6月24日,在一年一度的全球电子设计自动化盛会DAC 2024 上,国内领先的系统级验证EDA解决方案提供商芯华章携手国内EDA龙头企业华大九天,共同展示了双方在数模混合仿真领域的最新联合解决方案。
此外,芯华章隆重推出EDA全流程敏捷验证管理器昭睿FusionFlex,面向来自世界各地的顶级EDA公司和芯片、系统厂商,展示中国生态联合力量和创新活力。
这一工具创新性针对芯片设计验证流程中的多工具、多资源、多需求挑战提出了专业化管理方案,为整合当前国产EDA分散的点工具,构建完整的全流程国产EDA生态提供了强有力的技术支撑,也将帮助芯片设计公司降低在硬件、软件和流程管理上的成本投入,实现更灵活、高效的应用创新周期。
在现场,华大九天与芯华章在数模混合仿真领域的联合解决方案,也引起专业用户高度兴趣。
以芯华章仿真工具GalaxSim和华大九天仿真工具Empyrean ALPS为技术底座,双方携手打造的数模混合设计仿真方案,能够支持数字仿真和模拟仿真主导的任意混合仿真场景,更可提供基于Real Number Modeling的数模混合仿真。同时,芯华章调试系统Fusion Debug可支持华大九天Empyrean ALPS的波形格式,让用户能直观看到不同工具产生的波形结果。
这一联合解决方案从用户痛点着手,以双方各自擅长的技术深度融合,为客户打破不同部门之间的技术藩篱,提供更加高效、顺畅的项目协作效率,是中国EDA生态联合的创新范例。
华大九天与芯华章联合展示 数模混合仿真合作解决方案
我国半导体产业在经历近几年的爆发式发展和技术锤炼后,进入了真刀真枪的创新深水区。对于更多芯片设计企业而言,如何快速将技术落到实处,同时优化自身的长期竞争力,成为每天都在回答的问题。
而验证作为芯片设计过程中占据70%成本投入的关键环节,过程涉及到多种软硬件EDA工具、CPU、FPGA等多样化的计算资源,以及对整个验证测试从计划、执行到结果整合分析的复杂流程。
资源配置和成本是关键挑战之一。客户真正关心的是能否用更加少的资源、更快地达到商业目标,面对动辄上亿美金的芯片开发成本,如何更快更好完成各类EDA验证计算并满足项目高峰期资源需求?
复杂项目的验证工具及流程管理。一个复杂芯片项目往往涉及数十款EDA工具,如何对多种工具和资源进行统一管理?如何快速分析相关数据从而实时跟踪验证状态?
面对多种工具、多个步骤、多种资源的复杂流程,用户往往不得不自己投入资源对多种现有的通用软件工具进行改造、整合,开发出符合复杂芯片验证需求的内部工具和流程。而往往许多中小型企业并没有足够的专业人力,来支持复杂的验证流程。
可以说芯片设计验证流程的复杂度、静态和动态管理工作量超过了软件测试流程,但过去业内缺少专业化的EDA工具对整个流程的静态管理、动态跟踪分析进行辅助。
芯华章FusionFlex的发布,针对芯片验证全流程的验证计划、计算资源、验证任务、覆盖率、缺陷管理需求,提供全方位的专业EDA管理工具,并对接云端弹性算力,充分提高芯片设计验证效率。
具体来看,芯华章FusionFlex由Manager、Optim、Cloud三大核心模块构成,全面满足芯片项目验证管理需求,减少用户内部CAD部署成本,提高项目综合验证效率20%以上。
可定制、可视化的验证流程管理:动态跟踪验证计划和回归测试,合并多来源EDA验证结果,并提供智能辅助分析,减少内部CAD系统开发维护工作量20%以上
高效、有序的智能管理和调度:统一管理多厂商EDA软硬件资源,通过智能调度计算任务和资源,优化10%以上计算资源效率
透明弹性云计算资源:提供透明的本地和云端调度,满足项目高峰期的弹性资源需求,实现安全而自动的数据处理,无需迁移成本即可实现本地化使用
FusionFlex透明利用云端资源 数十倍优化回归验证效率
芯华章首席市场战略官谢仲辉表示,“我们已经进入精益创新的时代,我们的客户并不是盲目追求AI、云等技术,而是在追求ROI,如何更精准、更快速地赢得他的商业目标,而我们的使命则是为客户的目标提供更优秀的工具和平台。”
正如在《EDA 2.0白皮书》中倡导的一样,芯华章近几年致力于打造一个云化、服务化、可定制的完整平台EDaaS(Electronic Design as a Service),目的是为了让造芯片和搭积木一样简单,让更多人能够参与到数字时代的创新当中来。
而FusionFlex正是这个计划的一环,它让用户可以更好地集中管理不同公司的EDA工具,根据项目的需求,在峰值时期弹性获取更多的计算资源。这对帮助企业克服设计周期长、成本高、资源分配不均等难题,加速产品从概念到市场的创新效率提供了重要价值。
好文章,需要你的鼓励
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。