紫光云公司CTO办公室主任邓世友表示，芯片上云的本质，就是用算力换时间，用云端CAD工具解放生产力。

整个芯片设计环节中，仿真验证不仅复杂，还是最耗时的。不夸张地说，在部分芯片设计中，这一过程耗费时间的整体占比更是高达70％。

如果是一家资金充足、人员团队上规模的IC公司，他们大可以采购服务器自建算力中心，自建团队运维CAD研发环境。反之，如果一家资金和团队规模均有限，时间人力成本的消耗和响应速度快慢就成为了一道“拦路虎”。

而现实情况是，截至2020年底，国内共有2218家芯片设计企业，其中高达87．9％都是人员规模不足100人的。在芯片性能迭代速度不断加快的当下，他们可以怎么做？

带着这个问题，在6月10日由镁客网承办的IC设计开发者大会上，我们对紫光云公司CTO办公室主任邓世友先生进行了采访。

一场时间与算力的博弈 

芯片迭代速度加快的另一面，是摩尔定律被打破，这背后不仅存在技术的进步，也有着市场需求的“倒逼”。

针对这一事实，有一个数据已经被多次拿出来讨论，那就是OpenAI于3年前发布的一份报告，里面提到，从2012年到2018年，AI算力需求增长超过了30万倍，平均每3．43个月就会翻一倍，这已经远远超过了摩尔定律。

反过来，正是市场对算力需求的急切需求，逼迫着芯片设计者们不断提高性能、加快芯片迭代速度。显然，摩尔定律中时间与算力之间的平衡已经被打破，企业需要找到一条新路径，在保证性能稳定提升的前提下，进一步缩短时间成本。

而说到芯片设计，这其中有五大核心要素，分别是IP、PDK、EDA、IT和CAD，这对于芯片设计公司而言，从自主性角度出发，考虑到仿真验证过程的耗时之长，从IT处下手增加算力支持算是一个见效最快的方法。

“我们发现，随着芯片设计工艺制程越来越先进，规模越来越大，诸如紫光集团内部的紫光展锐、新华三半导体，对于算力的需求是非常庞大的，为了支撑新的芯片研发投片，每年都会投入大量的服务器、存储等相关IT设备。”邓世友表示。

但同时他也表示，芯片设计业务本身对于算力的需求都不是恒定变化的，而是呈现出一条波动性很强的曲线，尤其是投片前3个月，对算力的需求是“无限”的。

“面对这种波动性很强的业务需求，IT团队很难通过自购设备来满足。若是买多了，可能会出现设备闲置，若是买少了，可能算力又不能完全满足，不管是哪一种，都是成本在无谓消耗。”

这么一来，芯片设计企业在采购IT设备的时候，既需要考虑到项目算力的需求，又要避免无谓的时间消耗，该如何做？

云，或者说“让芯片设计上云”，似乎是当下的最优解。邓世友解释：“云，天然具备弹性特征，能够满足算力需求的波动性，且是非常契合的。”

芯片上云＝用算力换时间

简单来讲，“芯片上云”的背后，就是用算力换时间。

云服务的商业模式是按时长付费，这意味着在云端用1台服务器运转100小时的成本，和100台服务器运转1小时的成本相差无几，但这对于芯片设计的工作任务来讲，效率提升的是100倍。

当然了，上云也并不意味着将本地设备全部搬到云上。以紫光芯片云为例，邓世友指出，“我们眼下主推混合云模式，建议将本地设备、资源作为一个常备算力进行储备，再辅以云上算力资源的弹性补充，两者协同，才是一个最优的性价比方案。”

但是回到帮助企业缩短芯片设计周期这个问题，仅仅在云端提供算力支持只是基础服务。因为缺乏专职IT人员、CAD工程师等人才，致使一些企业即便拿到了云端算力资源，也很难快速地搭建芯片设计环境。

针对这个问题，紫光芯片云也交出了自己的成果。就在今年4月新发布的2．0版本中，算力之外，紫光芯片云开始注重起芯片设计环境。

具体来看，紫光芯片云提供的U－Imp／U－Chip芯片设计工作流执行平台，将EDA工具、工艺技术文件、集群作业调度、项目管理和数据管理等模块集成在此平台之上，IC研发工程师可以通过图形化GUI界面，直观快速的进行PPA（Performance， Power， Area／Cost）评估和完备严苛的物理实现过程控制。U－Imp／U－Chip支持多模块并发执行、自动化RTL－GDSOUT流程、自动化的Checklist检查和QOR报告收集，大幅缩短IC设计项目实施中的Syn综合／FV形式化验证／ STA静态时序分析／物理设计／Sign Off等流程时间，提高芯片设计效率、节约成本，并为芯片投片一次性成功进行流程上的保障。

此外，紫光芯片云还融入了紫光集团旗下新华三半导体、紫光国芯等企业的芯片设计服务能力，也与EDA、IP、Foundry等生态合作伙伴对接，为IC企业提供一站式的设计服务＋云服务打包Turnkey方案交付。

上云之前，先聊聊这两个问题

国内芯片上云领域中，紫光是领先者。而从紫光芯片云2．0版本来看，其更为强调的是一种“生态”，这也是当前芯片上云的重点工作之一。

只是在这之前，有两个问题我们必须得提出来，一个是安全，另一个是带宽与时延。

安全

众所周知，芯片设计是一个高门槛行业，面对数据信息等牵一发而动全身的核心资产，芯片云该如何做，才能让客户放心地在云上部署芯片设计等工作？

目前在行业中，这一问题的解决方案主要有两类，一类是直接对设备作物理隔断，另一类则是在虚拟层面进行加密。

这两种方式也是紫光芯片云所采用的。邓世友表示，物理隔断方面，除了物理机房间的隔断，在为客户提供的芯片云服务设备，与通用公有云资源池物理隔断，同时与互联网Internet物理隔离。

至于加密，这也是各类型云服务厂商的“惯有手段”了。只不过邓世友向镁客网指出，将数据进行加密存储虽然保证了安全性，但传统的加密会导致性能下降。芯片上云的本质是用算力换时间，但如果加密后，导致性能下降而使得算力大打折扣，最终延长芯片设计任务时间，这就有点得不偿失了。

图 ｜ 紫光芯片云芯片仿真统一解决方案

针对这一点，紫光芯片云选择采用CPU加密指令集加速等底层技术，进而对启用加密后的性能做出优化，“目前，我们已经做到在满载运行的情况下，将性能损失缩小至10％以内。”

此外，同样是加密，邓世友告诉镁客网，紫光芯片云还做了一个创新，所瞄准的是加密的核心——密钥。

“一般云厂商的做法，是将密钥管理放在云端，由云服务端为客户分发钥匙，相当于配钥匙的机器掌握在云厂商手中，这样一来，客户肯定是不放心的。”他介绍到，“紫光的方案与之不同，是将配钥匙的机器打造成一个物理设备，并且放置在用户端，或他们自己的机房中，由客户自己管理、分发密钥。”

带宽与时延

提及云服务，安全和带宽基础性能，也是客户最先关心的两个问题。

在云服务上，带宽小、时延长意味着卡顿，而一旦出现卡顿现象，留给芯片工程师的的体验会大打折扣。

针对这一点，紫光芯片云的做法是将云节点建设在离用户最近的地方，在芯片设计企业颇多的北京和上海部署两个节点资源池，将云驻地化，实现数据不出城，同城裸光纤网络接入。

“以上海为例，如若是上海本地的企业，我们可以做到万兆裸光纤直接接入云端，时延控制在5ms以内。”

“芯片上云”已成业内共识，也是“弯道超车”的机会

严格向前追溯，国内芯片上云的开端始于2019年，但是更早的，在2017年，国外三大EDA巨头（Synopsys、Cadence、Mentor），以及亚马逊、微软和谷歌三大云服务厂商就开始部署相应方案，并相当成熟，也有了相关成果与案例。

“虽然起步较晚，但是现在，包括很多芯片设计企业、其他云服务厂商在内，都已经达成了一个共识——EDA上云是大势所趋。”邓世友表示。

大家都认同了这一趋势，且国外的案例也证明了这一模式的可行，随着国内云服务模式的不断推广，越来越多的企业开始尝试在云端进行芯片设计验证。在助力国产芯片设计这条道路上，云、AI等技术的参与比重正不断增加，且方法上也是各有特色。

比如紫光云，充分利用云服务的特性，满足计算弹性、存储弹性和访问便捷性的同时，也通过接入第三方设计公司的能力，全方位地为芯片设计企业打造一个完整的芯片设计环境，从算力、CAD工具等关键环节出发，达到降本增效的效果。

另外，我们还看到一些企业也在尝试搭建平台，只不过这类平台旨在利用AI技术，来帮助芯片设计企业优化IC设计，力求在最优模式下设计出性能最优的芯片。

而众所周知，在芯片设计环节，国产芯片最为“卡脖子”的环节在于EDA软件。数据统计，2020年的国内EDA市场中，三大巨头就占去了85％，国产厂商市场份额虽在近两年内有所增长，但也仅有14％。

看到这里，我们不禁发问，随着云计算、AI等技术以一种创新方式参与到EDA等关键领域中，能够助力国产EDA等实现“弯道超车”吗？

当镁客网问及此，邓世友认可道，云计算、AI在各行业的渗透率越来越高，对于EDA也不例外。“云计算与AI带给EDA软件不仅仅是技术上的辅助与加速，同时也是商业模式上的创新与变革。”

他进一步表示，虽然在全流程上，国产EDA软件依旧与三大巨头存在不少差距，但在不少EDA点工具上，国内却也是存在不少优秀产品的。

而以云服务对国产EDA的助力为例，“基于云平台，可以融合国内多家优秀的EDA点工具，组合成全流程EDA，实现优势互补，进而推广给芯片企业。只有让更多的芯片企业用起国产EDA工具，才能帮助国产EDA工具实现迭代优化，达到更好的良性发展。”

与此同时，邓世友也指出，EDA工具云化，一方面可以降低芯片企业使用正版EDA工具的门槛，另一方面也可以从根本上解决软件授权问题。

不过，我们也可以看到，近年来，已经有不少三巨头的高管选择离职创业，同时国内的利好政策以及国产化需求，也在推动EDA行业走向突破。这一点上，国产EDA软件国内市占率从5％到14％的增长事实就是一个有力证明。

而如同国产EDA软件的发展与突破，在其他关键领域如IP等，随着智能芯片的出现也正产生有别于传统IP的新需求。

可以确定，云计算、AI等前沿技术的深度参与，给国产芯片“卡脖子”的现状撕开了一个小口，带来了一线生机。

作者：韩璐