HPC高速發展給芯片開發帶來哪些挑戰？Cadence HPC 全系列解決方案

Cadence 的低功耗、3D-IC 和人工智能/機器學習 (AI/ML) 技術可支持超大規模計算的數據之旅——從存儲和傳輸，到傳感器和設備的數據處理要求；從近/遠邊緣處理，到本地云數據中心的工作負載優化計算。

新一代電子系統將顯著影響我們的日常生活。從智能汽車應用、網絡連接，到智能家居安全和防護領域，航空航天和國防，乃至醫療等更多領域，這些和我們日常生活相關的一切都是互聯的。它們在邊緣運行的大量傳感器生成了海量數據。

我們要如何傳輸、處理、分析和存儲這些數據？同時確保數據安全無虞？

答案就是采用高性能計算（High Performance Computing，簡稱HPC）。

關于高性能計算

高性能計算（簡稱HPC）是一項進行高速計算和數據處理的技術。HPC作為計算機科學的一個分支，研究集群架構、并行算法和相關軟件基礎，通過分布式計算實現單臺計算機無法達到的運算速度。

算力是高性能計算的第一要素,要達到每秒萬億次級的計算速度，對系統的處理器、內存帶寬、運算方式、系統I/O、存儲等方面的要求都十分高，在滿足算力的同時，低延遲、低功耗和數據的安全性也是行業關注的重點。

高性能計算中，計算、存儲、網絡三個部件不可或缺：

計算中心：

高性能CPU+GPU相結合，是發展高性能計算的基石。

網絡中心：

計算服務器通過網絡連接到一個集群，軟件程序和算法同時在集群中的服務器上運行。集群通過網絡連接數據存儲。

存儲中心：

要以最佳性能運行，每個組件都必須與其他組件保持同步，存儲組件必須能夠在處理數據時盡快將數據饋送和載入計算服務器。

如今，高性能計算現已邁入百億億次時代， HPC、云計算、AI技術的相互融合，使得數據價值能夠被更充分地挖掘。各個新興行業應用的發展引起數據量激增，給芯片開發領域帶來了諸多挑戰。

如何應對數據大爆發

• 在針對數據中心服務器的CPU需要增加更高的計算密度。

• 在芯片架構方面需要利用多die互聯，提供更多對外接口。

• 使用小芯片（Chiplet）和 2.5D/3D-IC 封裝來解決設計尺寸接近或超過光罩尺寸導致的良率問題。

如何應對更高的存儲需求

• DDR5/HBM2e內存處理

• PCIe Gen6/CXL2.0/UCIe高速接口

▼▼

此時，Cadence 在計算軟件領域超過 30 年的專業技術積累和多年與客戶密切合作的經驗便派上了用場。

針對上述挑戰，Cadence提供設計、驗證、實現的各個環節的解決方案，幫助客戶優化適用于超大規模應用的 IP、芯片和系統。提供行業領先的虛擬云計算、快速的驗證引擎以及智能的驗證應用，讓客戶以低成本在短時間內找到并修復更多漏洞。解決針對SoC芯片架構復雜度增加帶來的芯片設計挑戰。

針對SoC芯片架構復雜度增加帶來的芯片設計挑戰Cadence Design IP提供高性能、低延遲的網絡基礎設施和存儲解決方案:

-40G UltraLink D2D PHY

-112G-XSR PAM4 IP

-UCIe? PHY and Controller

-DDR/LPDDR/HBM Phy and Controller

針對SoC設計規模超大帶來的芯片驗證效率降低，Cadence 提供更快的仿真速度、更大的設計容量：

-Xcelium MC/ML 

-Dynamic Duo(Palladium/Protium)

針對SoC系統級性能分析以及軟硬件協同驗證挑戰，Cadence 提供：

-System Performance Analyzer分析和解決系統性能瓶頸

-Helium virtual platform提供由軟件驅動的軟硬件協同驗證

針對邊緣計算的低功耗和熱需求:

-Palladium DPA.

-Xcelium Powerplay back

-Joules + Innovas power analysis and optimization

針對從邊緣到云端的數據中心及IoT應用:

-SBSA提供Arm System Ready架構認證解決方案

針對計算密度增加帶來的芯片規模超出光罩尺寸：

-Cadence Integrity 3D-IC平臺

Nvidia與Cadence合作應對超大規模SoC芯片設計和驗證的巨大挑戰

NVIDIA作為GPU的發明者和人工智能計算的引領者世界上最大的SoC芯片的締造者之一，隨著芯片和系統復雜性的增長，NVIDIA需要利用與時俱進的硬件仿真技術來應對芯片、系統和軟件方面的挑戰。

Cadence 的Palladium Z2 和 Protium X2（系統動力雙劍Dynamic Duo）使得NVIDIA能夠將設計從硬件仿真加速器轉移到基于 FPGA 的系統，NVIDIA的工程師可以輕松、從容地從 Palladium 硬件仿真加速平臺轉移到基于 FPGA 的 Protium 系統。

NVIDIA的工程師現在可以在 4 個小時內，處理一個數十億門級的設計，對之進行編譯并創建一個硬件仿真模型，然后將其導入硬件仿真加速器，而在不久之前，完成同樣的過程還需要 48 小時甚至 72 小時，現在只需 4 個小時。這是硬件仿真技術領域的一項突破性技術。