国产精品久久精品牛牛影视-国产精品久久精品视-国产精品久久九九-国产精品久久久-国产精品久久久99

1956年人工智能（AI）當概念被提出時，即使是想象力最豐富的預言家也應該很難預測到2022年AI，能夠預測天氣，診斷和治療疾病，甚至，AI被稱為工業糧食的半導體產業仍在發生變化。

芯片采購網專注于整合國內外授權IC代理商現貨資源，芯片庫存實時查詢，行業價格合理，采購方便IC芯片，國內專業芯片采購平臺。

隨著半導體制造技術的不斷發展，單芯片集成的晶體管數百億，系統越來越復雜，設計挑戰越來越大。但與此同時，終端應用的軟件和算法加速迭代，以月或年為周期更新的芯片越來越難以滿足終端需求，芯片設計周期迫切需要縮短。

EDA工具與AI技術的結合不僅可以設計PPA更好的芯片（性能、功耗和面積）也可以顯著縮短芯片設計周期。在實現更好、更快、更便宜的芯片愿景的同時，也將大大降低芯片設計的門檻，使更多的人和企業能夠設計所需的芯片，這將對芯片行業產生深遠的影響。

2020年，新思科技推出了業內首個用于芯片設計的自主人工智能應用——DSO.ai (Design Space Optimization AI)。作為人工智能和推理引擎，DSO.ai在芯片設計的巨大解決空間中搜索優化目標。

目前，英特爾、聯發科、三星、索尼、瑞薩電子等世界頂級芯片設計公司已被采用DSO.ai，在不同的芯片工藝節點和不同類型的芯片設計中，一般提高了4-5倍甚至更高的效率。

一旦嘗試，芯片公司就會喜歡它DSO.ai，還有一個熱啟動的絕招。

各種芯片各種芯片AI設計

將AI技術與EDA工具結合有兩個核心價值。首先，我們試圖讓步EDA更智能，減少重復和復雜的工作，讓用戶設計相同甚至更短的時間PPA更好的芯片；二是大大降低用戶門檻，解決人才短缺的挑戰。

DSO.ai更智能的核心價值是在巨大的芯片設計解決方案空間中搜索優化目標，利用強化學習優化功耗、性能和面積。

無論是x86架構、Arm架構或傳感器，無論是最先進的工藝，還是成熟的工藝，都可以使用DSO.ai實現PPA同時縮短設計周期。

當然，在實際使用中DSO.ai在設計芯片時，不同的開發者會有不同的優化目標。例如，手機芯片開發者專注于CPU圖像傳感器開發者更愿意縮短設計周期，加快產品上市，DSO.ai能靈活解決差異化需求，提高效率幾倍。

DSO.ai新思科技之所以能在不同的工藝節點和不同的技術架構中實現顯著的效率提升，核心原因是基于新思科技EDA該領域積累了多年豐富的行業經驗AI自動化學習能力和底層算例將需要開發者反復嘗試的重復和復雜的工作移交給開發者AI快速探索萬億計的設計方法，找到最優解，具有普遍的適用性。

DSO.ai第二大核心價值可以幫助傳統芯片設計公司解決人才短缺的挑戰，大大降低芯片設計的門檻。

在數字化趨勢下，大型系統級公司開始開發自己的芯片，通過定制芯片優化其應用或工作負荷。然而，大型系統級公司往往缺乏芯片設計經驗和經驗豐富的芯片設計人才，DSO.ai完美解決大型系統級公司面臨的挑戰。

借助DSO.ai，只有幾年工作經驗的開發人員，也能達到多年經驗豐富的開發人員的設計水平。

DSO.ai這兩個優勢將惠及幾乎各種類型的芯片設計公司，典型的是通用芯片公司和系統級客戶。

對于通用芯片公司，DSO.ai目標是通過模擬驗證、快速原型等更快、更容易使用的工具，模擬芯片生產前的實際性能和功耗，節省成本和設計周期。對于系統級公司，DSO.ai通過各種IP幫助他們解決芯片架構和工藝選擇的模塊和設計工具。

提高數量級性能，大大降低門檻

由于需要更強的計算能力作為支撐，DSO.ai由于云計算的普及，新思科技普及，新思科技也與云服務提供商合作提供DSO.ai解決方案。

當然，就像云計算的普及不是一蹴而就的，一開始，DSO.ai在芯片設計公司眼里，這也是一件新事。一開始，頂級芯片設計公司是為了DSO.ai態度也有點謹慎，但對DSO.ai測試結束后，他們發現他們得到了PPA在縮短設計周期的同時，大幅度提升。DSO.ai它很快得到了世界頂級芯片設計公司的認可。

典型的例子是英特爾、聯發科、三星、索尼和瑞薩電子。

英特爾發現，面對優化高性能芯片PPA在縮短設計周期的目標時，有許多關鍵挑戰需要解決，包括：設計尺寸大、運行時間長；對于大尺寸的設計，最終RTL到GDS收斂周期較長；在最后階段實施多個手動ECO延長設計關閉時間；跨設計向量優化PPA增加實驗數量等。

英特爾在實際情況下使用DSO.ai芯片設計周期和技術PPA優化設計時間結果質量提高約40%，運行時間加快約20%。英特爾通過將軍DSO.ai并入區塊布局布線（PnR）有助于縮短芯片設計周期，實現最佳流程PPA，減少人工//ECO收斂工作中的攪拌，及時向RTL業主提供反饋，以修復嚴重違反時間路徑的問題。

英特爾的例子也充分說明了DSO.ai易于定制的特點可以很好地解決芯片設計中計時或功耗帶來的挑戰，通過創建布局指標來幫助緩解擁塞點和使用庫單元數量的限制。

聯發科和三星也被采用DSO.ai先進工藝技術改進Arm架構移動CPU性能和功耗。在三星的案例中，DSO.ai成功應用于技術開發Voptz和Ftarget通過自動探索大量電壓，優化應用程序（V）/目標頻率（F）找出最高基準分數和最長電池時間的最佳組合。此外，DSO.ai RL通過分析之前操作中的選擇，自動學習并生成更好的組合。

結果顯示，三星在4nm Arm Big CPU在相同的工作電壓下，DSO.ai頻率提高了13%-80%；在相同的工作頻率下，功耗可以降低25%。

展示了三星的實踐AI驅動解決方案提高了生產力，幫助開發者輸出高質量的結果。

雖然和設計CPU但索尼在設計傳感器時，需要在最短的時間內滿足各種類型的終端的需求，縮短設計周期，提高結果質量（PPA）。

因此，索尼在傳感器設計過程中也成功地采用了它DSO.ai與專家工程師的人工操作相比，技術并驗證了其出色的性能，DSO.ai只有1/4的設計周期和1/5的設計工作量才能達到最佳效果，成功降低了3%的功耗，進一步提高了設計結果的質量。

與冷啟動相比，索尼發現熱啟動有一些優點，比如只需要1/2周期，減少1/3的工作量。

熱啟動也是新思科技DSO.ai的絕招。

熱啟動，DSO.ai的絕招

之所以說是絕招，是因為目前行業一體化AI的EDA在工具中，只有新思科技DSO.Telit代理ai提供熱啟動模式。

眾所周知，AI該技術需要使用大量的計算資源來模擬人腦的神經思維，而計算資源的缺乏往往受到限制AI高端應用或大型企業部署技術。DSO.ai將每次操作的學習經驗保存到培訓數據庫中，然后利用培訓數據庫提高設計探索效率，減少執行時間，降低計算資源的要求。

DSO.ai有兩種模式：熱啟動和冷啟動。

冷啟動實際上是一種沒有訓練數據的模式，需要執行和創建訓練數據，并選擇使用自己的非訓練抽樣來分配第一個參數。介紹了一個新的設計DSO.ai它始于冷啟動，因此需要進行大量的培訓工作，并且必須在同一過程中進行多次。

熱啟動模式是將冷/熱啟動的結果作為一種過程模式，在有培訓數據的情況下自動學習，以尋求最佳解決方案。熱啟動的顯著優點是可以減少工作量，縮短周期。同時，熱啟動也可以減少對計算能力的需求。

在實踐中，英特爾發現，有了熱啟動模式，更少的工程師可以實現更好的設計效果。聯發科還意識到，如果你了解設計參數并實現它PPA熱啟動可以提高生產力，進一步實現復雜的計算和決策。

新思科技可以率先在行業內推出熱啟動模式，早在五六年前就與新思科技建立起來AI團隊研發相關項目密切相關。

不僅如此，新思科技還在努力探索前進的熱啟動模式，即通過IP提供商合作，針對共同客戶進行有針對性的優化，進一步完善DSO.ai效率。

新思科技將不斷完善DSO.ai性能，如易用性的提高，更智能的(冷熱模式的自動切換)，適用性的進一步擴大，也是客戶所期待的。DSO.ai，越來越多的芯片設計公司正在采用新思科技AI與EDA從數字芯片邏輯設計到驗證。

未來，芯片的架構設計、制造和包裝將整合到整個過程中AI技術。作為芯片設計全過程的工具，新思在整個過程中更容易使用AI，帶來更顯著的全面改善，芯片行業的深刻變化也開始了。

我們迎來了芯片設計突破的新時代。