值得一提的是，今年也是Cadence成立30周年，今年CDNLive到場的合作伙伴和開發者超過千人，是CDNLive China到場人數最多的一屆。
從今天一系列的內容分享當中，我們可以看到兩個趨勢，一個是云計算、移動終端、物聯網等行業需求驅動中國以及全球半導體產業的高速發展;另一個則是以人工智能為首的前沿技術正在對半導體產業進行著一場影響深遠的變革，這一變革不僅僅止步于AI芯片這一產品落地領域，還包括了人工智能如何從EDA軟件、芯片設計等源頭領域對半導體產業進行影響與變革。
會后，Cadence CEO兼華登國際創始人陳立武等Cadence高管也接受了包括智東西在內的少數媒體的專訪，針對近來火熱的AI芯片話題，陳立武告訴智東西，對于終端AI芯片來說，如何做到更低功耗、更高性能表現是一個重要議題，比如神經擬態芯片就是一種非常有前景的技術方向。不過，云數據中心將會是一個更大的市場，這個市場目前有著非常激烈的變化，他本人和華登國際也在這方面進行了不少投資。
陳立武：AI驅動半導體市場高速增長，5nm市場非常活躍
陳立武說，2017年是半導體行業高速成長的一年，全球半導體市場經歷了超過20%的增長，市場總額超過了4000億美元——而這其中，中國有著最大的半導體市場、并且也在持續高速增長狀態，在全球半導體市場中扮演了一個重要的角色。
促進半導體市場這一高速成長的元素有5類：5G、人工智能、數據中心、邊緣計算、以及自動駕駛。這其中包括著市場的增長、公司的增長、技術的創新、以及資本的用戶。
尤其是人工智能，當代人工智能不僅改變了所有應用，還推進著半導體市場從云到端的快速發展。現在Cadence不僅已經陸續將自己及合作伙伴的工具遷移到云平臺上，在接下來5年里，Cadence還會把人工智能跟機器學習引入自己的EDA設計軟件中，減少runtime、提高設計性能與效率。
據陳立武透露，Cadence目前每年的研發投入已經占到了其總營收的40%(2017年Cadence總營收約19.4億美元，研發投入約8億美元，減去研發投入及其他項目支出后凈利潤為2.04億美元)。
至于在芯片新興突破性技術方面，則有硅光、量子計算、神經擬態計算、納米管、區塊鏈這五大方面值得關注。這也是陳立武本人非常看到的幾大技術趨勢，據陳立武透露，他個人跟華登國際累計在這些領域投資了投了4000萬美元。
目前，Cadence已經和很多合作伙伴開始了7nm、5nm、甚至3nm的研究。比如今年年初，比利時公司Imec與Cadence就成功流片了首款3nm測試芯片。陳立武說，現在5nm市場是最活躍的，有很多公司在這方面非常積極，正在安排5nm相關EDA軟件與設計、IP的協同。
摩爾定律還在持續發展，下一代麒麟芯片確認7nm
▲海思平臺與關鍵技術開發部部長夏禹
雖然現在有不少聲音表示“摩爾定律已死!”，但海思平臺與關鍵技術開發部部長夏禹認為，不，摩爾定律還在延續增長，隨著每一代工藝的進化，單晶體管價格都在不斷降低、能效也在高速增長、這才能讓云計算、通訊、以及PC、手機等市場在不斷高速發展，為用戶和企業帶來一代又一代更智能、更高效的產品。
華為內部甚至有個幽默的內部觀點——“摩爾定律是人類抗通貨膨脹的有效推手”
上圖是芯片工藝發展的路標，從圖中我們可以看到，隨著工藝的增長，未來半導體中將會引入新材料(比如石墨烯)、新器件等，繼續推動摩爾定律的發展。
大約一個月之后的8月31日，華為消費者業務CEO余承東也將會在德國發布新一代的海思麒麟7nm芯片新產品。
不過，隨著摩爾定律推動半導體產業高速發展，它也會為半導體產業帶來一系列的新挑戰：
比如，在半導體設計方面，平面工藝上的器件將會變得非常復雜、需要設計更復雜的模型來進行器件排布、連接互聯等，這不僅對芯片設計制造者帶來了極高挑戰，同樣也對類似Cadence的EDA設計軟件提出更多難題。
與此同時，芯片散熱問題也將帶來更大挑戰，芯片從16nm到5nm可能面臨功耗密度10倍增長。如何散熱?——這是未來行業將會面臨的巨大挑戰。
而且近30年，模擬技術在仿真方面的發展相對落后，模擬電路的DFT沒有跟上行業發展的訴求，不僅需要縮短測試時間、測試覆蓋率也要提升。夏禹認為，這里存在著模擬電路行業的巨大機會。
不過，光靠摩爾定律和工藝演進在芯片制造領域的推進還不夠，整個半導體行業發展還需要更先進的封裝技術(比如2.5D、3D SIP、3D SOC等)、更先進的工程能力HSIC、可靠性、CPBI等)，讓整個系統級的發展來推動。
寒武紀陳天石：AI能反過來優化芯片設計流程
寒武紀CEO陳天石首先提到，Cadence是寒武紀的重要合作伙伴，寒武紀的首款云端AI芯片中就集成了Cadence的內存Memory interface IP和帶寬接口I/O interface IP，并應用了Cadence Palladium Z1企業級硬件仿真加速平臺。
▲寒武紀CEO陳天石
今天陳天石分享的主題是如何用人工智能來輔助處理器的設計。由于處理器研發的早期面臨著很多重要的任務，設計者要在前期選擇最合適的處理器參數以決定處理器的性能/效能，但是待決定的參數極多(比如發射寬度、功能部件數量、各級緩存大小等)，設計約束也不少(比如功耗、時延等)，在參數的設計組合上有數千萬甚至上億個可能。所以在芯片設計早期，有很多參數的決定是“拍腦袋”定下的，中間有很大優化的空間。
這種負責場景+大量決策的場景，這正是AI可以發揮作用的地方。
陳天石首先，談到了用遺傳算法+代理模型(surrogate model)的方式進行處理器結構參數的優化。
與此同時，在處理器設計方面需要很多參數，但是往往沒有監督學習所需要的巨大數據量，因此陳天石團隊還引入了半監督學習、主動學習等方式降低了樣本需求量，通過模型預測處理器參數組合對應的絕對性能/功耗。
此后，陳天石團隊又陸續引入了排序學習來預測處理器配置的相對好壞，將處理器參數選擇加速了3-10倍。這一技術也被直接應用于寒武紀系列芯片的研發。
在前期設計階段，還需要進行處理器硅前的模擬，這是一個耗時長久的任務，為了加速這一進程，還可以引入程序抽樣方法，這一技術在多線程設計當中尤其有用。
而在優化處理器片上互聯拓撲方面，由于傳統的片上網絡拓撲Ring和Mesh都存在一定缺陷，陳天石團隊設計了異構多環拓撲來連接多處理器核，其多環拓撲由遺傳算法來完全決定，能夠支持1024核的眾核處理器，能偶大幅提升芯片性能(比如網絡延遲、吞吐率等)。
綜合來看，人工智能不僅能夠從需求方面推動AI芯片產業發展，還能反過來從芯片設計的各個環節進行優化。引入機器學習與自動化的各種方法后，芯片設計能夠獲得更好的性能、更短的需求時間、設計處理器架構將會變得更簡單，處理器驗證也將更自動化、物理設計有望完全由工具自動化完成。
結語：AI驅動半導體全產業發展
說起AI+芯片，我們最熟悉的莫過于近年來新興的一眾AI芯片(深度學習處理器)產品及企業了。不過如果我們拉遠來看，縱觀整個半導體產業，人工智能對其的影響其實一直蔓延到了產業鏈最上游——處理器設計，再一路延續到產業鏈的各個環節。
拿Cadence為例，這個全球三大EDA設計軟件之一的軟件巨頭，正在從各個環節積極擁抱人工智能以及更多新興的前沿技術。與此同時，這些前沿技術也在推動著整個半導體產業的進步。
京公網安備 11010502049343號