2023年10月12日——上海合见工业软件集团有限公司(简称“合见工软”)宣布推出拥有自主知识产权的商用级、高效测试向量自动生成工具UniVista Tespert ATPG,帮助工程师在进行大规模SoC集成电路设计中实现可测性设计(DFT),以降低测试成本,提升芯片质量和良率,缩短芯片设计周期,助力集成电路测试快速签核,应对复杂集成电路架构带来的挑战。
UniVista Tespert ATPG 创新自研多线程并行引擎,相比传统单线程引擎,可以利用48线程实现高达29倍的提速,同时配合高效的测试向量生成算法,提高了最终测试向量的有效性和高故障覆盖率。同时,UniVista Tespert ATPG 支持基于时序逻辑的硬件压缩,相比于传统的组合逻辑的压缩结构,具备更高压缩比,可以帮助测试工程师解决越来越严峻的芯片“大”规模“少”管脚带来的挑战,大幅的降低测试时间和成本。

集成电路的测试是整个集成电路设计和生产过程中不可或缺的核心环节,高品质、低成本的测试是保证芯片质量的关键,也是获得商业成功的重要保障。而高效的测试向量自动生成工具(ATPG)是获得最优测试的必要保证。在可测试设计中,项目调试的时间占整个设计验证周期的50%以上,UniVista Tespert ATPG 在提高测试效率和测试质量的同时,还通过与合见工软自研的数字功能仿真调试工具UniVista Debugger无缝集成,提供功能强大、直观易用的图形界面,加快用户定位和分析出包括设计规则违例、低测试覆盖率和仿真mismatch的根本原因。UniVista Tespert ATPG Debugger支持千兆门级规模设计,并具有较低的响应延时,可以从网表、电路图和层次结构树中查找和追踪对象,可大幅加速达到十数倍。
UniVista Tespert ATPG还集成了自主研发的库单元提取工具,能够自动从Liberty文件中抽取并优化ATPG库单元,从而有效的降低ATPG模型规模,提高后续测试向量生成的效率并减少内存的消耗。UniVista Tespert ATPG同时拥有超过200多项设计规则检查,帮助工程师在项目早期发现设计或者配置的问题,增强后续ATPG流程的高可靠性,减少项目迭代次数,帮助客户缩短项目开发周期。
通过该测试向量自动生成工具UniVista Tespert ATPG,工程师可以在设计初期更加高效、简单地提升芯片可测试性,并在后期测试中发现芯片是否存在物理缺陷,帮助客户缩短设计验证周期,降低测试成本,提高产品质量,应用领域将覆盖汽车电子、消费类电子、人工智能、数据中心等多个芯片市场。
“伴随着对于复杂程度不断增加的芯片的强烈需要,高质量、低成本的测试的重要性日益增强。为了帮助客户实现完整高效的测试,我们推出了‘更高,更快,更直观’的芯片测试平台,为行业提供一个测试质量更高、运行速度更快、工具图形界面更直观的全国产DFT解决方案。” 合见工软DFT研发首席架构师唐华兴表示,“我们一直与芯片公司进行紧密的深度合作,对UniVista Tespert ATPG工具和生成的参数向量进行了充分的硅片验证。我们相信该高性能创新产品将能够大幅助力您的芯片测试以及商业成功。”
客户评价:
上海富瀚微电子股份有限公司副总经理刘文江表示:
“UniVista Tespert ATPG工具为我们在芯片可测试设计解决方案上提供了新的选择。UniVista Tespert ATPG在自动测试向量生成上各项指标和主流EDA厂商相当,部分指标甚至更加出色。如UniVista Tespert ATPG强大的图形调试功能,简洁易用、响应快速、运行稳定,大大提升了工程师的工作效率。我们很期待UniVista Tespert ATPG后续在更多的项目中成功落地。”
青芯半导体科技(上海)有限公司的DFT技术总监吕寅鹏表示:
“我们非常高兴的看到合见工软推出了高效能的测试向量自动生成工具UniVista Tespert ATPG。在我们的项目中,经常会需要调试设计规则违例、低测试故障覆盖率以及仿真mismatch等问题,UniVista Tespert ATPG的高效定位调试功能对我们非常有用,能够帮我们迅速找到问题根因,缩短我们项目开发周期。我们期待在未来的合作中看到UniVista Tespert ATPG的更广泛应用,以提高生产效率并加速项目的完成。”青芯深耕于高性能异构加速领域的芯片和IP设计,立足于全球高端定制芯片市场,拥有端到端的多样化研发技能,以及先进工艺下超大规模、超高复杂度的“巨型芯片”设计能力。
UniVista Tespert ATPG是合见工软更广泛的数字EDA产品组合的重要产品之一,为合见工软多维演进的产品战略打下了坚实的基础,目前已经实现了在人工智能、数据中心、消费类电子等领域的国内头部IC企业中的成功部署应用,在数字芯片EDA工具的高端市场上,全面展示了合见工软公司产品的强大技术实力。
欲了解更多详情或购买相关产品,欢迎垂询sales@univista-isg.com。
更多产品信息,请访问:https://www.univista-isg.com/news_details.html?id=137
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
延世大学研究团队通过分析AI推理过程中的信息密度模式,发现成功的AI推理遵循特定规律:局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用,为构建更可靠的AI推理系统提供了新思路,在数学竞赛等高难度任务中显著提升了AI的推理准确率。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink,通过模仿人类推理模式将长篇思考分解为固定长度块,仅保留关键信息摘要。1.5B小模型击败传统大模型,训练成本降至四分之一,计算复杂度从平方级降为线性级,能处理十万词汇超长推理,为高效AI推理开辟新道路。