武林至尊，寶刀屠龍，號令天下，莫敢不從。江湖上的人往往都知道屠龍刀鋒利無比，但卻鮮有人知道里面暗藏的武林秘籍和兵法絕學，才是真正讓人可以依仗的寶物。
ChatGPT成為今年現象級的熱門應用后，一個說法也在行業里悄然流傳開——1萬枚英偉達A100芯片，是做好大模型訓練的入門級裝備。一時之間“洛陽紙貴”，AI芯片成為了大家眼中的“屠龍寶刀”。我們看到，大量抓住機遇的人，不僅投身大模型產品，還有一部分負責給“掘金人”賣鏟子。
“ 那么問題來了：
支持大語言模型的AIoT系統，
設計難度在哪?
該怎么做設計驗證?
藏在“屠龍刀”里面的秘籍究竟是什么?”
過去的AIoT，通常指的都是帶低算力的端側小芯片，但是隨著類似ChatGPT的大語言模型全面得到應用，在端側AIoT芯片上部署需要幾十到幾百TOPS算力的LLM大模型也成為新的需求。但是新一代AIoT芯片要提高十倍到百倍算力，這不僅僅是堆砌算力那么簡單，需要從性能、互連、帶寬、接口進行全面的系統級規劃和設計。
新一代的AIoT芯片已經不是一個獨立的芯片個體，目前市場上的AIoT芯片幾乎都結合了CPU、GPU、FPGA和DSP等核心零部件。這就必然需要支持系統級芯片開發的EDA流程。
實際上，芯片設計廠商也意識到了這個問題。當制程工藝逼近極限，但人們對電子產品性能的追求還在不斷攀升時，壓力很快就傳導到了上游的芯片廠商。借助面向系統級的創新，提升芯片的終極性能表現，也成為大家的共識。
所以沒有任何分歧，無論從哪個維度看，大規模的系統級芯片設計由于場景豐富、系統規模不斷擴張，這一需求正在快速形成市場主流的大浪，涌向EDA工具并推動其不斷革新。
如何做好大系統芯片設計?
2023年7月13日至14日，備受期待的第三屆中國集成電路設計創新大會(ICDIA 2023)在無錫召開。作為國內領先的系統級驗證EDA解決方案提供商，芯華章受邀參加此次盛會，在“AIoT與ChatGPT”分論壇上針對大系統芯片設計挑戰，分享了自己的解決方案。
大系統芯片設計，首先要理解什么叫“系統”?對高性能AIoT、自動駕駛、高性能CPU和GPU等等復雜應用來說，系統意味著多節點互聯，每個節點都有自己的控制單元(如CPU)和計算單元(如AI、NPU)，每個節點都有自己的操作系統和應用軟件。毫無疑問，大系統是一個軟硬件一體化、多節點一體化的復雜平臺，但也只有把這整個平臺都在芯片流片前驗證通過，才能真正保證高性能復雜芯片設計的正確性。
因此，大系統芯片驗證，最直接的挑戰來自于規模龐大的系統級仿真。但困難遠不止于此，由“大”帶來的結構性挑戰，涵蓋了從驗證到調試的方方面面。而更大的設計本身往往意味著更長的時間、更高昂的成本、更慢的仿真性能，本質上也就意味著更困難的驗證。
在當下的技術和市場環境下，大系統芯片設計的驗證面臨三大共性難題，這些難題正是傳統的EDA工具所難以解決的痛點：
設計大，很大，大到放不下
從多核、Chiplet封裝、多節點到完整系統，復雜的驗證規模可以輕易達到百億甚至千億門，對驗證工具的容量提出了更高的要求，試想如果驗證平臺根本無法仿真完整的應用系統，又怎么能證明設計是完整正確的?但供數十億至數百億規模容量的驗證平臺，其性能、規模、可調試性又往往成為難以平衡的選擇。
驗證慢，很慢，難以收斂的慢
系統級規模不斷增大，系統級仿真在整個驗證的仿真流程中比例不斷增大，導致驗證團隊特別依賴性能和數量有限的硬件仿真系統，導致驗證慢的不僅僅是仿真速度，更是整個驗證工作的收斂速度和效率。
Debug難，很難，越往后越難
在如此復雜和大規模的系統級仿真上，調試就變成一個更加困難的問題。仿真平臺上觀察到的問題，到底來自軟件、芯片邏輯設計還是多節點互連?問題能否穩定復現?如何在多種仿真平臺的數據之間進行綜合分析?不解決這些問題，大系統的調試就會越往后期越難，最終影響整個項目周期。
我們似乎開始找到“屠龍刀里秘籍”的線索。作為最上游的輔助設計工具，EDA創新確實是提升系統級設計效率，降低創新成本的關鍵“鑰匙”。
芯華章資深產品與業務規劃總監楊曄表示，“單個IP的驗證需求在降低，SoC或單個chiplet級的驗證需求在不斷上升，因為這部分是客戶系統級創新的核心。然而在新場景的應用中，傳統的EDA工具在應對大容量、深度調試、多種驗證場景混合使用的時候，遇到各種效率挑戰。芯華章致力提供從軟件、硬件到調試的整體解決方案，特別是在大規模設計的系統級驗證、硬件驗證、架構驗證等方面，將為用戶提供全流程大系統芯片驗證解決方案。”
芯華章大系統芯片設計驗證解決方案的核心，是基于敏捷驗證理念，建立統一的EDA數據庫，打造從IP到子系統再到系統級的統一測試場景，提早開始系統級驗證，實現驗證與測試目標的高速收斂，進行高效率、高效益的快速迭代，從而助力芯片及系統公司提高驗證效率，降低研發成本。
芯華章針對大規模系統級芯片“量身打造”的敏捷驗證方案，已經在多個領域獲得具體項目部署。
針對自動駕駛應用芯片，芯華章高性能硬件仿真系統HuaEmu E1不僅有高性能仿真和深度調試，還提供了LPDDR5模型用于客戶內存仿真，提供CSI和DSI模型用于仿真自動駕駛系統的輸入和輸出，這些都超出了單顆芯片的范疇，是針對軟硬件一體化的系統方案進行仿真驗證。
為了解決原型系統和硬件仿真之間切換版本成本高，延長驗證周期的問題，芯華章發布的雙模硬件驗證系統HuaPro P2E則基于統一的軟件平臺和硬件平臺，可以在綜合、編譯、驗證方案構建、用戶腳本、調試等階段，能最大程度的復用技術模塊和中間結果，并使用統一用戶界面，從而實現原型驗證和硬件仿真絲滑的無縫集成，在節約用戶成本的同時，還能大大提高驗證效率。
傳統的軟件仿真工具以調試功能強大著名，但卻受限于仿真速度，不擅長處理系統級的大規模仿真驗證。基于芯華章自主研發的邏輯仿真器GalaxSim，芯華章GalalxSim Turbo實現多核、多服務器并行運算，可以實現1K-10KHz的復雜系統軟件仿真，從而可以在RTL階段提前進行系統級仿真。
拿到屠龍刀并不一定能號令天下，只有學會了刀里面的絕學才能真正成為“武林至尊”。
當“大模型”的路上人越來越多時，產業同樣也需要向上游追溯，進一步提升創新效率，在激烈的競爭中快人一步。作為芯片產品定義和創新的核心環節，隨著以系統級場景為代表的產業數字化需求迸發，EDA正從方法學、從底層架構開始這場自我革新。
