《Cadence将验证IP移至芯片级别》

  • 来源专题:宽带移动通信
  • 编译者: 张卓然
  • 发布时间:2020-11-23
  • 系统级验证IP(系统 VIP)是Cadence设计系统公司的一套工具和库,用于自动化整个片上系统(SoC)设计测试

    Cadence 设计系统公司推出了一种新的工具,为超大型、自动推进、移动和消费类芯片提供了10倍的系统级测试台组装、执行和分析方面的效率。

    系统级验证IP(系统VIP)是一套工具和库,用于自动化片上系统(SoC)测试台组装、总线和CPU流量生成、缓存一致性验证和系统性能瓶颈分析。这使得设计人员能够创造出复杂的超大型,自动推进、移动和消费类芯片,可以将芯片级验证效率提高10倍。

    “我们的系统及验证IP解决方案将IP水平测试提高到芯片级,这将使复杂的片上系统测试台的生成自动化,”系统验证团队总经理保罗·坎宁安说。 “包括CPU和总线流量生成、模拟、仿真、验证,甚至后硅处理。”

    这些测试在Cadence模拟、仿真和原型制作引擎上都是可移植的,而且还可以扩展到后硅处理。这些工具包括自动生成具有复杂内存、缓存、接口和总线配置的片上系统测试台的系统测试台生成器,以及提供可插入系统级验证IP测试台的预定义测试的系统流量库,包括一致性、性能、PCI Express®(PCIe®)和NVMe子系统。

    系统性能分析器支持内存子系统、互连和外围设备的分析报告和可视化,而系统验证记分板则提供跨一致性互连、内存和外围设备的全面数据和缓存一致性检查。

    “瑞萨公司多年来一直使用Cadence VIP,重视Cadence在先进片上系统验证技术方面的领先地位,”瑞萨公司共享研发EDA部门设计方法部主管浅野哲也说。“将新的系统级验证IP添加到基于Cadence Xcelium和钯平台的现有验证环境中,提高刺激重复利用和自动化, 我们进一步加快了片上系统验证过程,效率提高了10倍,使我们能够更快地向客户交付创新的高质量的产品。”

    Arm的设计服务主管Tran Nguyen说:“通过与Cadence的合作,我们减少了一些复杂的片上系统验证挑战,尤其是在输入/输出外围设备方面。使用Cadence系统流量库和系统性能分析器,Arm能够自动进行复杂的测试生成过程,从而实现更快的PCIe集成验证和性能分析。”

相关报告
  • 《Cadence流片GDDR6芯片:基于三星的7LPP》

    • 来源专题:集成电路制造与应用
    • 编译者:shenxiang
    • 发布时间:2018-12-07
    • 根据外媒报道,Cadence宣布已成功在三星的7LPP制造工艺中流片其GDDR6 IP芯片。 Cadence的GDDR6 IP解决方案包括该公司的Denali内存控制器,物理接口和验证IP。控制器和PHY的额定值可处理每个引脚高达16 Gbps的数据传输速率,并具有低误码率(BER)功能,可降低内存总线上的重试次数,从而缩短延迟,从而确保更大的内存带宽。IP封装以Cadence的参考设计提供,允许SoC开发人员快速复制IP设计人员用于其测试芯片的实现。 传统上,GDDR内存主要用于显卡,但GDDR6的外观看起来有点不同。美光和其他一些公司也在尝试将GDDR6推向其他应用。Cadence表示,其GDDR6 IP可用于针对AI / ML,自动驾驶,ADAS,加密货币挖掘,图形和高性能计算(HPC)应用的SoC,基本上表明了对非GPU开发人员对GDDR6的兴趣。同时,作为全球最大的DRAM制造商,三星显然对非图形应用采用GDDR6感兴趣。 三星的7LPP制造技术是该公司领先的制造工艺,采用极紫外光刻(EUVL)制作精选层。该技术目前用于制造未公开的SoC,但预计未来将被更广泛的芯片使用。来自Cadence的GDDR6 IP自然会让7LPP对SoC的设计者更具吸引力。
  • 《AI芯片巨头争霸时代,华为AI芯片下周将首次亮相》

    • 来源专题:集成电路
    • 编译者:tengfei
    • 发布时间:2017-11-20
    • 近日,华为高级副总裁余承东在微博上发布了一段视频,为自家的人工智能AI芯片造势。他表示,“速度之追求,从不止于想象”,并预告了AI芯片将在9月2日IFA2017上亮相。 在上月的华为年中业绩媒体沟通会上,余承东透露,将于今年秋季发布AI芯片,华为也将是第一家在智能手机中引入人工智能处理器的厂商。此外,在2017年中国互联网大会上,余承东还曾表示,由华为海思制造的芯片将会集CPU、GPU和AI功能于一体,并且有可能基于ARM今年在Computex展会上推出的全新AI芯片设计。 根据今日余承东视频透露,华为的AI处理器有望显著提升麒麟970的数据处理速度。如果AI芯片能用在10月份发布的华为Mate 10手机上,则华为Mate 10的数据处理能力将十分令人期待。 与华为一样,当下英特尔、联想、英伟达、谷歌、微软等全球科技巨头纷纷在积极拥抱AI,对AI芯片的布局成为重中之重。 英特尔 对于AI芯片的重要性,英特尔中国研究院院长宋继强本月接受媒体新智元采访时指出,我们需要用技术去处理大量数据,使其对客户产生价值,在这个过程中无疑芯片是极其重要的: 到2020年,保守估计,全世界会有500亿设备互联。未来的数据来源于各种设备终端。不再靠我们人打电话、玩手机、发邮件这些数据。无人车、智能家居,摄像头等都在产生数据。 以后每一台无人驾驶汽车都是一台服务器,每台车每天会超过4000个GB的数据,这些数据都不可能通过5G来传输,所以一定很多数据是在本地处理和分析然后选择性的往上走,本地你会使用很多技术,超越现代服务器的技术。 作为传统的芯片龙头制造商,英特尔今年7月推出了新一代Xeon服务器芯片,性能大幅提升,深度学习能力是上一代服务器的2.2倍,可接受培训和推理任务。此外,英特尔还展示了将在未来AI领域发挥重大作用的现场可编程门阵列(FPGA)技术,同时,计划推出Lake Crest处理器,旨在深度学习代码。 联想 联想集团总裁杨元庆表示,“AI通用处理器芯片是人工智能时代的战略制高点“,联想集团高级副总裁、联想创投集团总裁贺志强也指出: 智能互联网时代,AI芯片是人工智能的引擎,对于智能互联网的发展将起到决定性作用。 就在上周,联想创投与阿里巴巴创投等顶尖投资方一起,联合投资了有“全球AI芯片界首个独角兽”之称的寒武纪科技。 英伟达 英伟达在过去几年中将其业务重心转移到AI和深度学习领域,今年5月,英伟达发布了一款针对人工智能应用的重量级处理器:Tesla V100。 该芯片拥有210亿个晶体管,性能比英伟达一年前发布的带150亿个晶体管的Pascal处理器强大得多。虽然只有Apple Watch智能手表的表面那么大,但它拥有5120个CUDA(统计计算设备架构)处理核心,双精度浮点运算性能达每秒7.5万亿次。英伟达CEO黄仁勋表示,英伟达花了30亿美元打造这款芯片,售价将会是14.9万美元。 谷歌 宣布战略转向“AI first”的谷歌,在去年就发布了专门为机器学习定制的TPU(张量处理单元),与CPU、GPU相比,TPU效率提高了15-30倍,能耗降低了30-80倍。 今年5月的谷歌开发者大会上,谷歌发布了新款产品——Cloud TPU,它拥有四个处理芯片,每秒可完成180 tflops计算任务。将64个Cloud TPU相互连接可组成谷歌称之为Pod的超级计算机,Pod将拥有11.5 petaflops的计算能力(1 petaflops为每秒进行1015次浮点运算)——这对AI领域的研究来说将是非常重要的基础性工具。 目前,TPU已经部署到了几乎所有谷歌的产品中,包括Google搜索、Google Assistant,甚至在AlphaGo与李世石的围棋大战中,TPU也起到了关键作用。 微软 上月,媒体报道称,微软将为下一代HoloLens加入一款自主设计的AI协处理器,可以在本地分析用户在设备上看到和听到的内容,再也不需要浪费时间把数据传到云端进行处理。这款AI芯片目前正在开发,未来将被包含在下一代HoloLens的全息处理单元(HPU)当中。微软表示,这款AI协处理器将会是微软为移动设备设计的首款芯片。 近几年来,微软一直在致力于开发自己的AI芯片:曾为Xbox Kinect游戏系统开发了一套动作追踪处理器;为了在云服务方面与Google、亚马逊竞争,微软专门定制了一套现场可编程门阵列(FPGA)。此外,微软还从英特尔的子公司Altera处购置可编程芯片,写入定制化的软件来适应需求。 去年,微软曾在一次大会上使用数千个AI芯片,把所有英文维基百科翻译成西班牙语,大概有500万篇文章,而翻译时间不到0.1秒。接下来,微软希望能让使用微软云的客户通过AI芯片来完成任务,比如从海量数据中识别图像,或者通过机器学习算法来预测消费者的购买模型。