在後摩爾時代,為了實現支撐「萬物智慧」時代的運算架構,所需要的性能、功耗和成本是否能持續同步發展?為了打造全新的‘Shift Left’,以此搶佔「科技經濟」(techonomics)先機,需要具備哪些關鍵因素?

在2019 ASPENCORE第二屆「全球CEO峰會」上,新思科技(Synopsys)董事長兼共同執行長Aart de Geus以「後摩爾時代,Shift Left搶佔科技經濟先機」為題,探討近來在運算能力和各種演算法的突破,如何在每個領域呈指數級成長的驅動下,以前所未有的速度展開技術變革。

20191107_Synopsys_NT61P1

呈指數級發展的數位時代需要EDA工具

人類的知識對技術的進展至關重要,從西元前四十萬年前已知用火,到後來的耕犁等農用工具,馬、車輪、印刷術直到布林指數還有數位電子,最後發展到今天的人工智慧(AI)。這些發展的共同點之一在於先得到工程學,然後進入科技經濟,再經過融合回到科技產業,最終帶來指數級的影響,並應用於不同的領域。

電晶體、電子設計和自動化的出現讓我們進入了數位時代,在這樣一個呈指數級發展的時代,設計專案可能再現延誤,甚至不斷地面臨種種問題:結果的品質(QoR)、實現結果的時間(TTR),以及整體成本(CoR)。我們當然希望結果的品質更好、更快地實現這個結果,並且用更低的成本實現這個結果。

在過去50年來,我們一直致力於解決這些問題,使整個流程曲線向左側推移。電子設計自動化(EDA)就是這樣的工具,把資訊輸入電腦、擷取相關的資訊、建立模型、進行類比、分析、最佳化、自動化操作,最後不斷地重複利用,以產生IP。我們就是用這樣的電腦程式來建立最先進的晶片。

20191107_Synopsys_NT61P2

EDA工具需要AI

我們看到AI的發展:擷取資料、在網路中建模,然後學習、進行解碼,最後把它深化成一個自動行為。

透過模擬建模和機器學習,我們能夠瞭解和預估未來可能造成的失敗,實現前面提到的科技經濟的「向左遷移」(Shift Left),在此過程中,技術由原來的規模複雜性轉化成系統複雜性。

汽車產業也在發生重大改變。汽車產業所面臨的不僅是系統複雜性,還要面對安全性等挑戰。

未來的汽車發展方向將會越來越便捷,也越來越安全。一輛車子中通常包含4到5個關鍵的電子系統,無論是建立汽車基本架構還是連網,都離不開晶片,這需要耗費大量的時間。這時,就需要虛擬模擬,除了使用晶片,還要建立系統和架構、建立模型、對軟體和硬體進行驗證,然後才能實現應用。這就是原型設計和出樣研究。

例如,預測氣候的變化,以及氣候暖化對於全球的未來影響,對於人類的生存狀態影響至關重要。如今,氣侯的模型越來越複雜、資料分析越來越複雜,也越來越精確。只有清楚地分析這些問題,才能有效地掌握氣侯的變化,從而解決全球暖化對氣候影響的問題。

透過分析這些資料,不僅能推動技術的發展,還能瞭解產能如何耗用能源。在分析資料時涉及的計算需要機器學習,這也會消耗很多能量,因而必須不斷地開發新技術,以降低消耗的能量。

架構創新是實現融合的關鍵

很多技術都源於演算法,至於融合,就是把現有的技術整合到同樣的演算法,以提高其有效性。實現融合的關鍵在於架構創新,並應用於晶片設計,包括架構、模擬、整合、測試、時間與功率等。

透過融合可以將設計速度提高到原來兩倍,使其回應更快,使用更低的功率更,並且佔據的產品空間越來越小,產品也越來越精巧。

最偉大的融合機器就是人類的大腦,可以自主進行邏輯思維、分析以及不斷學習。驅動AI發展的方法很多,比如機器學習,還有透過物聯網(IoT)得到很多的資料,而經濟利益也讓我們進入垂直市場,每一個垂直市場都能讓AI有非常迅猛的發展。

20191107_Synopsys_NT61P3

‘Shift Left’加速開發流程

今天的半導體產業發展非常迅速,透過摩爾定律,整個半導體市場的規模會變得更大。成本會越來越高,晶片越來越小也越來越薄,在一個小小的晶片中可以包含12,000億個晶片組、電晶體等。因此,我們要讓晶片變得更加專用,以因應具體的產業和領域需求,建立全新的架構。在此面臨的挑戰之一就是能耗,如損耗的能耗、動態的電能、熱能,以及人類所需要的能量。此外,安全性也影響流程和可靠性,最後還必須考慮個人的隱私...

...完整閱讀請連結EDN Taiwan網站