利用芯片数据提高生产力

半导体生态系统正在争先恐后地更有效地使用数据，以提高设计团队的生产力，提高晶圆厂的良率，并最终提高现场系统的可靠性。

数据收集、分析和利用是所有这些工作的核心。数据可以在从设计到制造流程的每一个点上收集，并进入现场，它可以被循环到当前和未来的设计中，以防止昂贵的故障或故障，或者向前推进，以防止软件和硬件之间不必要的交互。

Digital & Signoff集团产品管理副总裁Kam Kittrell表示:“当我们观察该领域的数据，以及在新的代工/晶片厂生产过程中发生的事情时，我们已经看到他们如何在每个芯片上创建大量数据，以确定如何提高良率。节奏．“这一直是一个大数据问题，其中有很多深奥的东西——如何提高良率，如何设计可制造性。它利用大数据，分析它，看看如何调整正在发生的事情，以获得更好的未来收益。这就是流程节点开发。但现在它正在进一步向下游发展，因为我们希望能够进行系统级测试，因为超大规模公司正在将非常复杂的云系统与数千台计算机组合在一起，并使用这些完全相同的计算机构建数千个站点。”

使系统、软件和硬件的组合协同工作是一个巨大的挑战，从测试芯片中收集现场数据，并将其反馈到设计-制造流程中，可以显著提高生产芯片和系统的成品率。Kittrell说:“如果他们了解了芯片的一些情况，他们就可以对下游进行测试，看看是否有任何立即的故障。”“你不希望在云端处理客户的有效载荷，然后看到它失败了，然后你才发现一些你本可以从芯片测试中知道的东西。”

其他人也同意。该公司新市场高级经理兼数字双胞胎项目经理克里斯•缪斯表示:“目前的大趋势是产品的复杂性。Keysight．“这是一个很大的驱动力。你可以说有一些监管标准和小型化正在进行，但这一切都是关于复杂性的，而且情况只会变得越来越糟，因为消费者希望拥有更多的功能。开发者将继续在产品中添加越来越多的功能。”

想想15年前的2.5G移动芯片。Mueth说:“手机里的PA芯片可能有100种要求。“现在它是一个多功能5G芯片，可能有2000个需求。它可能有多个波段。它必须在多种电压下工作，在多种工作模式下工作，所有这些都必须进行管理和验证。我们听说过芯片制造商错过验证要求的故事，只有在它已经存在于手机芯片中时才发现它。”

这只是故事的一部分。所有这些都需要在可能影响整个系统的更改的上下文中进行查看，因此需要端到端收集和分析数据。

“如果你是一家生产联网设备的传统公司，你会做用户研究和焦点小组，”微软软件和生态系统副总裁罗布·科南特(Rob Conant)说英飞凌该公司的互联安全系统事业部。“你可以用它来指导你未来的产品方向。在物联网领域，他们真的没有全心全意地进入这种模式。这是一种事后附加到这些产品。然而，其他产品是以连接为核心构建的。家庭安全系统就是一个很好的例子。它有一个非常具体的价值主张和一个非常具体的客户，一个有形的客户交付品。连通性是可交付成果的核心。对于提供这些服务和解决方案的公司来说，重要的不是他们在相机上的包装有多吸引人。这是关于他们如何经济和有意义地提供特定的客户价值，所以他们更积极地使用数据来了解他们的产品是如何运作的，他们的客户是如何使用这些产品的，以及这些产品如何与客户价值联系在一起。 And that idea of customer success exists to some extent in consumer hardware. If you take it a layer down into the semiconductor companies themselves, this idea is trickling down into the lower-level component providers like Infineon and others, but it has not been native. It’s not something where our people start with those ideas. It’s an add-on for the products we sell.”

更好的自动化
有效地利用数据可以为设计团队带来巨大的收益。日益增加的设计复杂性和人才短缺之间的鸿沟正在扩大，而数据是缩小这一差距的关键因素。

Mueth说:“任何EDA公司都在设计和测试上花费大量时间，但由于大趋势的发生，数据管理领域出现了一个新兴领域，可以处理如何管理所有的需求。”“我怎么知道这些要求是否得到了满足?模拟或测试设备以确保其满足要求的标准是什么?你有需求管理本身吗?然后,配置。当我制造芯片时，我如何知道芯片中的IP是正确的IP ?我使用的工具和版本的可追溯性是什么?所有这些在验证时都很重要。你可以想象，我在那里堆积了大量的数据。”

反过来，这些数据可以用于改进模拟和验证，并可以缩短调试过程。

的首席执行官Simon Davidmann说:“在模拟领域，工程团队主要有三个任务治之．“一个是构建可运行的软件。他们试图让软件运行起来，并拥有他们想要理解的某些数据。二是另一个极端，工程师们围绕RISC-V进行验证。还有一群人在寻求提高业绩。所有这些人都想要不同类型的数据。”

但是工程团队需要了解他们收集数据的目的以及他们需要什么类型的数据。

“关键是‘什么’和‘为什么’。对于我们工程师来说，‘如何做’显然是必要的，因为，例如在建模方面，我们是速度狂人，”Davidmann说。“我们不想在模型中加入任何会拖慢我们的东西。如果你想开始分析通过模型的东西，它会减慢它的速度。所以我们非常关心人们想要什么数据，因为这将对性能产生影响。然后，当一个工程团队想要添加数据分析时，从我们的角度来看，有几种类型的数据是有用的。首先，他们必须确定他们想要把它用于什么用途，以及他们想要什么样的粒度。有些人试图调优软件，需要非常特定的数据，比如周期数据。或者，如果有人试图验证某些东西，他们将需要与硬件事件等相关的完全不同的数据。一旦他们得到了数据，就会有不同的抽象。 For example, if we’re helping an engineering team port Linux, they don’t want to look at the events in the RTL. They don’t even want to look at the register values. They want to look at the abstraction of C, or even more, they want to look at the abstraction of functions. Or, they want to look at the abstraction of the scheduler of the jobs within the OS. That’s all data that can be collected. Then, they can analyze it to see how well it performs, or what bits of the OS they’ve explored.”

确保设备满足要求是一个巨大的挑战，这就是为什么估计三分之二(或更多)的芯片开发都花在验证上。Mueth说:“这里的压力来自于很多不同的方面。“一部分只是定义我需要的需求，以及定义如何模拟或测试这些需求。然后，需要流程定义，以及自动化的构造，因为您可能不会手动完成所有这些工作。你想以一种自动化的方式来做。然后，你必须决定如何收集数据，减少数据，并使其有意义。”

更有效地利用数据
根据不同的任务配置，数据可能会有很大的变化，汽车芯片与5G手机芯片的任务配置有很大的不同，而且数据可能会根据流程中使用的方式和位置而变化。

“如今，我们会问客户，‘你对自己的个人资料到底长什么样有什么见解吗?“答案或多或少是否定的，对于高性能计算来说也是如此，”at的汽车硅生命周期解决方案产品经理Pawini Mahajan说Synopsys对此．“因此，我们试图通过硅生命周期管理(SLM)在设计生命周期的早期在架构级插入监控器，并在整个生产生命周期中收集数据，包括斜坡阶段、生产阶段和制造阶段。甚至在设备到达现场之前，我们就可以不断收集数据。所有这些数据都是我们在整个生命周期中收集的，我们将这些数据作为反馈循环提供给设计工程师，以进一步改进下一代设计。但是我们对现场数据所做的也可以用于任务概要。例如，您可以监视任务配置文件，或老化和退化。所有数据都被收集和填充，这些数据可以从终端消费者的角度使用，也可以反馈给设计团队，以便在未来的角度进行更好的增强设计。”

这些数据如何被分割和分析取决于它的用途。其中大部分是使用用户为自己的目的创建的内部工具完成的。在某些情况下，数据是不完整的，因为数据收集受到合同义务的阻碍。

马哈詹说:“这是一个相当破碎和脱节的领域。”“每个半导体公司，一级或OEM，都有自己的解决方案，这取决于他们在生命周期中的位置。一些半导体公司可能有自己版本的工艺、电压和温度监控器，用于从芯片上收集数据。但一旦芯片进入汽车，到目前为止，可能还没有一个指标可以将数据从OEM的数据湖中提取出来，因为这些合同中不存在一些交互作用。”

在设计流程中，最主要的关注点是生产力的提高。数据很重要，但往往没有得到应有的有效利用。

Synopsys公司的DesignDash产品经理Mark Richards说:“随着设计尺寸的增加，挑战变得非常困难，他们没有时间进行他们想要做的优化。”“这主要是为了在他们拥有的时间窗口内完成，所以无论他们最终使用什么PPA，无论他们最终使用什么治疗方法。随着这些设计越来越大，迭代时间越来越长，他们想要做的就是以某种方式提高生产率。数据是达到目的的一种手段，他们会采取目前能找到的最佳方法来达到目的。”

如果收集和分析了正确的数据，就可以显著改善优化。理查兹说:“如果我们开始以一种用户可以有效吸收的方式向他们展示这些信息，这将有助于推动和提高生产力。”“我们如何利用所有这些引擎，使用底层方法，以比从日志文件中获得的更精细的级别读取引擎?然后我们可以开始合并这些数据，并尝试从中找到模式。如果我们能够提取出这些模式，我们就可以开始将它们视为因果关系、相关性或介于两者之间的东西。这有助于工程师更有效地完成工作，这也是他们最终想要达到的目标。”

一旦芯片制造出来并通过测试，它就可以用于硬件/软件开发。Tessent嵌入式分析公司的研发高级总监Vivek Chickermane说:“假设硅的质量很好，它是一个已知的好芯片，你想(根据应用程序)添加第一级软件，比如软件内核，然后测试它。西门子数字工业软件．“然后你把它放到下一个层次，可能是操作系统微服务，然后是完整的操作系统，也许还会添加一些应用程序。您构建软件堆栈，并在实验室中进行尽可能多的测试。在那里，工程师确实希望在部署到现场之前识别和调试问题，他们密切关注几个问题。例如，如果系统是一个单一的芯片，它可能会使用以前没有使用过的ip，也从未在硅中得到验证。显然你想验证一下。下一层是添加内核或操作系统等。我们可能不确定生态系统有多强大。编译器、内核服务、微服务有多好?你要确保所有这些都能正常工作。 Then you want to check that the software will behave as expected, and will achieve the required performance.”

一旦设计团队达到了调试目标，并且认为硬件/软件协同设计是好的，他们就可以从实验室转移到现场了。这带来了一系列完全不同的挑战。

“该领域有很多不确定性和不可预测性，因为你不能总是确保所有将在该领域使用的软件之前都曾经尝试过，”Chickermane说。“假设你买了一部手机，现在你要添加一个稍后开发的应用程序。芯片供应商还没有测试该应用程序。现在想象一下，这是一个大型系统，有各种各样的应用程序，具有复杂的需求。这是完全不同的问题。在该领域，挑战是如何构建一个非常可靠和可预测的系统，特别是当您有很多动态组件时?如何从不太可靠和不可预测的组件构建它?可靠性并不是硅设计得不好的结果。而是硅还没有得到100%的验证。你以95%的信心发布它。因此，仍然存在不确定性，这在该领域受到了压力。”

有效使用数据对于缩小这一差距至关重要，无论是涉及汇总数据还是监测数据。

“有了聚合数据，我可能想要运行一个应用程序，看看有多少缓存丢失，或者发生了多少浮点运算，”他说。“省电模式起作用了吗?起作用的次数有多少?”该系统是根据这些汇总数据设计的，因为许多指标，如电池寿命或CPU利用率，都依赖于它。这些数据来自性能计数器。另一方面，监测数据更加全面。性能计数器提供聚合数据，而监视器提供时间敏感数据，因此存在时间戳。假设你决定每100微秒收集一次数据，那么每100微秒就是一个时间戳。它提供了我所关心的一切的快照。例如，我们的用户需要所谓的指令跟踪。他们想知道当时执行的是什么指令。 If it’s a bus monitor, then it’s looking at what transaction is happening on the bus. Is the CPU talking to the memory? Is it talking to the network? Is it talking to an I/O?”

数据的力量
有数据是一回事。将其应用到能够对设计产生重大影响的方式上是一个巨大的飞跃，这将转化为对消费者的价值。

英飞凌的科南特说:“如果你看看苹果公司的iPhone，他们拥有大量关于蜂窝连接的信息。“蜂窝连接在哪里工作?它在哪里不起作用?为什么它能起作用?为什么它在很多地方都不起作用?客户如何使用这个产品?功耗如何随MCU的使用方式而变化?他们为手机设计自己的核心或编写自己的核心芯片组的能力，在很大程度上取决于他们拥有的数据的丰富性，这些数据提供了对使用模型的洞察。”

真正的价值来自于对不同用例的深入理解，以及利用数据为这些用例构建产品的能力。科南特说:“如果你看看使用他们芯片的手机的性能，你会发现它非常好，因为他们深刻理解使用模式。”“这些芯片的设计是由这些数据以及对这些数据的深刻理解驱动的。这是半导体公司需要追求的——对其产品的使用模式有深刻的理解。但如今，他们往往保持一定距离。”