快訊

違反國安法!涉嫌勾結外國勢力 黎智英等7人在港被捕

英國河狸的永居權: 野外滅絕400年,可否重返大自然?

新型態競爭風雲起 EDA啟動AI晶片新戰場

圖一 : AI晶片的應用案例。(source: Graphcore、Bitmain及Mythic提供)
圖一 : AI晶片的應用案例。(source: Graphcore、Bitmain及Mythic提供)

【作者: 王岫晨】

AI將引導全世界走向工業革命以來,最大幅度的社會經濟革新。

相關廠商必須快速將運算晶片上市,來處理AI架構的全新挑戰。

這樣的需求正驅使EDA工具日新月異,便於開發更高等級的方案。

隨著AI技術的逐漸擴大應用,複雜性也不斷增加,人們越來越清楚地知道,AI及其許多工具(例如深度學習、機器學習等)都將再一次引導全世界走向工業革命以來,最大幅度的社會經濟革新。

儘管AI的使用,在道德層面上仍然存在著許多的爭議,但不可否認的是,儘管目前仍只是處於AI發展的初期,然而AI已被大量部署於許多不同的領域,用於改善並實現機器的自動化。從數據的收集、通訊、機械人技術、工廠自動化、汽車設計到IC設計產業,都可以見到AI的蹤影。特別是在IC設計的EDA領域,AI的應用案例更是不勝枚舉。

AI邁入自主系統時代

根據Mentor Graphics(明導國際)所發表的白皮書指出,正由於得益於最新的技術進展,AI現已進入自主系統的時代,讓人們可以擁有強大的能力,來處理運算密集的複雜任務。AI系統既便利又強大,可以用來解決全球面臨的各種重大挑戰。

AI系統包括三部分,超大資料集、資料處理演算法,以及用來處理資料的運算硬體。一般來說,AI系統必須要能夠快速地處理大量資料,才能實際發揮作用,而這就需要使用快速的運算能力。AI對於運算能力的需求,也催生了AI晶片(或者AI加速器)這個快速成長且充滿競爭的新市場。要在這個市場上領先群雄,就必須快速將晶片上市,並且透過設計與測試的解決方案,來處理AI晶片架構的全新挑戰。

提高AI運算效能

從Mentor Graphics的研究資料中可以發現,AI競賽的展開,使得AI運算的需求大增,每3.5個月便增加一倍,自2012年起至今,已經增加了300,000倍。接著來看這三家處理器廠商的案例,他們各自採用了不同的硬體技術,來滿足AI運算市場的成長需求。Graphcore與Mythic這兩家新創公司是以ASIC晶片的方式提供AI運算能力,其ASIC架構是以創新的大規模平行架構為基礎,能夠大幅提升AI系統的資料處理能力。至於Intel、AMD與Nvidia等處理器大廠,則是持續開發並最佳化現有的處理器架構,包括GPU、CPU以及FPGA等,使其能滿足AI系統的運算需求。

事實上,AI市場可以說相當活躍,目前已有超過50家新創公司以及25家傳統半導體大廠,都爭相搶食AI市場的市佔率。由於AI相關廠商的快速成長,使得市場競爭也日趨激烈。對這些廠商來說,產品的上市時間相當重要,因此設計流程中的每一個細節,包含IC測試與晶片調校等過程,都必須把『盡快將品質最好的晶片送到客戶手中』當作策略目標。

更快的AI晶片設計工具

大多數AI開發都是從數學演算法開始的。開發人員在數學工具中創建演算法,並將其轉換為C語言,然後在處理器上運行該演算法。在這樣的過程中,工程人員會發現演算法的某些部分能以最佳方式運行,至於其他部分則運行速度較慢。

圖二 : Tessent階層式DFT讓完整的DFT sign-Off能在設計階層架構的不同層級進行。(source: Mentor Graphics)
圖二 : Tessent階層式DFT讓完整的DFT sign-Off能在設計階層架構的不同層級進行。(source: Mentor Graphics)

因此,這樣的發現使得AI加速器的IP和晶片開發上出現了巨大的成長。工程人員可以強制某些演算法透過C語言的調整,使其在現有的ASSP架構上運行,但可能會降低性能和功耗。至於某些演算法則需要特別的邏輯性才能進行最佳運算,例如在行動設備上的ML演算。

AI晶片雖然可能有不同的架構,但通常有幾個關鍵的設計特性是共用的。通常AI晶片架構與測試要求對DFT實作策略會產生影響。無論使用的架構為何,AI晶片通常都具有以下的設計特性:

‧閘極數量達數十億的大型設計。

‧大量經過複製的處理核心。

‧分散的記憶體。

為特定應用程序開發正確的AI架構,這樣的需求也正驅使著EDA工具日新月異,讓相關廠商能夠開發更高等級的解決方案,現階段許多廠商都正嘗試開發用於AI的SoC,使得EDA廠商的相關業務也都出現了成長。

Mentor Graphics開發的Catapult HLS平台,讓AI架構師可以將開發完成的數學演算法轉換成為C或SystemC等語言,並預先瞭解如何透過軟體與硬體來達到AI演算的最佳結果,並將這些AI架構更完美地應用到即時的AI裝置上。

利用AI晶片的規則度

AI系統必須快速處理大量資料,這就需要使用快速的運算能力。這也催生了AI晶片這個快速成長且充滿競爭的新市場。

AI晶片通常具有大量相同的核心,利用AI晶片的規則度進行可測試性設計(DFT),代表DFT作業(包含測試插入、測試向量產生以及驗證等)只會在核心層級完成一次。然後經過sign-off的完整核心會自動進行複製,以完成晶片層級的DFT實作。Mentor Graphics表示,Tessent階層式DFT是相當理想的解決方案,除了能利用AI晶片的規則度,

【欲閱讀更豐富的內容,請參閱CTIMES雜誌 2020 年第 344 期6 月號】

2020年6月(第344期)來自邊緣的你:每個邊緣都是關鍵
2020年6月(第344期)來自邊緣的你:每個邊緣都是關鍵

相關新聞

技術生態兩極化趨勢確立 台灣IC產業擴大全球佈局

科技趨勢迅雷不及掩耳, 第一聲雷—AI! 第二聲雷—5G! 第三聲雷—中美貿易戰! IC設計如此風雲變幻, 比算力,比效能,比搶佔先機 部署環境成了關鍵。 雲端空間配置彈性、運算效能高速, 上雲,成了以光超越聲音的重要解方。

AWS王定愷:雲端服務為半導體與製造業帶來優勢

科技趨勢迅雷不及掩耳, 第一聲雷—AI! 第二聲雷—5G! 第三聲雷—中美貿易戰! IC設計如此風雲變幻, 比算力,比效能,比搶佔先機 部署環境成了關鍵。 雲端空間配置彈性、運算效能高速, 上雲,成了以光超越聲音的重要解方。

5G+AR慧眼加值應用 佐臻攜手中華電信拓展智慧眼鏡市場

科技趨勢迅雷不及掩耳, 第一聲雷—AI! 第二聲雷—5G! 第三聲雷—中美貿易戰! IC設計如此風雲變幻, 比算力,比效能,比搶佔先機 部署環境成了關鍵。 雲端空間配置彈性、運算效能高速, 上雲,成了以光超越聲音的重要解方。

實現電源管理客製化 伊頓首座電能品質實驗室正式啟用

科技趨勢迅雷不及掩耳, 第一聲雷—AI! 第二聲雷—5G! 第三聲雷—中美貿易戰! IC設計如此風雲變幻, 比算力,比效能,比搶佔先機 部署環境成了關鍵。 雲端空間配置彈性、運算效能高速, 上雲,成了以光超越聲音的重要解方。

匯稅雙殺 機械業者呼籲政府啟動防禦性貶值

科技趨勢迅雷不及掩耳, 第一聲雷—AI! 第二聲雷—5G! 第三聲雷—中美貿易戰! IC設計如此風雲變幻, 比算力,比效能,比搶佔先機 部署環境成了關鍵。 雲端空間配置彈性、運算效能高速, 上雲,成了以光超越聲音的重要解方。

NOR記憶體朝向高容量、低功耗、小尺寸發展

演算法的精進,使得端點運算力隨之提升, 這也使終端裝置的AI能力出現顯著的躍進。 目前邊緣運算多半著重於物聯網系統的需求, 然而運算資源日趨成熟並走向專業化, 加上資料儲存量的增加,使邊緣端功能日漸強大, 邊緣運算也成為幾乎所有產業和應用的主導要素。 許多雲端運算產品都紛紛轉向終端運算處理, 在未來,邊緣運算將在生活中扮演更關鍵的角色。

邊緣運算四大核心 實現海量資料處理的最佳佈局

演算法的精進,使得端點運算力隨之提升, 這也使終端裝置的AI能力出現顯著的躍進。 目前邊緣運算多半著重於物聯網系統的需求, 然而運算資源日趨成熟並走向專業化, 加上資料儲存量的增加,使邊緣端功能日漸強大, 邊緣運算也成為幾乎所有產業和應用的主導要素。 許多雲端運算產品都紛紛轉向終端運算處理, 在未來,邊緣運算將在生活中扮演更關鍵的角色。

新型態競爭風雲起 EDA啟動AI晶片新戰場

演算法的精進,使得端點運算力隨之提升, 這也使終端裝置的AI能力出現顯著的躍進。 目前邊緣運算多半著重於物聯網系統的需求, 然而運算資源日趨成熟並走向專業化, 加上資料儲存量的增加,使邊緣端功能日漸強大, 邊緣運算也成為幾乎所有產業和應用的主導要素。 許多雲端運算產品都紛紛轉向終端運算處理, 在未來,邊緣運算將在生活中扮演更關鍵的角色。

邊緣運算是實現智慧物聯應用的關鍵

演算法的精進,使得端點運算力隨之提升, 這也使終端裝置的AI能力出現顯著的躍進。 目前邊緣運算多半著重於物聯網系統的需求, 然而運算資源日趨成熟並走向專業化, 加上資料儲存量的增加,使邊緣端功能日漸強大, 邊緣運算也成為幾乎所有產業和應用的主導要素。 許多雲端運算產品都紛紛轉向終端運算處理, 在未來,邊緣運算將在生活中扮演更關鍵的角色。

邊緣運算需求引爆 軟硬體協同開發是最大挑戰

演算法的精進,使得端點運算力隨之提升,這也使終端裝置的AI能力出現顯著的躍進。 目前邊緣運算多半著重於物聯網系統的需求, 然而運算資源日趨成熟並走向專業化, 加上資料儲存量的增加,使邊緣端功能日漸強大, 邊緣運算也成為幾乎所有產業和應用的主導要素。 許多雲端運算產品都紛紛轉向終端運算處理, 在未來,邊緣運算將在生活中扮演更關鍵的角色。

熱門新聞

商品推薦

udn討論區

0 則留言
規範
  • 張貼文章或下標籤,不得有違法或侵害他人權益之言論,違者應自負法律責任。
  • 對於明知不實或過度情緒謾罵之言論,經網友檢舉或本網站發現,聯合新聞網有權逕予刪除文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。
  • 對於無意義、與本文無關、明知不實、謾罵之標籤,聯合新聞網有權逕予刪除標籤、停權或解除會員資格。不同意上述規範者,請勿下標籤。
  • 凡「暱稱」涉及謾罵、髒話穢言、侵害他人權利,聯合新聞網有權逕予刪除發言文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。