如果在數(shù)據(jù)中心和邊緣設(shè)備中部署上人工智能（AI）加速器，那么它們將能夠快速處理PB級的數(shù)據(jù)量，還能幫助克服傳統(tǒng)的馮·諾依曼瓶頸。在Chat GPT、高級駕駛輔助系統(tǒng)（ADAS）、攝像頭和傳感器等智能邊緣設(shè)備中，我們都能看到AI加速器的身影。

在半導(dǎo)體領(lǐng)域，實現(xiàn)出色的性能功耗比永遠都是首要目標。AI加速器的能效比通用系統(tǒng)的能效通常會高出100倍甚至1000倍，但生成出色AI模型所需的算力資源每3.4個月就會翻一番。AI產(chǎn)生的能耗不容小覷，以GPT3為例，僅訓練這一個深度學習模型所產(chǎn)生的二氧化碳就高達500噸，相當于一輛普通燃油車行駛100多萬英里。

降低能耗不僅能夠盡量減少對環(huán)境的影響，還能降低運營成本，并在有限的功耗預(yù)算內(nèi)盡可能地提高性能，緩解熱挑戰(zhàn)。

本文將進一步討論開發(fā)者們?nèi)绾卫枚说蕉斯姆治鼋鉀Q方案，打造新一代更高效節(jié)能的AI加速器。

為十億門級以上設(shè)計優(yōu)化功耗

AI加速器的端到端節(jié)能方法必須從設(shè)計流程的初始階段開始，涵蓋架構(gòu)和微架構(gòu)層面，并一直延續(xù)到簽核階段。因此，AI芯片開發(fā)者需要利用架構(gòu)探索平臺，對具體訓練或推理應(yīng)用的功耗、性能和面積（PPA）進行權(quán)衡分析和評估，并主動識別后續(xù)分析的關(guān)鍵矢量。

由于AI硬件通常包括多個由數(shù)千個處理單元組成的大型陣列，因此十億門級以上設(shè)計需要進行多域軟硬件功耗驗證，盡可能降低能耗和漏電。然而，要想分析關(guān)鍵功耗模塊和時間窗口，需要先進的硬件加速系統(tǒng)，以便運行數(shù)十億個循環(huán)并快速精確地實現(xiàn)多次迭代。只有在完成這一步后，寄存器傳輸級（RTL）功耗分析和物理實現(xiàn)工具才能有效地優(yōu)化動態(tài)（晶體管門開關(guān)）功耗和靜態(tài)（漏電）功耗。

為了始終提供準確的結(jié)果，用于AI芯片設(shè)計的RTL功耗分析工具應(yīng)具備以下功能：

時序驅(qū)動型快速綜合：內(nèi)部功耗計算錯誤通常是基于扇出的快速綜合工具未能根據(jù)時序約束正確地確定單元大小。同后續(xù)的布局布線工具相同，RTL功耗分析工具中嵌入的快速綜合功能必須由時序驅(qū)動。

物理感知型快速綜合：RTL功耗分析工具應(yīng)該具備“物理感知”能力，能夠通過完成一次設(shè)計單元擺放以及全局布線就可以獲得準確的連線電容值。與基于扇出的方法不同，基于物理感知的電容估算能夠為每條連線提供唯一的準確值。

簽核質(zhì)量的功耗計算引擎：傳統(tǒng)的RTL功耗分析工具使用word-level邏輯推理進行快速綜合，這種方法只能采用啟發(fā)式算法來計算毛刺功耗，因此并不準確。要準確計算毛刺功耗（可能高達芯片總功耗的40%）并減少高度重復(fù)的處理單元，RTL功耗分析工具必須具備簽核質(zhì)量功耗分析引擎、網(wǎng)表級設(shè)計表示并集成時序計算引擎。

在完成RTL功耗分析和優(yōu)化后，便可使用物理實現(xiàn)（綜合和布局布線）工具來進一步優(yōu)化PPA。為確?？煽啃浴⒖蓴U展性以及良好的用戶體驗，這些實現(xiàn)工具應(yīng)包含統(tǒng)一的集成式數(shù)據(jù)模型架構(gòu)、交錯式引擎和統(tǒng)一的命令界面。同樣重要的是，實現(xiàn)工具應(yīng)能對先進節(jié)點效應(yīng)和毛刺功耗進行精確建模，從而加速工程變更命令（ECO）和最終設(shè)計收斂。

出色的能效與性能

新思科技提供全面的端到端功耗解決方案，幫助AI芯片開發(fā)者以經(jīng)濟高效的方式達成或超越充滿挑戰(zhàn)性的性能和能效目標，同時縮短產(chǎn)品上市時間。新思科技的Platform Architect用于設(shè)計流程的初始階段，能夠為AI芯片開發(fā)者提供SystemC事務(wù)級建模（TLM）工具和高效方法，幫助開發(fā)者快速地對復(fù)雜的芯片架構(gòu)進行建模、分析和優(yōu)化。新思科技ZeBu Empower是一款快速的功耗分析工具，用于AI芯片設(shè)計流程的下一階段：基于數(shù)億個循環(huán)來分析和調(diào)試軟件實際工作負載下的能耗。

許多業(yè)內(nèi)領(lǐng)先的半導(dǎo)體公司借助新思科技ZeBu Empower大幅降低了功耗，其中包括美國硅谷的AI芯片初創(chuàng)公司SiMa.ai，該公司致力于為智能邊緣設(shè)計高性能、低能耗的AI芯片。具體而言，該公司的SiMa.ai低功耗MLSoC實現(xiàn)了每瓦特幀率（FPS）提升2.5倍的成果。在2023年硅谷SNUG大會上，SiMa.ai公司的芯片開發(fā)總監(jiān)Sounil Biswas指出，流片后驗證結(jié)果表明，新思科技ZeBu Empower給出的數(shù)據(jù)與電路板的測量結(jié)果之間具有出色的相關(guān)性。

為了補充ZeBu Empower并助力實現(xiàn)低功耗RTL設(shè)計，新思科技提供了PrimePower RTL，這是一款RTL功耗分析與優(yōu)化工具，通過將時序驅(qū)動型綜合、物理感知型綜合與集成式計算引擎相結(jié)合，可以持續(xù)獲得準確的結(jié)果（與布線后實現(xiàn)的結(jié)果相比誤差在+/- 15%以內(nèi)）。新思科技PrimePower RTL還提供分步指導(dǎo)，幫助AI芯片開發(fā)者進一步減少毛刺并降低總功耗。

新思科技的Fusion Compiler是一款綜合的集成式RTL-to-GDSII實現(xiàn)系統(tǒng)，可幫助實現(xiàn)進一步的PPA優(yōu)化。在這之后，可以使用新思科技的黃金功耗簽核解決方案PrimePower對AI設(shè)計進行分析。新思科技的PrimePower通過了全球多家領(lǐng)先代工廠的認證，3nm工藝能夠在簽核時實現(xiàn)高精度，同SPICE的芯片測量的誤差極小。

為邊緣AI推理設(shè)計差異化芯片

AI加速器使許多熱門應(yīng)用能夠在幾毫秒內(nèi)快速分析海量信息并準確推斷結(jié)果。與此同時，實現(xiàn)出色的性能功耗比依然是芯片開發(fā)者的首要目標。這一點在邊緣領(lǐng)域尤為明顯，在該領(lǐng)域，為了縮小芯片尺寸并盡可能地降低功耗，性能通常會受到限制。

然而，這些限制也為半導(dǎo)體公司創(chuàng)造了新的機遇，讓半導(dǎo)體公司可以通過精確校準PPA來滿足低延遲、高帶寬應(yīng)用的特定要求，從而設(shè)計出差異化芯片。例如，自主導(dǎo)航應(yīng)用要求計算響應(yīng)延遲時間限制在20μs以內(nèi)，而語音和視頻助手則要求能夠在10μs之內(nèi)理解語音關(guān)鍵詞，并在幾百毫秒內(nèi)理解手勢含義。要想成功實現(xiàn)PPA權(quán)衡，芯片開發(fā)者應(yīng)該采用整體性方法，利用端到端解決方案，從早期架構(gòu)探索到最后的黃金功耗簽核，持續(xù)優(yōu)化功耗。

審核編輯：劉清