EDA与云平台

rockeric.com

Semiconductor Engineering最近与相关公司讨论EDA工具迁移到云中的问题,与会人员包括ANSYS产品管理总监ArvindVel,Cadence产品管理副总裁MichalSiwinski,DellEMC产品营销经理RichardPaw,西门子业务Mentor产品经理GordonAllan,Metrics的总裁兼首席执行官DougLetcher,OneSpinSolutions的技术营销顾问TomAnderson,Plunify业务发展副总裁KirvyTeo。以下是该对话的摘录:

SE:今天,仍有一些工程团队不在云平台工作。他们该如何实现这一点?有什么步骤,或者需要什么思想上的转变?

Paw这取决于他们的设计环境是如何配置的。熟悉云计算的功能,并对工具如何与基础设施交互有经验的IT人员,能够更容易地实现这一转变。今天,仍然有很多事情需要公司自己来完成。随着工具和流程的发展,这些事情将随之进行。但这取决于你是否有IT人员知道该怎么做。新的工具出现,其中包含许多必要的东西,但是传统的工具仍然需要一些知识才能把它们移植过来。

Letcher这是一个很好的机会,特别是对于那些没有内部CAD团队的公司而言。

Siwinski这又回到了三类客户身上。有些人没有基础设施,对他们而言建设基础设施很昂贵,因此初创公司和小公司会选择这么做。对于已经有一定程度的云使用的客户来说,他们的IT组织已经有了一些在云上工作的经验,所以只需要让他们将其经验投入到IC设计验证中去。第三种公司是即将准备这么做的公司,他们需要在思想上实现飞跃。

Teo最近,我们会见了一位日本大客户。他们与AWS达成协议,在云端完成部分工作。我们得到的关键反馈是,这并不容易。这些工具并不是为了进入云端而构建的。因此,即使对于已经接受了云的客户来说,仍然需要一些工具来简化它。

Siwinski我们都需要提供云就绪和云认证的产品。不同的架构,不同的验证,不同的安全检查,不同的许可——这些工作必须全部都完成。我们所有人都有责任提供这些云就绪产品和流程,而不是让客户自己解决这些问题。

Vel同时也有第三方云服务提供商,它为您提供全球AWSes和Azures,然后是整个第三方基础设施,其中包括将会进入并使你的EDA工具在AWS上运行的公司。它们可以让云通过一个平台与客户进行对话。这些是为那些没有IT基础设施的人准备的。

Paw即使是大公司也可以使用它们。EDA工具并不是为云端设计的。云更关注基于web的应用程序。EDA工具可在数据中心内部工作。它们是不同的架构。有些顾问花时间去理解他们,知道如何让它发挥作用。至少在很短的一段时间内,那些帮助你实现转变的人将会很有价值。这将有助于所有工具达到他们在云中正常工作的程度。

Vel即使是一些非常大的公司,他们说他们拥有专门的IT团队,并想要进入云,仍然在努力应对云爆发和云计算,以及运行工具的真正意义——确保许可协议到位,知识产权保护等。他们正在问我们该如何去做。

Siwinski当你意识到云本身并不是目的,而是达到目的的一种手段时,它就变得更容易了。你只需要迈出这一步。我们的大多数客户已经或即将这样做。

 

Paw但是你为什么想去那里?为什么要去那里?是因为云本身,还是因为你有特定的需求。不是每个人都能在云端。我并不认为绝大多数人会在云计算上有所作为。但是,根据规模、需求和偏执程度,你在云端投入的数量会有所不同。

Teo诸如结果质量之类的东西,需要深入分析,就是你在云端所做的事情。仿真和验证流已经存在很长一段时间了,人们知道他们使用的核心越多,运行的速度就越快。但是你需要额外推动。只是上传编译很好,但并不酷。如果你能用云来预测某件事、某个问题,那么它就会变得很酷。你也有一个卖点。虽然FPGA的规模要小得多,但同样的问题也适用。

Letcher最终,这是为了确保你的员工更有效率。验证是一个瓶颈,它不仅占用了最多的计算资源,还占用了大量的人力资源,占用上市时间。他们希望可以减少这种情况。云可以做更多的事情,而不仅仅是计算。它可以提供一个更协作的工作环境。是的,您也可以应用机器学习和大数据,但即使是在更简单的层面上,云也可以提供更好的工作环境,并为项目提供可见性。

Siwinski云变成了一种灵活的手段,这有助于解决问题。

SE:EDA公司应该做些什么来更轻松地过渡到云?

Siwinski之前,我们已经提到了其中的一些内容。首先要确保它们是已架构的,以便它们可以进行云端准备。这对不同公司意味着不同的事情,但这至少意味着你理解你想要运行的架构,了解你的产品的架构,确保它不是一个遗留的架构,然后你就能理解它的含义。它将如何沟通?它将如何处理延迟和安全性?这些是真正的工作上的问题。我们需要确保在开发所有的工具的过程中都能理解这一点,然后作为一个行业,我们将在技术方面和业务方面引入标准化的术语。然后它就变成了我们做的另一件事。

Paw您提到有EDA公司在商业模式方面取得进展,而许可是过去遇到的最大问题之一。你如何授权,如何收费呢?但是你也可以开始研究如何处理数据。将数据放入云中,这相对便宜。在云中展开数据,这也相对便宜。但从云中提取数据时,它确实非常昂贵。那么,如何设计一个工作流,在这个工作流中,你不需要把太多的数据回收。

Letcher对于某些工具,您可以使用远程机制在适当的位置查看该数据。

Paw这些都是所能想到的常规技术问题之外的事情,但也是必须考虑的问题。当数据位于数据中心内部时,您可以访问所需的任何内容,但是当它位于云中时,将数据回收会变得非常昂贵。

Siwinski正如你所说,客户已经有了这种混合思维,而且大多数EDA供应商已经了解情况——甚至在我们谈论云之前,我们的客户已经拥有私有云并且正在使用第三方供应商。我们可能不知道它们,但它正在发生,所以我们必须将其视为需求。

Paw对,它已经发生了15年。

 

Letcher这也是验证非常适合的一点。对于典型的回归测试,您将少量代码推送到云中,运行大量回归模拟,然后产生一些错误,你可能需要回收,或者你甚至可以把少量的数据回收很可能99%的东西都通过了,你可以忽略它。

Paw如果通过你就不必在乎了。

Letcher对,你只需要他们传递数据而不是结果。

Anderson即使是失败的地方,您也希望增加云中执行的分析量。

Paw这是第二步。第一步是工具的行为方式。

Siwinski:工具和特定用途模型。一些使用模型对云的使用是友好的,但是有些使用模型却不是这样。

Paw这包括那些涉及GDSII文件的工具。

 

Siwinski完全正确。作为EDA和云计算供应商,我们需要做得更好,确保我们的客户理解这一点。现在,不了解会造成一定程度的担忧,这是不合理的。我们有知识,我们需要把它作为一个产业来分享。

Allan对于科技行业来说,考虑构建与购买是一种自然的发展,但要进一步思考,并考虑构建、购买与租赁。如果你想要模拟一个城市,想象一下在短时间内租一个这么大的东西来得到你需要的答案。如果我们使我们的工具能够参与到这个模型中——OpEx而不是CapEx——那么我们就可以改变经济学。

Letcher如果您正在查看具有10万个节点的数据中心,为什么会出现排队等待模拟以及让资源或人类等待数据的事情。这些数据中心有50个。仿真似乎也在转向云端。

Siwinski这是处理验证挑战的另一种方式。它不是关于技术,而是您试图解决的问题。所有这些都是同一挑战的一部分。

 

Allan想象一下,你上传你的设计到云端,你不知道它是在软件模拟还是模拟器上运行。有了云,我们就可以探索新的平台了。我们正在开发对Arm架构的支持,并且它具有适合模拟的良好内存带宽。这为那些不愿投入大量服务器资本的公司提供了新的平台。

原文来自Semiengineering “EDA In The Cloud”

发表评论

邮箱地址不会被公开。 必填项已用*标注

陕ICP备18003383号-1