你可能已經(jīng)在當?shù)氐缆飞嫌H眼目睹了自動駕駛驅(qū)動的汽車系統(tǒng)的進步。5G網(wǎng)絡和人工智能（AI）等技術的集成使自動駕駛汽車的性能比以往任何時候都更好，但新的嚴格安全標準又增加了一層考慮因素。

這些發(fā)展帶來了芯片復雜性的增加和片上系統(tǒng)（SoC）設計要求的變化，例如重新架構（特別是傳統(tǒng)控制器局域網(wǎng)（CAN）的車載電氣/電子（E/E）架構）、車載以太網(wǎng)的引入、更高的速度以及與各種標準兼容的實時控制。驗證這些復雜的SOC可能會占用高達70%的項目周期，并涉及更多的工程師時間！

瑞薩科技（公司名稱）作為面向汽車、工業(yè)和信息技術（IT）等應用的微控制器、模擬、電源和SoC產(chǎn)品的全球領導者，就遇到了這一挑戰(zhàn)，并計劃利用以下優(yōu)勢將成本降低50%Synopsys VSO.ai（驗證空間優(yōu)化），一種AI和機器學習驅(qū)動的驗證空間優(yōu)化技術。

瑞薩的驗證挑戰(zhàn)

尤其是在汽車市場，上市時間的壓力可能非常大。這就是為什么瑞薩的核心知識產(chǎn)權部門正在探索不同的方法來自動化其驗證周期中的覆蓋關閉階段。工程師們經(jīng)歷了一系列不同的挑戰(zhàn)，包括手動分析和分類，以確定未命中覆蓋率，并確保產(chǎn)品隨時可用，并徹底驗證任何邏輯或功能問題。所有這些都必須在每個IP/項目的特定計算預算內(nèi)完成。

關閉覆蓋的“最后一英里”涉及開發(fā)針對未命中覆蓋的定向測試。瑞薩沒有采用編寫定向測試來填補覆蓋漏洞的手動流程，這可能會導致運行數(shù)千次投資回報（ROI）未知的回歸，而是渴望通過利用AI/ML技術來嘗試一些新奇的東西，這引發(fā)了他們對VSO.ai的興趣。使用機器學習，回歸在VSO.ai中進行優(yōu)化，以便首先運行高投資回報測試，并自動進行分析以定義規(guī)定的見解。

瑞薩憑借VSO.ai取得引人注目的成果

在觀察到VSO.ai的積極成果后，由于瑞薩目前使用新思VCS功能驗證解決方案。無需對設計或測試平臺代碼進行任何修改，VSO.ai就可以集成到現(xiàn)有的VCS回歸環(huán)境中。

正如SNUG Japan 2023所強調(diào)的那樣，瑞薩通過使用VSO.ai，能夠使用更少的定向測試，對相同的覆蓋率進行更短的回歸，并改進對未命中覆蓋率的根本原因分析。瑞薩無需對龐大的數(shù)據(jù)集進行手動分析，就可以利用VSO.ai幫助他們的驗證工程師更快地達到覆蓋率目標。這使得能夠在相同的計算預算內(nèi)運行更多回歸，從而更好地利用硬件并更早地發(fā)現(xiàn)缺陷，這是驗證的最終目標。

最終結果不言自明:

使用相同數(shù)量的測試將覆蓋率提高了10%，結果質(zhì)量更高（QoR）

將回歸測試列表縮減2倍

將覆蓋漏洞減少90%

下圖突出顯示了VSO.ai解決方案的主要使用案例。

瑞薩R&D核心知識產(chǎn)權部門的知識產(chǎn)權開發(fā)總監(jiān)田崎敬浩·池野表示:“由于設計復雜性的增加，使用傳統(tǒng)的人在回路技術很快就難以滿足質(zhì)量和上市時間的限制?！笆褂肧ynopsys.ai EDA套件的一部分Synopsys VCS進行人工智能驅(qū)動的驗證，我們在減少功能覆蓋漏洞方面實現(xiàn)了高達10倍的改進，IP驗證生產(chǎn)率提高了30%，證明了人工智能有能力幫助我們應對日益復雜的設計挑戰(zhàn)?！?/p>

瑞薩工程團隊現(xiàn)在可以專注于設計創(chuàng)新和更高價值的程序，同時擊敗競爭對手進入市場，而不是花費大量時間編寫定向測試，從而延長上市時間并仍可能導致漏洞逃逸。

VSO.ai是Synopsys.ai人工智能驅(qū)動的EDA套件這提高了整個EDA流程的效率，以應對市場需求增加的設計復雜性，減少人工勞動，并利用可在整個芯片開發(fā)過程中收集的可行見解。

要了解有關VSO.ai的更多信息，請注冊SNUG Silicon Valley 2024，參加由NVIDIA舉辦的技術會議:借助Synopsys VSO.ai、ICO和VCS-UNR公司減少人工工作量并實現(xiàn)覆蓋目標。