電子發(fā)燒友網(wǎng)報(bào)道（文/周凱揚(yáng)）隨著云服務(wù)的發(fā)展以及相關(guān)廠商不遺余力地推廣，半導(dǎo)體產(chǎn)業(yè)整體上云的進(jìn)度已經(jīng)逐漸加快，無論是EDA廠商、Fabless設(shè)計(jì)廠商還是代工的Foundry，都開始把他們的工具、設(shè)計(jì)流程搬到云端來。

而到了如今這個(gè)時(shí)間節(jié)點(diǎn)，促進(jìn)EDA上云的主要原因已經(jīng)不再是居家辦公，而是更低的成本、更靈活高效的設(shè)計(jì)流程以及云端海量的硬件資源。但縱觀國內(nèi)EDA市場，廠商其實(shí)上云進(jìn)度并不算快，這既有國內(nèi)EDA產(chǎn)業(yè)起步慢的原因，但也少不了對(duì)各種云服務(wù)的選擇困難因素在內(nèi)。

EDA廠商如何選“云”

為了進(jìn)一步推動(dòng)EDA上云，公有云服務(wù)廠商也在順勢(shì)拉攏各大EDA廠商成為其客戶，比如亞馬遜AWS、阿里云、華為云、騰訊云、紫光云等等。還有就是一些私有云、混合云的方案提供商，比如英諾達(dá)、速石科技等。

要說目前公有云這塊對(duì)EDA廠商吸引力最大的必然還是亞馬遜，首先AWS是全球第一大云服務(wù)供應(yīng)商，已經(jīng)成了頭部幾個(gè)EDA大廠的首選。其次在國內(nèi)EDA廠商的持續(xù)耕耘下，出海擴(kuò)張海外業(yè)務(wù)是必行之路，而亞馬遜可以提供這樣完備的全球覆蓋方案。

最后，也是更重要的一點(diǎn)，那就是亞馬遜已經(jīng)有了成功的EDA上云案例和應(yīng)用經(jīng)驗(yàn)，其自研芯片陣容就是慢慢從混合云轉(zhuǎn)為現(xiàn)在的完全云端開發(fā)的。同樣以自身為范例的還有紫光，據(jù)公開信息，在其芯片云平臺(tái)上線之前，集團(tuán)旗下某5G 7nm SoC項(xiàng)目就是在芯片設(shè)計(jì)上云的產(chǎn)物。

雖然亞馬遜提供的主要是一些靈活方案，比如針對(duì)計(jì)算優(yōu)化、針對(duì)內(nèi)存優(yōu)化和通用實(shí)例，但這對(duì)于EDA成本控制來說至關(guān)重要，新一代的x86和Arm處理器也可以充分發(fā)揮出EDA工具的最佳云端性能。為了進(jìn)一步估算成本，亞馬遜還提供了開源的HPC成本模擬器，從而讓客戶在選擇實(shí)例時(shí)就能知曉最佳的購買方案。

值得一提的是，這種針對(duì)EDA特定負(fù)載的優(yōu)化，國內(nèi)的云服務(wù)廠商也在發(fā)力。比如針對(duì)芯片仿真耗時(shí)長、EDA仿真壓力大、上市周期壓縮等行業(yè)痛點(diǎn)，華為推出了對(duì)EDA存儲(chǔ)的解決方案OceanStor。

華為云根據(jù)EDA設(shè)計(jì)及MASK仿真過程中的業(yè)務(wù)訴求，針對(duì)海量小文件場景進(jìn)行優(yōu)化，通過OceanStor Dorado全閃存存儲(chǔ)的FlashLink以及全局共享分布式文件系統(tǒng)等高效算法加速數(shù)據(jù)操作，保障高負(fù)載下操作不卡頓，實(shí)現(xiàn)EDA仿真海量小文件場景仿真效率提升30%。

此外，面向IC初創(chuàng)企業(yè)，華為云還推出支持EDA一體化設(shè)計(jì)及仿真系統(tǒng)的計(jì)算型存儲(chǔ)。單個(gè)設(shè)備融合計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)和虛擬化的能力并提供豐富的企業(yè)級(jí)NAS特性，為初創(chuàng)EDA設(shè)計(jì)企業(yè)提供物超所值、簡單易用的高性能方案。

上云并不簡單，軟硬件都要準(zhǔn)備好

不少人對(duì)EDA上云的難易度可能有所誤解，EDA上云如果只是簡單地將軟件移植到云上，靠著云服務(wù)廠商準(zhǔn)備好的現(xiàn)有的x86服務(wù)器就能萬事大吉，那么這樣的產(chǎn)品或許遠(yuǎn)不算“云原生”，并不具備很高的競爭力，只不過是給到客戶另一種收費(fèi)和使用模式而已。

從EDA廠商的角度來說，EDA軟件本身的交互方式、商業(yè)模式都不一定適合云端，更何況在硬件資源的利用上，并不能用過去的方式來完成靈活云端算力資源的調(diào)度。所以于任何一家EDA廠商而言，做好云端的適配或是開發(fā)云原生的EDA才是最佳的選擇，不僅可以優(yōu)化其運(yùn)行效率，也能很好地與其他云端軟硬件資源完成匹配。

同時(shí)，EDA工具的另一大痛點(diǎn)，就是沉重的老舊技術(shù)包袱，這些包袱使其接口、底層架構(gòu)沒法與云平臺(tái)上的其他AI工具進(jìn)行結(jié)合。所以如果云服務(wù)供應(yīng)商在已經(jīng)提供了資源調(diào)用接口、AI分析、計(jì)算平臺(tái)的情況下，EDA廠商自己也要想辦法去做好對(duì)接，這樣才能發(fā)揮上云的全部優(yōu)勢(shì)。

其次就是硬件，固然現(xiàn)有的x86服務(wù)器可以滿足運(yùn)行EDA的需求，但要說真正做到流暢高效，還是逃不開專用的硬件平臺(tái)。尤其是在驗(yàn)證、仿真環(huán)節(jié)上，硬件加速器可以說是復(fù)雜芯片設(shè)計(jì)不可或缺的。在老一代硬件上運(yùn)行EDA負(fù)載可能會(huì)有較低的起始成本，但效率、性能上的差距可能會(huì)導(dǎo)致軟件授權(quán)成本進(jìn)一步增加。

而云服務(wù)廠商往往不會(huì)為了EDA這一個(gè)應(yīng)用，去采購這樣的專用硬件并部署實(shí)例，也不適合自行購買然后托管在第三方數(shù)據(jù)中心，哪怕他們也擁有一定的FPGA硬件，因?yàn)槠渚S護(hù)和優(yōu)化會(huì)成為問題。更重要的是，這些專用硬件本身價(jià)值不菲，如果達(dá)到資源上限的話，廠商還要繼續(xù)擴(kuò)容、迭代硬件，其成本與規(guī)模不下于一臺(tái)小型超算。所以針對(duì)這類特殊場景，一些混合云、私有云的方案更吸引人。

就拿英諾達(dá)為例，他們的云平臺(tái)二期工程不僅增加了Cadence的Palladium Z2硬件仿真加速器，Protium原型驗(yàn)證系統(tǒng)也進(jìn)行了擴(kuò)容，總門數(shù)、吞吐量和編譯速度等都得到了大幅提升。這也是Cadence等廠商依然在云端維持優(yōu)勢(shì)的原因，他們?cè)陂_發(fā)之際已經(jīng)提前考慮到了軟硬件同步上云。

寫在最后

無論用戶是否接受EDA上云這種模式，其已經(jīng)收獲了不錯(cuò)的市場反響，甚至很可能是未來初創(chuàng)芯片設(shè)計(jì)公司選擇EDA的首選考慮因素。國內(nèi)EDA廠商上云進(jìn)度各不相同，但基本都已經(jīng)找到了合作對(duì)象，比如國微芯與騰訊云達(dá)成合作、概倫電子與鴻之微云達(dá)成合作等等。

而且大部分EDA上云場景不需要與云服務(wù)廠商進(jìn)行綁定，就以Cadence自己的Cadence云為例，與亞馬遜AWS、微軟Azure和谷歌云都達(dá)成了合作，同樣選擇了這三家作為合作伙伴的還有新思的Synopsys Cloud。

如果還考慮在云端引入Foundry的設(shè)計(jì)資源的話，那么又有另外的考量了，畢竟Foundry的設(shè)計(jì)資源往往都是保密的，除非是代工廠信任或在合作聯(lián)盟內(nèi)的云服務(wù)供應(yīng)商，否則是沒辦法拉著他們一起上云的。

最后是芯片設(shè)計(jì)廠商仍在擔(dān)心的一個(gè)問題，那就是其設(shè)計(jì)團(tuán)隊(duì)都不足100人，有必要選擇上云嗎？這就是廠商自己的取舍了，從筆者自己觀察到的現(xiàn)象來看，這類企業(yè)往往初創(chuàng)不久，更需要依賴算力資源來縮短TTM，否則其商業(yè)化進(jìn)程無疑會(huì)放慢。