확장성과 효율성에 대한 약속으로 전자 설계 자동화(EDA)의 클라우드로의 마이그레이션이 가속화되고 있습니다. 무제한의 주문형 컴퓨팅 리소스는 도구와 작업 부하가 더 이상 현지화된 하드웨어에 의해 제한되지 않는 칩 설계 패러다임을 근본적으로 변화시킵니다.

그러나 이것은 말처럼 쉽지 않습니다. 기존 도구와 인프라를 최적화하여 차세대 도구를 만듭니다. EDA 기본적으로 실행되는 애플리케이션 클라우드, 개발 스택 전반에 걸쳐 고급 AI 기능을 통합하는 것은 EDA 공급업체와 칩 회사 모두에게 쉽지 않습니다. 칩 제조업체는 특정 요구 사항에 맞는 흐름과 맞춤형 도구를 개발했습니다. 해당 사용자 정의 중 어느 정도가 클라우드로 전달되는지에 따라 온프레미스에 유지할 도구와 워크로드가 결정될 수 있습니다.

이러한 고려 사항에는 기능, 요구 사항 및 실리콘 설계 전략에 대한 철저한 평가가 필요합니다. 그러나 칩 설계가 점점 더 이질적이고 복잡해지고 파티셔닝이 작업 부하에 더욱 특정해짐에 따라 설계의 적어도 일부 측면에서는 결과 도출 시간을 가속화하고 고도로 혁신적이고 민첩한 상태를 유지하기 위해 클라우드 리소스가 필요하다는 인식이 커지고 있습니다. 경쟁 시장.

클라우드에서 EDA 관리
대부분의 대형 칩 회사는 하이브리드 모델을 채택하여 일부 EDA 도구와 워크로드를 내부 IT 팀이 관리하는 클라우드로 전환했습니다. 한편, 많은 실리콘 스타트업은 고가의 온프레미스 도구에 투자한 적이 없으며 대신 엔드투엔드 클라우드 기반 EDA를 선택합니다. 이러한 회사의 경우 칩 설계 프로세스의 모든 단계(설계, 검증, 디버그, 테스트)가 전적으로 공급업체 관리 클라우드에서 이루어집니다.

클라우드 제품 관리 및 GTM 전략 책임자인 Vikram Bhatia는 "클라우드에서 태어난 고객이 아주 많습니다."라고 말했습니다. Synopsys. “어떤 유형의 EDA도 수행할 수 있도록 설정된 온프레미스 하드웨어 리소스가 없습니다. 그들은 클라우드에서 모든 작업을 수행합니다. 그리고 클라우드 제공업체 데이터 센터보다 더 큰 규모의 온프레미스 데이터 센터를 보유한 고객도 있습니다. 클라우드도 사용하고 있지만 요구 사항이 약간 다릅니다.”

이러한 대규모 고객은 EDA 공급업체가 관리하는 클라우드 인스턴스의 이점을 누릴 수 있는 특정 워크로드나 프로젝트를 보유하고 있을 수 있습니다. Bhatia는 "몇 시간의 설정 시간만 있으면 몇 주 안에 신속하게 시작하고 실행할 수 있으며 필요한 작업만 수행할 수 있습니다"라고 말했습니다. “몇 가지 워크로드를 빠르게 실행할 수 있습니다.”

그럼에도 불구하고 클라우드에서 설계의 상당 부분을 개발하는 대형 칩 회사의 비율은 상대적으로 적습니다. 주요 실리콘 공급업체는 자체 클라우드 EDA 운영을 최적화하기 위해 광범위한 예산을 투자합니다. 이와 대조적으로, 소규모 실리콘 스타트업과 심지어 중간 규모 기업도 특정 워크로드를 수용하기 위해 도구와 인프라를 동적으로 최적화하는 공급업체 관리형 턴키 클라우드 인스턴스를 선호할 수 있습니다.

클라우드 비즈니스 개발 담당 부사장인 Mahesh Turaga는 "많은 기업이 새로 시작하기 때문에 레거시 인프라 데이터 센터가 없습니다."라고 말했습니다. 운율. “중간 규모 기업은 어느 정도 데이터 센터 용량을 갖추고 있지만 충분히 빠르게 확장할 수는 없습니다. 따라서 이들은 모두 '클라우드에서 이 작업을 수행할 수 있는 턴키 환경을 제공할 수 있습니까?'라고 실제로 말할 수 있는 이상적인 상황입니다. 대기업은 이미 막대한 양의 데이터 센터에 투자했지만 피크 사용량 요구 사항을 해결하기 위해 자체 환경에 클라우드를 도입하고 있으며 이를 고객 관리형 클라우드에서 수행하는 경향이 있습니다.”

규모가 있는 모든 회사는 자체 데이터 센터에 수년간 투자해 왔기 때문에 대규모 고객이 반드시 EDA 공급업체에서 관리하는 소프트웨어를 찾는 것은 아닙니다. “로그인만 하면 브라우저를 통해 기능에 액세스할 수 있는 보다 전통적인 SaaS처럼 생각한다면 수백 명의 엔지니어와 전 세계적으로 활동하고 있는 여러 프로젝트를 수행하는 대기업에게는 매력적이지 않습니다. "라고 클라우드 솔루션 부문 부사장인 Craig Johnson은 말했습니다. 지멘스 EDA. “이러한 고객은 스스로 클라우드로 전환하고 있습니다.”

관리형 클라우드 제품은 대규모 설계 팀과 온프레미스 인프라가 부족한 소규모 기업에 적합한 선택입니다. Johnson은 “실리콘 분야의 스타트업이라면 설계자와 검증 전문가가 참여하지만 백엔드 인력이 항상 확보되어 있는 것은 아닙니다.”라고 Johnson은 말했습니다. “일부 회사에서는 백엔드를 ASIC 제공업체나 레이아웃을 담당할 사람에게 아웃소싱하지만 프로젝트 요구 사항은 1~2년에 걸쳐 변경됩니다. 그럴 때 유연한 올인원 패키지가 큰 의미를 가질 수 있습니다.”

최적화된 도구와 클라우드 기반 EDA 도구 비교
EDA 공급업체는 클라우드에서 도구를 지속적으로 최적화하여 엔드투엔드 칩 설계 워크플로를 간소화합니다. 동시에 그들은 고객과 긴밀히 협력하여 새로운 클라우드 기반 EDA 도구를 개발합니다. 기존의 리프트 앤 시프트(또는 포팅 및 최적화) 대신 이러한 도구는 새롭고 유연한 라이선스 모델을 제공하며 클라우드 네이티브 워크로드, 라이브러리 및 파일 구조를 수용할 수 있는 특수 사용자 인터페이스(UI)를 제공합니다.

그러한 예 중 하나가 Metrics Design Automation이 Kubernetes 기반 SaaS로 제공하는 DSim Cloud입니다. Metrics의 회장인 Joe Costello는 “로그인하면 바로 사용할 수 있습니다.”라고 말했습니다. “저는 기계와 데이터를 어디에 보관할지, 어떻게 처리하거나 저장할지 관리하는 것에 대해 전혀 걱정할 필요가 없습니다. 1초 동안 천 대의 컴퓨터를 사용하든, 천 초 동안 한 대의 컴퓨터를 사용하든 상관없습니다. 라이센스가 아닌 분 단위로 요금이 청구됩니다. 이것이 바로 우리의 접근 방식이 지금까지 EDA에서 사람들이 해왔던 방식과 근본적으로 완전히 다른 이유입니다.”

또한 DSim Cloud의 UI는 기존 온프레미스 도구에서 이식된 것이 아니라 상향식으로 구축되었습니다. 이 클라우드 네이티브 접근 방식은 최신 버전의 Windows에서 Informix-4GL 또는 FoxPro를 실행하는 것과 비교할 수 있는 실망스러운 사용자 경험을 제거합니다.

Costello는 "결과를 보고 싶을 때 거대한 파형 파일을 컴퓨터에 다운로드할 필요가 없으며, 이를 분석하고 변경하는 데 시간과 에너지를 쏟을 필요가 없습니다."라고 말했습니다. “클라우드, IDE 스타일에서 모든 분석과 디버그를 수행할 수 있습니다. 이는 더 간단하고 깨끗하며 쉽습니다. 결국 하드웨어 설명 언어는 소프트웨어입니다. 그래서 그런 환경이 훨씬 더 의미가 있습니다.”

그림 1: 클라우드에 제출된 작업에 대한 실시간 파형 시뮬레이션 결과를 보여주는 DSim 클라우드 인터페이스 디스플레이. 출처: 지표

그러나 클라우드 네이티브 EDA 도구를 개발하는 것은 기존 라이센싱 모델과 이에 필요한 광범위한 인프라 변경으로 인해 여전히 업계의 과제로 남아 있습니다. “핵심 클라우드 인프라를 다시 작성해야 합니다. Kubernetes 기반이어야 합니다.”라고 Costello는 덧붙였습니다. “클라우드 지향으로 만들려면 사용자 인터페이스를 다시 작성해야 합니다. 그것은 힘든 작업이지만 로켓 과학은 아닙니다.”

실제로 대부분의 EDA 애플리케이션은 전통적으로 C 또는 C++와 같은 하위 수준 언어로 작성되었으며 온프레미스 성능에 최적화되었습니다. "알고리즘 자체는 컴퓨팅 집약적이며 병렬로 실행되는 프로세스, 순차적으로 실행되는 프로세스, 할당할 메모리 양을 매우 세밀하게 제어할 수 있습니다"라고 Siemens의 Johnson은 말했습니다. "이 모든 것이 애플리케이션 수준에서 매우 엄격하게 제어됩니다. 클라우드에서 처음부터 시작하면 모든 알고리즘과 소프트웨어를 다시 실행해야 하며 본질적으로 엔지니어링 팀의 규모를 두 배로 늘려야 합니다."

대부분의 클라우드 네이티브 애플리케이션은 단순히 기능을 반복하지 않는 영역에서 등장할 가능성이 높습니다. 예를 들어 Siemens EDA 포트폴리오에는 PCB 개발 팀을 전자 부품 에코시스템에 연결하는 PartQuest와 협업을 간소화하기 위한 Connect for PADS Professional을 비롯한 다양한 클라우드 기반 애플리케이션이 포함되어 있습니다.

그림 2: 업계의 포괄적인 시뮬레이션 모델 라이브러리에 대한 액세스를 보여주는 Siemens의 PartQuest Explore 인터페이스. 출처: 지멘스 EDA

Johnson은 “이러한 설계 생태계의 협업적 특성으로 인해 현재 PCB를 사용하여 시스템 측면에서 클라우드 기반을 사용하는 곳이 있습니다.”라고 말했습니다. “클라우드 네이티브 애플리케이션을 위해서는 앞으로 수년에 걸쳐 작업해야 하며 궁극적으로 채택 속도를 결정하는 것은 고객이 될 것입니다. 그 동안 우리는 병렬성, 기본 허용 오차 및 메모리 공간을 위해 클라우드 도구를 최적화하고 있습니다."

모든 대형 EDA 공급업체는 클라우드 기반 EDA 도구를 만들기 위한 조치를 취했습니다. “이 차세대 EDA를 주도할 도구는 어디에서나 액세스할 수 있는 클라우드에 상주하는 데이터의 단일 소스를 사용하여 설계 팀, 파운드리 파트너 및 칩 설계자 간의 클라우드 내 협업이 필요한 도구입니다. 장치입니다.” Cadence의 Turaga가 말했습니다. “Allegro 및 OrCAD 제품군의 PCB 설계 도구는 완벽한 예입니다. 또한 우리는 고객이 버튼 클릭만으로 클라우드 기반 컴퓨팅에 액세스할 수 있는 하이브리드 기능을 갖춘 클라우드용으로 설계된 많은 도구를 보유하고 있습니다. Xcelium Cloud, ADE Cloud, Clarity Cloud 및 OrCAD X는 사용자가 클라우드의 기능을 원활하게 활용할 수 있게 해주는 아키텍처의 완벽한 예입니다.”

그림 3: 다양한 S 매개변수 응답과 PAE(전력 추가 효율) 플롯을 표시하는 Cadence의 Virtuoso EDA Suite는 온프레미스 또는 클라우드에서 실행할 수 있습니다. 출처 : 케이던스

클라우드에서 AI EDA의 역할
많은 AI 애플리케이션은 클라우드 네이티브로 간주되어 Synopsys.ai와 생성 AI Co-Pilot을 위한 최적의 환경을 조성합니다. Bhatia는 "칩을 설계하는 반도체 고객은 클라우드에서 서비스로 호스팅되는 생성 AI 모델을 활용하고 있습니다."라고 말했습니다. “분명히 구축되고 있는 도구도 이를 클라우드에서 기본적으로 활용하고 있습니다. 자신만의 모델을 처음부터 구축하려고 생각하거나 시작하는 고객은 거의 없습니다. 자신만의 모델을 만들고 훈련시키는 데 비용이 매우 많이 들기 때문에 바퀴를 재발명하는 것은 의미가 없습니다.”

반도체 기업이 중단이나 임의 종료 없이 저렴한 스팟 인스턴스를 활용할 수 있도록 돕는 Synopsys ChipSpot은 클라우드에만 존재하는 AI 기반 EDA 솔루션의 또 다른 예입니다. 기본적으로 ChipSpot은 특정 EDA 도구 및 매우 높은 메모리 워크로드에 최적화된 주문형 가상 머신(VM)을 생성합니다. 예측 종료 신호에 따라 ChipSpot은 실시간 EDA 워크로드를 VM 어레이로 자동 마이그레이션합니다.

Bhatia는 “이제 인프라에 내재된 클라우드 네이티브 기능을 칩 설계 모델의 사용 사례로 적용하고 있습니다.”라고 말했습니다. "ChipSpot은 완전히 클라우드 기반이며 꽤 많은 사용 사례가 있습니다. 수평적 사용 사례는 제가 부르고 싶은 것입니다. 칩 설계 사용 사례에 클라우드 기반인 인프라 또는 수평적 솔루션을 활용할 수 있습니다."

AI와 ML을 활용하여 EDA 클라우드 워크로드를 보다 효율적이고 비용 효율적으로 확장하는 것은 많은 반도체 회사가 중점을 두고 있는 또 다른 영역입니다. 클라우드 HPC의 수석 제품 관리자인 Rajath Narasimha는 "사용자는 얼마나 많은 스레드, 병렬 작업, 클러스터 및 메모리가 필요한지 알지 못할 수 있습니다."라고 말했습니다. 키 사이트. “이러한 모든 매개변수는 작업 공간 분석을 통해 자동으로 구성되어야 합니다. '20분, 20시간, XNUMX시간 내에 이것을 시뮬레이션하고 싶습니다.'라고 말할 것입니다. 이를 바탕으로 알고리즘은 자동으로 요구 사항을 설정하고 작업을 전송해야 합니다.”

Narasimha는 Keysight Design Cloud가 온프레미스, 하이브리드 및 턴키 클라우드 구성을 제공하는 이러한 방향으로 나아가는 단계라고 말했습니다. “턴키 클라우드 고객을 위해 우리는 노트북이나 서버 환경에서 작업을 수락하고 대기열에 넣는 Rescale이라는 회사에 API를 제공합니다. 귀하가 보내는 요청에 따라 비용, 시간, 위치는 물론 필요한 컴퓨팅 유형과 리소스에 맞게 최적화합니다. Rescale 및 Keysight Design Cloud는 스타트업 기업이 클라우드에서 EDA를 활용할 수 있는 가장 저렴한 방법입니다. 이는 2~3명의 엔지니어가 있고 설치할 수 있는 서버를 제외하고 온프레미스 환경이 없는 회사를 위해 설계되었습니다. 컴퓨팅 리소스는 클라우드에서 쉽게 액세스하고 온디맨드 방식으로 확장할 수 있어 확장성, 성능, 사용자 정의 간의 최상의 균형을 이루고 있습니다.”

그림 4: Rescale용 API가 포함된 키사이트의 Design Cloud 인터페이스는 턴키 클라우드 EDA 솔루션에 최적화된 S-파라미터 분석 및 매개변수 스윕을 위한 RF 회로 시뮬레이션 설정을 보여줍니다. 출처: 키사이트

검증, 병렬성이 EDA 클라우드를 지배합니다
많은 EDA 워크로드가 클라우드로 이동하고 있지만 리소스 수요가 높기 때문에 검증은 여전히 ​​대부분의 칩 회사에서 가장 인기가 있습니다. Johnson은 “클라우드에 대한 관심이 가장 높은 곳은 컴퓨팅 볼륨이 가장 높거나 컴퓨팅 영역이 가장 어려운 곳입니다.”라고 말했습니다. “설계를 디버깅하면서 실행하는 수많은 시뮬레이션으로 인해 프론트엔드에서 논리 검증을 하는 경향이 있습니다. 검증에는 일반적으로 수많은 코어로 구성된 컴퓨팅 프로필이 있습니다. 메모리 요구 사항은 그다지 크지 않지만 엄청난 수의 머신을 병렬로 사용할 수 있습니다.”

대부분의 실리콘 설계 수명주기 전반에 걸쳐 다양한 범주의 검증 도구가 사용됩니다. 예를 들어, 칩 개발에 일반적으로 18개월이 걸린다면 검증은 적어도 15개월 동안 일관되게 실행될 것입니다. Bhatia는 "다음 단계로 넘어가면서 더 많은 것을 추가할수록 계속해서 검증해야 합니다"라고 말했습니다. “클라우드는 모든 것의 속도를 높여줍니다. 매우 빠르게 확장할 수 있습니다. 따라서 특정 단계에 대해 타이밍 분석을 수행하기 위해 XNUMX주를 계획했다고 가정해 보겠습니다. 이를 XNUMX~XNUMX주로 줄일 수 있다면 XNUMX주의 시간이 더 생깁니다. 이제 칩을 더 빨리 출시하거나 더 많은 검증을 수행하고 더 나은 품질의 칩을 출시하면서도 일정을 유지할 수 있습니다.”

컴퓨팅 집약적인 워크로드는 EDA 클라우드 출현의 최초 촉매제 중 하나였지만, 많은 칩 회사는 검증을 게이트웨이 사용 사례로 찾고 있습니다. Turaga는 "일반적으로 많은 고객이 검증부터 시작하지만 전체 프로젝트를 클라우드로 이동하는 것을 보기 시작합니다."라고 설명했습니다. “더 이상 단순한 검증이 아닙니다. 클라우드의 전체 흐름과 테이프아웃입니다. 이는 이미 클라우드를 완벽하게 사용하고 있는 많은 소규모 고객의 경우에 해당하지만 하이브리드 환경에서 운영하는 대규모 고객의 경우에도 마찬가지입니다. 특히 중요한 프로젝트가 시작될 때, 테이프아웃 직전이나 상황이 무엇이든 마찬가지입니다. 그들은 기본적으로 클라우드에서 전체 프로젝트, 전체 흐름을 실행하고 있습니다.”

온프레미스에 남아 있는 것
온프레미스에서 실행되는 모든 EDA 도구 또는 워크로드는 궁극적으로 클라우드로 이동할 수 있지만 일부는 느리게 마이그레이션될 가능성이 있는 반면 다른 일부는 디지털 여정을 완료하지 못할 수도 있습니다. Turaga는 “일부 고객으로부터 듣는 우려 사항 중 일부는 매우 민감한 칩 설계 데이터에 관한 것입니다.”라고 설명했습니다. “일부 고객은 여전히 ​​모든 것을 클라우드에 넣는 것을 주저합니다. 온프레미스보다 클라우드에서 훨씬 더 높은 ROI를 제공하는 특정 워크플로도 있으며 이는 항상 그렇습니다. ROI가 낮은 워크로드 중 일부는 온프레미스에 남아 있을 수도 있습니다.”

바티아도 동의합니다. “전통적으로 우리는 항상 클라우드를 더 저렴하다고 생각했습니다. 그러나 특정 워크로드를 실행하는 데 필요한 수십만 코어의 컴퓨팅 용량에 대해 이야기하고 해당 규모의 온프레미스 인프라가 충분하다면 규모와 온프레미스가 동일하므로 클라우드 규모의 경제는 관련이 없습니다. 더 저렴합니다. 상위 10개 반도체 회사를 선택하여 그들 중 누구와도 이야기해 보면 그들도 같은 말을 할 것입니다. 클라우드는 비용이 많이 들지만 여전히 클라우드를 사용하고 있습니다. 어쩔수없이. 이 일을 한 달이 아니라 일주일 안에 끝내야 해요. 그러니 내가 지불해야 할 만큼만 지불하겠습니다.”

Bhatia는 또한 복잡하고 고유한 실리콘을 설계하는 소규모 스타트업이 더 크고 전통적인 칩 회사와 치열한 경쟁을 벌이면서 최근 몇 달 동안 IP 문제가 다시 표면화되었다고 지적했습니다. “그다지 보안이 중요한 것은 아닙니다. 그것은 단지 IP 보호일 뿐입니다. 이들 스타트업은 매우 은밀하다”고 말했다. “누군가 자신이 목표로 삼고 있는 사용 사례를 알아낸다면 리소스를 갖춘 대규모 조직이 시도하고 따라하는 것이 그리 어렵지 않을 것임을 그들은 알고 있습니다. 보안과 비밀 유지의 필요성은 무엇보다 중요하며, 이는 많은 조직이 특정 유형의 프로젝트를 클라우드에 배치하는 것을 방해하거나 방해하는 요소입니다.”

그러나 그는 특정 EDA 도구와 워크로드가 온프레미스에 남아 있어야 하는 다양한 이유가 있을 수 있지만 기술은 그중 하나가 아니라고 덧붙였습니다. “클라우드는 오늘날 매우 발전했습니다. 10년 넘게 사용되어 왔으며 발전해 왔습니다. 클라우드는 원래 디자인의 6세대, 7세대에 있으며 클라우드에서 무엇이든 할 수 있습니다.”

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://semiengineering.com/ic-tool-vendors-eye-cloud-native-future/