可擴(kuò)展性需求，又要實現(xiàn)驗證硬件在仿真和原型驗證場景中的復(fù)用。

雖然新型仿真與原型驗證硬件對提升效率至關(guān)重要，但相關(guān)的工作負(fù)載應(yīng)用軟件如今更為關(guān)鍵。新硬件需支持在現(xiàn)有設(shè)備上實現(xiàn)持續(xù)擴(kuò)展、提高吞吐量并拓展應(yīng)用場景，從而加速產(chǎn)品上市進(jìn)程。

正如“軟件定義”的創(chuàng)新曾經(jīng)改變了智能手機、汽車、數(shù)據(jù)中心以及物聯(lián)網(wǎng)領(lǐng)域，我們?nèi)缃褚堰M(jìn)入“軟件定義硬件輔助驗證（HAV）”的時代。

日益復(fù)雜的驗證難題

為何這一轉(zhuǎn)變?nèi)绱酥匾?/p>

為了更好地理解當(dāng)今的驗證挑戰(zhàn)，下面的圖 1 展示了軟件、硬件、接口以及驗證用例層面不斷疊加的復(fù)雜度增長。

▲圖1：日益復(fù)雜的驗證難題

圖片來源：新思科技、《人工智能與存儲墻：2403.14123》、Baya Systems、Visual Capitalist

我們進(jìn)一步深入分析：

AI 應(yīng)用的核心在于軟件程序（稱為工作負(fù)載）和大語言模型（LLM）。工作負(fù)載的復(fù)雜度通常以代碼行數(shù)來衡量。盡管軟件應(yīng)用愈發(fā)專業(yè)化，聚焦于特定任務(wù)，例如 AI 訓(xùn)練與推理，或文本、圖像、視頻的生成，但由于終端用戶需求持續(xù)提升，軟件需快速迭代以保持競爭力，其復(fù)雜度仍在不斷增長。此外，我們正面臨一波真正的 AI 大語言模型浪潮，從數(shù)據(jù)中心到邊緣端，全方位滿足生成式 AI 和推理需求，模型規(guī)模每四個月就會翻一番。

這也意味著，要在當(dāng)今日益復(fù)雜且高度專業(yè)化的應(yīng)用領(lǐng)域中保持競爭力，需要定制化硬件來滿足功能、功耗和性能等要求。與此同時，硬件還必須具備足夠的可擴(kuò)展性，以支持應(yīng)用的多樣化，并在未來幾年內(nèi)保持前瞻性，以適配下一代 AI 算法。

以英偉達(dá)（NVIDIA）為例：

在發(fā)布 Blackwell 架構(gòu)后，英偉達(dá)宣布 Rubin 人工智能平臺和 Rubin Ultra 系列將分別于 2026 年和 2027 年推出。2025 年 9 月，專為大規(guī)模上下文推理應(yīng)用設(shè)計的 Rubin CPX 架構(gòu)亮相時，英偉達(dá)還同步披露了現(xiàn)有硬件產(chǎn)品在軟件驅(qū)動下取得的重大性能提升——Blackwell 架構(gòu)自發(fā)布以來性能提升 2 倍，Hopper 架構(gòu)在生命周期內(nèi)性能提升 4 倍，Dynamo 軟件則實現(xiàn)了 6 倍的吞吐量提升。

對終端用戶而言，這意味著系統(tǒng)級的顯著優(yōu)化：Llama 模型運行速度提升了 2-4 倍，首 token 延遲可降低至 1/6，token 輸出速度提升 3 倍。

硬件和軟件的復(fù)雜性不斷增加，并且愈發(fā)專業(yè)化，而軟件定義系統(tǒng)則確保在硬件生命周期內(nèi)可以進(jìn)行軟件升級。為這些“軟件定義系統(tǒng)”設(shè)計芯片的難點在于，摩爾定律已面臨物理極限，而實現(xiàn)更大規(guī)模設(shè)計的核心路徑是采用 Multi-Die 系統(tǒng)。單顆芯片的開發(fā)和驗證類似于 SoC 的流程，但將不同的芯粒組合在一起又帶來了獨特挑戰(zhàn)，并且由于“超越摩爾定律”的創(chuàng)新，硬件規(guī)模每 18 個月仍會翻倍。更復(fù)雜的是，芯粒供應(yīng)商日益多元化，這要求生態(tài)系統(tǒng)各方在通信協(xié)議和驗證方法學(xué)上協(xié)同一致。

因此，實現(xiàn)這些通信協(xié)議的接口 IP 快速迭代，已成為驗證復(fù)雜度攀升的關(guān)鍵因素。為向 AI 算法提供更多數(shù)據(jù)以獲取更智能的洞察或?qū)崿F(xiàn)特定任務(wù)自主執(zhí)行，通信協(xié)議以驚人速度演進(jìn)，帶寬每兩年翻一番（如圖 3 所示）。

▲圖3：PCIe 與以太網(wǎng)的演進(jìn)

此外，所有數(shù)據(jù)都必須以極快的速度進(jìn)行存儲和讀取，以減少用戶向 AI 機器人/代理發(fā)出請求到實際響應(yīng)之間的延遲。存儲架構(gòu)的創(chuàng)新（如圖 4 所示）在推動支持最新 AI 計算架構(gòu)的能力方面發(fā)揮了關(guān)鍵作用。

▲圖4：高帶寬內(nèi)存創(chuàng)新

最后，驗證用例定義了驗證范圍，而由于必須對運行中的工作負(fù)載進(jìn)行特性分析并優(yōu)化最終產(chǎn)品，新的用例正以前所未有的速度不斷涌現(xiàn)。

如今，軟件復(fù)雜度的增長速度前所未有，推動了對 Multi-Die 系統(tǒng)擴(kuò)展和接口 IP 協(xié)議創(chuàng)新的新需求；同時，為了在快速演進(jìn)的 AI 領(lǐng)域保持競爭力，新一代芯片的推出速度不斷加快。這迫使開發(fā)者采用“左移”策略，提前進(jìn)行軟硬件驗證工作，以滿足產(chǎn)品上市時間的緊迫要求并避免芯片重新設(shè)計的情況。

因此，驗證的范圍正在急劇擴(kuò)大，以確保功能、功耗、性能、吞吐量、延遲、安全性、可靠性、可擴(kuò)展性等關(guān)鍵指標(biāo)都能滿足產(chǎn)品要求。這也催生了新的驗證用例需求，將大部分驗證任務(wù)提前到硅前階段完成。

硬件輔助驗證新時代

隨著軟件、硬件和接口復(fù)雜性的不斷增加，再加上硅前階段用例的擴(kuò)展，驗證需求已飆升至千萬億級時鐘周期。而且這些驗證周期并非完全相同，例如 RTL 驗證、軟件驗證和性能驗證的要求各不相同。這意味著，就像在 AI 領(lǐng)域一樣，我們既需要更專業(yè)的驗證硬件以支持更大的容量需求，也需要驗證硬件具備更高的靈活性和前瞻性，以應(yīng)對不斷增長和變化的驗證需求。

正如軟件驅(qū)動的更新不斷提升數(shù)據(jù)中心和汽車的創(chuàng)新，我們?nèi)缃褚堰M(jìn)入“軟件定義的硬件輔助驗證”時代，要求持續(xù)實現(xiàn)改進(jìn)并保持靈活性。

作為全球技術(shù)創(chuàng)新的引領(lǐng)者，新思科技致力于通過持續(xù)重構(gòu)工程設(shè)計賦能創(chuàng)新，并以未來為導(dǎo)向打造硬件輔助驗證系統(tǒng)。我們的“軟件定義硬件輔助驗證”解決方案助力開發(fā)者在不同領(lǐng)域擴(kuò)展驗證能力，滿足日益增長的硅前驗證需求。

軟件定義的硬件輔助驗證正在重塑芯片和系統(tǒng)驗證。新思科技愿與全球合作伙伴攜手共進(jìn)，通過持續(xù)軟件創(chuàng)新，共創(chuàng)未來。