9月1日，Cadence一年一度的CadenceLIVE China用戶大會成功以線上的形式舉辦，此次“CadenceLIVE China 2020”的主題為“釋放想象”，由主題峰會、12場技術分論壇和線上設計者展會組成，匯聚Cadence的技術用戶、開發者與業界專家，涵蓋從IP/SoC設計、驗證仿真、封裝和板級設計及系統分析全流程的技術分享。在主題峰會部分，嘉賓們從產業趨勢，到技術革新，發布了深度見解。
大會一開始，Cadence公司副總裁、中國及東南亞地區總經理徐昀表示，隨著科創板助推產業發展騰飛，優秀的半導體企業開始不斷走到臺前，中國一直是Cadence投資重地，本地化支撐是我們的服務宗旨，對中國半導體未來充滿信心。
Cadence公司副總裁、中國及東南亞地區總經理徐昀
Cadence公司CEO陳立武（Lip-Bu Tan）帶來了主題為《推動以數據為中心的革命》的演講，他表示，目前業內有5大技術潮流：5G、超大規模計算（Hyperscale Computing）、工業物聯網、自動駕駛以及AI，背后推動力則是芯片。大數據推動整個半導體行業的發展，包括數據收集、傳輸、存儲、處理、分析，需要各方面的創新，包括架構、設計EDA、IP以及整個生態的創新。
Cadence公司CEO陳立武
如今我們正在步入超大規模計算時代，一方面數據指數級上升，過去兩年時間產生的數據達到了約90%，其中非結構化的數據占到80%，只有低于2%的數據是被分析和處理的。另一方面，性能和延時需要滿足從端到5G固定無線接入，再到邊緣計算，以及后面的數據中心的各自需求。超大規模的資本投入也使得產業轉型成為可能，再加之受到從年初以來的疫情影響，人們的工作、生活、娛樂行為開始轉為線上方式，使得相關的資本支出將繼續增加。
截取自陳立武演講
陳立武表示，數據中心的革命正在推動產業多方面的需求以及技術創新，在數據處理方面，應用開始驅動系統設計，特定領域的加速變得非常重要，管理軟件堆棧也日益重要；在存儲方面，出現以內存為中心的計算，對延遲、帶寬、容量和成本有了更高要求，下一代存儲技術如PCM、MRAM、QVM、3D NAND需求旺盛；在數據連接方面，需要超高帶寬，市面上已經出現從12.8 Terabits到25.6 Terabits傳輸能力的方案，51.2 Terabits的方案明年也將出現；在數據分析方面，數據訓練需要大量的標記數據集，也需要對數據進行標簽和分析的新方法，此外啟發式函數和圖分析會有很大發展。
如此的時代大背景下，AI/ML、系統設計以及EDA的發展正在推動產業從設計到系統再到智能化的發展，因此，Cadence也成立了Intelligent System Design策略，其中包括整合EDA、系統設計和AI；貫穿整個設計的智能化；以計算軟件為基礎；系統、硬件、軟件的協同優化；跨多個系統域。
截取自陳立武演講
摩爾定律速度的放緩，設計成本的不斷增加，行業內開始探索新的突破口，其中異構集成、SiP、Chiplets等都實現了創新，陳立武表示，Cadence可以在3D封裝方面提供完整的設計解決方案，尤其擅長混合融合設計。
在演講期間，陳立武透露Cadence大力投資了Green Hills公司，加強了在安全嵌入式方面的投入，進一步完善Cadence智能系統設計的策略，幫助客戶設計更優質的芯片以及更快的上市時間，滿足不同需求。
在云服務方案，給客戶不同應用方式，目前有125家大小公司在使用Cadence的方案，其中包括臺積電、三星等客戶。目前，Cadence的工具可以在云上操作。
Cadence公司總裁Anirudh Devgan博士的演講主題為《計算軟件驅動智能系統設計》。Anirudh Devgan表示：“未來十年，科技將驅動更多的計算軟件、更多的數據分析以及更多的數學軟件。無論是EDA還是AI系統方面，Cadence的軟件都處于非常有利的位置。”
Cadence公司總裁Anirudh Devgan博士
其中，驗證芯片和系統是一個非常大的問題，據Anirudh Devgan介紹，Cadence的客戶運行了非常多的驗證和仿真加速周期，其中CPU核心是10的13次方，GPU設計是10的15次方。如果運行10個15次方的周期，對于芯片驗證來說是非常龐大，但永遠不知道什么時候是足夠的。
截取自Anirudh Devgan演講
隨著時間推移，在軟件和硬件驗證需求會越來越大。Anirudh Devgan稱“我們使用了多個引擎，包括仿真器，形式驗證引擎，使得每個引擎性能達到一流。”
當然，一流的引擎遠遠不夠，背后的計算運籌也值得思考，它決定了使用更好的不同引擎的程度，以及驗證解決方案的整體有效性。在驗證中，計算運籌使用數學算法來管理不同的引擎，并知道什么時候使用什么。
在回歸測試例子中，過程中包含了大量的驗證仿真，那么回歸測試的有效性決定了整體驗證的有效性。Anirudh Devgan表示Xcelium ML使用了機器學習，來提高整體回歸和驗證的吞吐量。運行Xcelium ML可以獲得相同的驗證覆蓋率、相同的設計覆蓋率，但速度加快了5倍。
截取自Anirudh Devgan演講
Anirudh Devgan介紹了Cadence驗證方案的另一亮點——Palladium硬件仿真加速器和Protium原型驗證平臺的動態組合，Palladium是SoC調試中最好的引擎。而Protium在軟件調試方面堪稱一流，運行速度比Palladium快得多，兩者結合就有兩個相同的前端，因此可以非常容易的從硬件驗證過渡到軟件驗證，這種組合對客戶非常有益。兩者的使用多少取決于客戶的靈活調整。
截取自Anirudh Devgan演講
在數字實現設計方面，Anirudh Devgan回顧了Cadence的產品——Innovus，Genus，Tempus，Quantus。最早的產品追溯到2013年，期間，Cadence的目標是提供一個完全的整合方案。當工藝節點走到16nm、7nm以下，引擎需要被完全整合，Cadence需要持續提供最好的PPA產品（功耗、性能和面積）。
而數字全流程的關鍵技術就是運用ML，當客戶設計他們的芯片時，他們并不是只運行一次這些工具。工具一次次被運行，使用者在運行中獲得知識，然后將其轉換到下一次運行中進一步優化，這是過去幾十年常規設計過程。只有使用機器學習，它提供精確的框架，將之前的知識應用到下一次運行中，Anirudh Devgan稱之為非常強大的轉變。不僅運行一次，而且從一次運行到下一次運行知道怎樣優化。使用ML是一個強大的科技，來對設計規格進行更有效的搜索，它將會在工具中找到最佳的選擇，最好的流程，供客戶使用。
截取自Anirudh Devgan演講
在3D-IC方面，“我們正在努力使Allegro與Innovus和Virtuoso結合，這就是IC設計實現系統以及封裝實現系統，為客戶提供一個整合的方案。” Anirudh Devgan表示，“Cadence處在一個特殊位置，作為僅有的能真的無縫整合先進封裝和IC設計的公司，在這上面，我們正在加入許多分析工具。產業正在發生巨大的變化，Cadence正在大量投資，為客戶提供正確的方案。”
截取自Anirudh Devgan演講
Anirudh Devgan還提到一項收購案，即收購InspectAR，一款增強現實的平臺。“第一次進入增強現實領域，從Allegro平臺開始服務Allegro用戶，我相信增強現實能真的幫助PCB和封裝設計。”
“AR是一個特殊的價值點，正在飛速發展，但還沒有應用在EDA設計工具以及系統工具中，但我們覺得這是應用AR到Allegro和SoC產品的絕好機會。”
在《大芯片量產，硬科技落地》的主題演講中，燧原科技CEO趙立東做開場白：“2020年已過大半，充滿了機遇與不確定性，本著做大芯片，拼硬科技的初心。”
燧原科技CEO趙立東
從英偉達市值超過英特爾這一標志性事件來看，趙立東表示：“英偉達憑借著在AI領域的龍頭地位和重倉押注數據中心，這也是燧原定位的市場，說明我們戰略方向是正確的，在互聯網、垂直市場和新基建三個方向積極拓展業務，以技術創新和業務盈利雙輪驅動業務發展。”
從具體產品來看，據燧原科技COO張亞林介紹，燧原科技DTU云端訓練芯片系統的架構是GCA（General Compute Architecture）架構，在以往，AI的通用架構是GPU，隨著時間發展與技術迭代，英偉達和AMD不再把GPU作為加速手段，而是把游戲加速卡與AI加速卡分開。
燧原科技COO張亞林
張亞林表示：“燧原科技一直遵循最先進的架構設計原則，在DTU云端訓練芯破系統里，完全通用化了計算系統，其中囊括四個模塊：通用計算引擎、通用數據引擎、通用智能互聯和通用編程模型。”
其中，通用計算引擎負載AI計算部分，可以進行全數據精度的計算，同時內置特定加速器對點/向量/矩陣運算，還有內置核心對超越函數加速，同時支持多線程和多核心同步。通過數據引擎對L1/L2/L3分布式存儲，且內置計算部分，還是指令驅動的數據流，對帶寬/能耗進行深度優化，以及稀疏處理。在通用智能互聯部分，內置了強大互聯引擎，構建2D Mesh的拓撲結構，也支持定制拓撲結構，燧原分布式運算支持多機多卡部署。在通用編程模型上，充分設計自己編程語言，對計算流和運算核心進行高效編程，也支持自動算子生成和融合。
具體規格來看，云燧T10支持20TFLOPS的在FP32的單卡算力，以及80TFLOPS在BF16的算力，支持PCIe 4.0互聯，最大功耗225W。涵蓋了人工智能大部分場景，計算機視覺、語音、自然語言處理、推薦、強化學習等復雜模型訓練。
此外，云燧T10-Matrix是一個面向數據中心的人工智能訓練集群系統，目前已完成大規模部署的互聯網數據中心的商用集群系統（可擴展到千卡規模）。
“大芯片的設計難度比小芯片是指數級上升，挑戰主要在芯片、板卡、服務器以及軟件上。”張亞林表示大芯片的量產并不是觸手可得，芯片端需要保證可靠性、在性能/頻率/電壓調協下保持性能、良率、功耗/散熱；板卡端要保持可靠性、信號完整性、良率、功耗/散熱問題；服務器方面，需要進行兼容性測試、壓力測試、質量認證以及系統工具；軟件端，需要考慮可靠性/穩定性、靈活的編程模型和開發接口、多模型覆蓋以及完整工具鏈。
真正的大芯片量產，硬科技落地要走過非常長的路，其中架構完成只是完成5%，流片完成只進行了20%，芯片點亮完成了30%，芯片功能測試完成只是達成了50%，此后還要從芯片、板卡、服務器、軟件等多方面保證，才能確保最終的大芯片量產。
最后，張亞林表示，大芯片是中國挺起科技脊梁的必要方向，我們需要實現真正的業務落地和算力普惠，為中國的科技界帶來更多更好的解決方案，實現整個人工智能規模化的應用，這才是當下科技時代應該做的東西。
亞馬遜網絡服務副總裁、Annapurna Labs聯合創始人/ CTO Nafea Bshara演講主題為《云計算和工業合作如何幫助改變芯片開發的曲線》，演講一開始，Nafea Bshara從一款芯片產品說起。
亞馬遜網絡服務副總裁、Annapurna Labs聯合創始人/ CTO Nafea Bshara
幾個月前，亞馬遜發布了第二代自研服務器芯片Graviton2，基于ARM架構自研的第二代服務器處理器芯片Graviton2，相比1代Graviton，Graviton2的性能提升7倍。在此前的發布會上，亞馬遜還將其與配備Intel至強鉑金（最高3.1GHz）的第五代實例進行對比，單核心性能全面領先。
截取自Nafea Bshara演講
也因為此，外界對Annapurna Labs的關注度不斷提高。據Nafea Bshara介紹，Annapurna Labs成立于2011年，專注于IT基礎設施，起初是一個非常小的團隊，資本也不是很多。隨著市場的炒作，人們開始關注云計算的初創公司，但在2011年，人們對云計算的關注度還不是很高。
資料顯示，2015年時，Annapurna Labs與亞馬遜進行了合作，亞馬遜推出了EC2 C4實例系列。除了將網絡虛擬化裝載到定制硬件之外，這些實例還得到了為存儲服務優化的ASIC的支持。隨后是收購讓亞馬遜如虎添翼，不斷在服務器芯片上有自己的動作。
Nafea Bshara表示，半導體行業有一個獨特的產業鏈，囊括EDA、IP、代工廠、封裝等，而芯片設計又是一個高風險的業務，依賴于全球技術和供應商的支持。
此外，芯片的開發還遵循著開發成本、價值時間、工程人員不斷指數級增長的規律。起初亞馬遜采取與Arm等合作伙伴合作的方式，來進入到市場，并從18個月內完成從0到投產的目標。隨后困難接踵而至，先進工藝的追求開始影響亞馬遜的突破。Nafea Bshara表示，此時的亞馬遜開始思考如何通過強大的工具來制定計劃和降低成本，與此同時，亞馬遜開始與Cadence緊密的合作。
截取自Nafea Bshara演講
Nafea Bshara聲稱，利用Cadence JasperGold，通過形式驗證是提高質量的關鍵所在，而這也是亞馬遜提高芯片質量和工程生產率的最佳工具，同時可以優化上市時間以及降低開發成本。整體來說，在完成關鍵任務所需的時間上縮短了10倍以上。
此外，使用亞馬遜Graviton2可以處理大部分的EDA工作負載，據Nafea Bshara介紹，從2016年-2017年推出的R4到2020年的R6g實例來看，AWS最新的Graviton2在R6g上的實例，比前一代R5上英特爾的芯片提高20%運算速度，以及20%的功耗降低。從2017年到2020年的進化來看，整體運算速度提高了44%，功耗優化了89%。
從基于云的EDA開發趨勢來看，有了質的轉變，曾經需要考慮服務器購買、服務器更新、購買怎樣服務器的抉擇。如今基于云的EDA開發，可以挑選最理想的服務器，對產品上市和IT成本有了很大優化，團隊擁有自己的預算并且開支受到監控，更可以在預算之內選擇更多服務器，最后還有安全監控、管理、存儲/備份等服務。
作為集成電路產業上游的領軍企業，Cadence在過去30多年見證了全球半導體的技術創新和產業發展。如今，數據的爆炸式增長正在助推數據中心的革命，而軟件工具在背后支撐起整個產業鏈的健康快速的發展，一場軟件創新時代已經來臨。