近几周,硅芯片和系统设计领导者 Synopsys 推出了一系列新的平台和工具,这些工具属于其硬件辅助验证 (HAV) 和虚拟原型设计产品组合,旨在简化工作流程,加快各个市场中芯片、系统和软件的上市时间。Synopsys 推出了最新的 HAPS 原型设计系统和 ZeBu 仿真系统 - HAPS-200 和 ZeBu-200,这些系统采用了 AMD 最新的 Versal Premium VP1902 自适应 SoC,能够提供更大的容量和更好的性能、编译时间和调试功能。就在几天前,该公司还推出了 Arm 硬件上的 Virtualizer 原生执行系统,这是一套全面的虚拟化套件,支持在云端或本地运行的 Arm 服务器硬件上进行 Arm 设备的建模、仿真、调试和分析。
搭载 AMD 最新技术的 Synopsys HAPS-200 和 ZeBu-200
最新的 HAPS-200 原型设计和 ZeBu-200 仿真系统基于新的 Synopsys 仿真和原型设计 (EP-Ready) 硬件构建,面向领先的芯片和系统设计师及架构师。虽然这些系统有一些基本的共同点,但每个系统都针对特定工作负载进行了优化 - 无论是原型设计还是仿真,与前代相比都提供了显著增加的容量和更高的性能,以加快当今更大更复杂的芯片、系统和软件的开发。HAPS-200 提供全面的原型设计功能,支持早期软件开发和验证,最终为用户提供更好的硬件-软件集成。而 ZeBu-200 则用于广泛、丰富的仿真,可对复杂芯片和 SoC 设计进行全面验证,并具有强大的调试功能。
"随着行业芯片门数接近千亿级,SoC 和多芯片解决方案的软件代码行数达到亿级,先进设计的验证带来了前所未有的挑战," Synopsys 首席产品管理官 Ravi Subramanian 表示。"通过与 AMD 的深度合作,我们的新系统在提供最高 HAV 性能的同时,还在原型设计和仿真使用之间提供了极大的灵活性。行业领导者正在采用 Synopsys EP-Ready 硬件平台进行从硅到系统的验证和确认。"
新的 HAPS-200 和 ZeBu-200 是互补的系统,但各有所长。HAPS-200 经过更新和增强,配备更强大的平台硬件,在硅前硬件调试方面的性能约为公司上一代系统的 4 倍。值得注意的是,HAPS-200 仍然可以与上一代系统集成。事实上,它利用了现有的 HAPS-100 生态系统,并支持 HAPS-200/100 混合配置。HAPS-200 可以从单个 FPGA 扩展到多机架配置,容量高达 108 亿门。
Synopsys ZeBu-200 仿真系统也进行了更新和升级,支持高达 154 亿门的设计容量,运行时性能比上一代 ZeBu EP2 提高了一倍。ZeBu-200 还提供更快的编译时间和高达 8 倍的调试带宽。Synopsys 表示,ZeBu-200 每个模块提供高达 200GB 的调试跟踪内存,并改进了作业调度和重定位功能。所有这些本质上都意味着缩短了周转时间并提高了开发效率 - 这是所有芯片制造商迫切需要的。在将任何芯片设计送往晶圆厂之前,都需要进行广泛的认证和测试 - 重新制作芯片的成本很高。HAPS 和 ZeBu 有助于在投入生产之前确保最佳质量。
使用 Virtualizer 技术加速 Arm 软件定义产品
Synopsys 不仅仅关注硬件和芯片创新。其新的 Arm 硬件上的 Virtualizer 原生执行系统将为软件开发带来与 HAPS 和 ZeBu 系统在原型设计和仿真方面同样的效果。Arm 上的 Synopsys Virtualizer 原生执行系统将通过提高利用 Arm 架构和指令集构建软件定义产品的团队的能力和生产力,有效加速边缘设备的软件开发。众所周知,Arm 在汽车、移动、高性能计算 (HPC) 和物联网市场几乎无处不在。
"软件定义的产品正在推动从硅到系统的产品开发重新设计," Synopsys 首席产品管理官 Ravi Subramanian 表示。"Arm 上的 Virtualizer 原生执行通过为基于 Arm 的边缘和高性能计算应用启用新的敏捷软件开发方法,加速了硬件/软件协同设计。"
在当前的 AI 时代,在几乎每个设计和开发阶段的这种性能提升对于芯片、系统和平台设计师来说都是保持竞争力、减少周转时间并帮助加快上市时间的关键。从 NVIDIA 和 AMD 到较小的初创公司,许多公司都承诺每年更新某些新产品。对于任何科技公司来说,这都是一个很高的要求,而 Synopsys 提供的这些工具在当前环境下几乎是实现这些目标的先决条件。芯片和系统变得越来越复杂,而具有设计和构建它们的经验和专业知识的人才短缺。更快、更强大、更智能的工具对于确保质量和最佳上市时间至关重要。
Synopsys HAPS-200 原型设计系统和 Arm 硬件上的 Virtualizer 原生执行套件现已推出。不过,Synopsys ZeBu-200 仿真系统目前仅供早期用户使用。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。