首页/文章/ 详情

数字实现博客 | 在基于 Arm 的计算上启用端到端 EDA 流程以实现基础设施灵活性

5月前浏览346

本文翻译转载于:Cadence Blog

作者:Rod M

       

1

随着人工智能的普及,全球对计算能力永无止境的需求只会持续增长。随着计算需求的增长,由于片上系统 (SoC) 复杂性增加、上市时间缩短以及对每瓦能耗效率和每瓦性能提升的需求,本地芯片设计变得更加复杂和昂贵,对现有基础设施构成了挑战。为了支持设计人员在处理代理 AI 等应用时对可扩展计算的需求,Cadence 和 Arm 扩大了长期合作关系,旨在提供基于 Arm 架构基础设施的全面、端到端 EDA 流程。


为加速基于 Arm 的 SoC 设计,Cadence 已将其数字设计与实现能力部署到 Arm 优化的云环境中,以补充其现有的 Arm Neoverse 验证支持基础上的拓展,现在将  Cadence 全套 EDA 解决方案——包括 Innovus 物理实现系统、Genus 逻辑综合解决方案、Tempus 时序解决方案和 Pegasus 物理验证系统——原生集成到基于 Arm 构建的云平台中。

         


   

“Cadence 在 Arm Neoverse 上扩展其 EDA 产品组合,为设计人员应对日益复杂的 AI 驱动工作负载解锁了全新的效率和可扩展性水平。”Arm 产品与解决方案、云 AI 业务部门副总裁 Dermot O'Driscoll 表示,“通过将 Arm 的每瓦性能方面的领先优势与 Cadence 端到端的设计和验证能力相结合,我们正助力客户比以前更快、更高效地设计从云端到边缘的复杂下一代硅片应用。”

“为满足当下需求并实现未来创新,Cadence 和 Arm 已深化合作,将 Cadence 数字设计和实现工具引入 Arm Neoverse® 计算平台。”Cadence 公司研发副总裁 Yufeng Luo 表示,“这拓展了现有的 Arm Neoverse 验证解决方案,使设计师能够根据其芯片设计需求选择最佳的计算平台。”

   


理解基于 Arm 架构的计算上的 EDA 工具

基于 Arm 架构的计算上的 EDA 工具,是指在可扩展的云平台上部署先进的 EDA 解决方案,使工程师能够高效地开发复杂的 SoC。这种方法利用高性能云基础设施,来运行传统上依赖于本地数据中心的、计算密集型设计工作流程。

随着人工智能、5G 和超大规模数据中心驱动的高计算负载需求不断增长,传统基础设施往往难以跟上发展步伐。云原生架构为设计团队提供了无限的计算能力,确保了现代芯片验证和开发所需的精度和与可靠性。这一策略解决了关键的行业挑战,包括日益复杂的设计需求和快速迭代的要求。

Arm 的 Neoverse CPU 架构专为数据中心工作负载而设计,提供了一种可扩展、高能效的替代方案。目前,所有领先的超大规模企业都已经采用了基于 Arm 的基础设施,这标志着行业主导地位的转变。


Arm Neoverse CSS:云创新的基石

Arm Neoverse 计算子系统 (CSS)为云端现代 EDA 工作负载提供了高性能、可扩展的计算基础。通过提供经过验证的硅片和稳健的基础设施平台,Neoverse CSS 使合作伙伴能够专注于构建差异化解决方案,而非底层的系统集成。

在这个基础之上,Cadence 已对其 EDA 流程进行优化,以实现无缝部署在基于 Neoverse 的平台上。 Cadence 和 Arm 携手合作,共同降低了设计基于 Arm 的定制解决方案的门槛,并确保客户拥有一条高效、云就绪的路径,以开发下一代 SoC。


为什么 Cadence 要在基于 Arm 的计算上实现全流程 EDA?

展望未来,这一合作的影响远不止于技术赋能。随着代理 AI 发展为能够自主规划、决策并大规模执行复杂工作流的系统,对高效、可扩展且灵活的计算基础设施的需求达到了前所未有的高度。

 

云基础设施的可扩展性,使设计团队在需求高峰期可获得几乎无限的计算资源,同时在闲置期缩减规模。这种弹性对于在整个设计周期中计算需求波动极大的 EDA 工作负载而言,价值尤为突出。通过在由 Arm 计算驱动的云端部署 EDA,Cadence 正在帮助客户:

• 满足代理式 AI 应用对可扩展计算的需求

• 加快复杂芯片(包括基于 Arm 的 SoC)的上市时间

• 降低基础设施成本与能耗

• 在云环境中弹性扩展设计工作流

• 通过优化流程实现首次流片成功

此次合作也支撑了 Cadence 的智能系统设计战略,整合 AI 与云原生能力,以满足半导体创新不断演进的需求。以下是 Cadence 在 Arm 架构提供的端到端芯片设计解决方案概览。

 


结语

随着行业不断向更加复杂、异构化的设计演进,基于云的 EDA 工具的可扩展性和效率,对于保持竞争优势将变得愈发关键。Cadence 在基于 Arm 的云端提供从前端到流片的全流程 EDA 解决方案,消除了先进芯片设计的传统壁垒,同时提供了前沿的AI驱动优化功能。Cadence 与 Arm 在云端 EDA 部署方面的战略合作,为半导体行业带来了变革性机遇。


阅读更多

若想了解 Cadence Arm 和基于 Arm 的解决方案的软件生态系统仪表板中的信息,请访问官网或点击“阅读原文”了解更多:

www.cadence.com



相关链接


复 制链接至浏览器查看:


[1] Spectre X Simulator

https://www.cadence.com/en_US/home/tools/custom-ic-an alog-rf-design/circuit-simulation/spectre-x-simulator.html


来源:Cadence楷登
ACTSystem半导体芯片UMCadence人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2026-03-25
最近编辑:5月前
Cadence楷登
签名征集中
获赞 4粉丝 122文章 688课程 0
点赞
收藏
作者推荐

最新案例 | Mann+Hummel:ANSA/META 助力汽车过滤产品高效研发

在汽车滤清器产品开发中,Mann+Hummel 在多个学科中应用 BETA CAE 软件,以加速研发进程并提高产品可靠性。在结构分析方面,Mann+Hummel CAE 团队需要开展多样化的 NVH 和耐久性评估,并使用 ANSA 进行ABAQUS 模型前处理。在 CFD 方面,内流场分析对几乎所有过滤产品都是必需的,因此在 META 中针对 StarCCM+ 结果的快速且智能的后处理过程对于提升设计验证效率非常关键。为加快整体 CAE 仿真流程并减少手动操作,Mann+Hummel 与我们合作完成了一项自动化项目,该项目旨在简化 ABAQUS 模型设置并标准化StarCCM+ 结果后处理与报告流程。 面临的挑战该项目目标是在 ANSA 中实现 ABAQUS 结构分析模型设置的自动化,并使用 META 对 StarCCM+ 结果的 CFD 报告生成进行标准化。在结构分析前处理自动化的需求中,面临的主要挑战包括:提高定制 ANSA 工具的执行速度在 CFD 后处理中,耗时最多的任务为:将参考数据与 META 处理输出的结果进行对标推导用于结果计算的计算定义开发一个具有按需用户编辑功能的报告生成工具栏 解决方案为满足具体需求,我们创建了专用的 ANSA 与 META 工具栏,将所需的前处理与后处理功能集成其中。在 ANSA 的 FEA 前处理流程中已成功嵌入一系列自动化工具,其中包括面网格与体网格生成、接触对检测、边界条件设置,以及用于用户自定义求解器头文件设置的一键导入功能。而专为 StarCCM+ 结果开发的 CFD 报告生成工具栏可用于初始化报告、计算各区域的压降并生成相应的柱状图、生成速度流线,并支持用户创建可自定义的截面。 取得的成果这些新功能现已正式部署到 Mann+Hummel CAE 工程师日常工作流程中,减少了大量手动工作并加快了模型的前后处理。通过使用这些工具栏,Mann+Hummel 目前可以将模型生成所需的时间减少超过 30%。 用户说“基于 BETA CAE 驱动的仿真前后处理自动化,可以实现快速、一致且可靠的工作流程,使工程师能够从重复性的任务中解放出来,专注于洞察,能够更快、更自信的进行创新。” 来源:Cadence楷登

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈