火狐直播:如何帮助MediaTek等公司将芯片调试效率提高10倍？

  变得愈加庞大而复杂，这项任务也变得更繁重。如果开发者处理的是Multi-Die设计，那么为确保芯片按预期功能运行，所需的时间和工作量将呈指数增长。

  当前的主要挑战在于，许多调试解决方案，需要人为介入才能找出故障的最终的原因。毫无疑问，自动化能减轻这方面的负担，而如果自动化再由AI增强，那么效果将更加显著。事实上，AI正在帮助设计、验证和测试等，各个芯片开发阶段提高效率。此外，随着电子设计自动化流程中引入智能化，芯片设计质量明显提高。

  调试过程需要细致耐心，结果可能难以预测，很适合利用AI驱动实现提升。新思科技的新一代Verdi平台增加了AI驱动的调试功能和全面的验证管理功能，非常分布式团队开展协作。本文将介绍Verdi平台推出的新功能，如何帮助MediaTek等公司将调试效率提高10倍。

  为了满足AI、高性能计算和无人驾驶车辆等应用对性能的苛刻需求，如今的芯片从十亿门级SoC到领域专用架构和Multi-Die系统，规模逐步扩大，复杂程度也持续不断的增加。调试过程不仅受到芯片规模的影响，也受到功能和最终目标应用的影响。例如，小型设计可能包含数千个不同的并行高级传输，以仿真特定条件。在这类情形中，要想排查错误，需要检查并行事件，以找出有一定的问题的分支。在最终应用方面，需要从结构上定位要关注的信号。因此，调试解决方案应能够跨越设计的不同抽象层级（RTL级和门级等）正确理解功能，以便正确评估问题，在适当的情况下，还要提供硬件与软件交互的同步视图，从而打造更高效的调试体验。

  考虑到要分析的信号量，运行成千上万次仿真和测试来验证设计也不足为奇。当然，此类情况会生成大量数据以供分析，通常涉及手动分类和排序过程，以确定问题是源于设计本身，还是源于测试平台。为能够运行此类仿真并生成所需的报告，许多开发者依赖团队内部开发的脚本，但这些脚本通常难以扩展或复用。

  要找出故障的最终的原因，还需要借助额外的手动操作：查看分类报告和日志文件中的故障消息以确定从哪里入手，检查波形并追溯电路，有时还要依赖团队中“bug杀手”的专业技能。遗憾的是，面对迫在眉睫的半导体开发人才短缺，加上如今的分布式团队模式，这些手动方法不仅难以扩展，而且对实现高效率也没有帮助。通过采用批处理模式lint检查等技术，开发者固然可以在开发伊始防止一些错误的发生，但从一开始就没有错误的设计几乎是不可能的，因此开发者只能寄希望于提高调试过程的效率。

  新一代Verdi平台重新设计的图形用户界面（GUI）、AI驱动的调试功能、验证管理功能和集成设计环境，是分布式团队的理想选择。该平台提供如下功能：

  查看仿真运行结果，并提取关于哪些测试通过、哪些测试失败的信息。凭借分档技术和智能功能，该平台还能够识别错误是位于设计中，还是在测试平台中。

  查看散热不同的代码更改并提供评估，因为错误通常由特定的测试用例触发，并一波一波的或周期性出现。这种决策树功能检查代码更改方式提供的见解，有助于发现错误关联性，并为分析错误最终的原因铺平道路

  在了解错误发生在哪里后，该平台可以有效的进行回溯并通过一系列分析电路，来识别造成异常行为的原因。通过检查错误发生的原因，Verdi平台可以帮助提升工作效率（特别是缩短找到错误所需的时间）和设计质量（通过提高错误检测准确性）。

  新一代Verdi平台中包括新思科技Euclide集成开发环境，以及基于新思科技VCExecution Manager的验证回归管理系统。其中，前者可实时识别复杂设计与测试平台入口错误，而后者可管理设计验证过程中的规划和运行回归测试、数据收集、报告和跟踪。总系统支持使用Verdi平台或网络浏览器，通过安全网络查看相关结果。动态生成且可扩展的决策树，支持构建与共享知识库，以促进提高调试效率。

  验证开发者都希望可以高效且快速地完成设计调试。自动化有助于解决调试过程中的一些痛点，从而节约时机与精力。通过将AI集成到自动化调试工具中，效率将得到逐步提升。新一代Verdi平台具有AI驱动的调试和验证管理功能，可帮助开发者提高错误检测和最终的原因分析的效率与准确性。它再次展示了AI与EDA的结合如何帮助开发者实现芯片设计一次成功。