新思科技ZeBu EP和HAPS-100 A12 FPGA的关键用例

从用于人工智能工作负载的大型单片SoC到复杂的Multi-Die系统，当今的芯片设计对软件和硬件验证提出了更大的挑战。门的数量扩展到数十亿级别，若开发者要想找出软件和芯片缺陷与故障的根本原因，所需的容量也急剧增加。由于产品上市时间压力始终存在，速度和容量成为对验证系统的两大关键要求。 

为了满足对更大容量和更快速度的需求，新思科技整合硬件加速和原型验证系统，推出了新版本的ZeBu EP系列产品。新思科技ZeBu EP硬件仿真平台为人工智能工作负载提供超快的硬件加速平台，是软件/硬件验证和功耗/性能分析的理想之选。HAPS-100 A12系统提供大规模设计原型验证功能，由此进一步扩展了广泛的硬件辅助验证（HAV）产品组合，帮助开发者降低设计风险，并确保复杂设计能够按预期运行。

在本文中，我们将进一步讨论ZeBu EP和HAPS-100 A12 FPGA的关键用例，并介绍这些产品将如何帮助开发者成功设计兼具出色灵活性、可扩展性和高效率的芯片。

ZeBu EP系列的关键用例

随着电子产品日益智能化，软件在底层设计中发挥着越来越重要的作用。对于软件定义的系统而言，硬件和软件务必要以整体方式协同设计，此时开发者通常从需要支持的软件工作负载着手，然后构建芯片来满足软件和系统方面的需求。

新思科技新发布的ZeBu EP系列平台支持所有验证用例，比如关键的软件/硬件验证，同时也提供了更快的运行速度。以人工智能SoC为例：此类架构具备专用编译器，开发者必须确保软件堆栈能正常工作。一旦硬件做出调整，用于将人工智能模型映射到硬件的编译器也必须随之改变。此外，必须验证关键接口能否在外部环境正常工作。此时，便可采用基于硬件加速器的软件/硬件验证。硬件加速器通过模拟硬件的行为，提供了逼真的测试环境，以便在不使用物理器件的前提下评估软件将如何与硬件交互。通过尽早测试软件代码，开发者可以提前开始检测和解决代码中的错误。添加速度适配器后，硬件加速器能够以近实时的速度运行，从而更深入地了解系统在最终目标系统环境中的实际行为。

ZeBu EP系列硬件加速器能够大显身手的另一个关键用例是功耗/性能分析。回到人工智能SoC的例子，通过硬件加速对芯片的专用编译器进行优化后，开发者便可以改进器件的功耗与性能。由于硬件加速支持在接近真实的工作条件下对系统进行测试，开发者可以了解不同的工作负载和使用场景对功耗与性能的影响，并相应地优化设计。与上一个用例一样，开发者也可以提前开始检测和解决存在的问题。

HAPS-100 A12 FPGA的关键用例

HAPS-100 A12 FPGA原型验证平台是HAPS系列中容量和密度超高的一款系统，兼具固定互连和灵活互连特性，且采用了机架友好型设计。在对Multi-Die系统和大型SoC等需要许多FPGA的大型设计进行原型验证时，这款快速执行平台尤其有用。与上一代产品HAPS-100 4 FPGA平台一样，HAPS-100 A12 FPGA平台也能够达到很高的调试效率，并支持分布式验证团队的多设计、多用户部署。

对于大型设计而言，构建大型原型系统的成本高昂，而且随着模型不断变大，模型构建时间逐渐难以预测，并且需要大量的算力资源。模块化HAV流程可提供更高效、更实际的替代方案。通过在HAPS-100 A12 FPGA平台上使用模块化HAV流程，验证开发者可以先为单个裸片构建和优化原型模型，然后配置该模型以用于单裸片或多裸片硬件，而无需执行多个项目。

通过在高性能HAPS原型验证平台上根据实际接口和场景验证我们的Multi-Die设计，我们能够尽早优化设计，缩短构建时长，并提高结果的可预测性。拥有适用于不同原型模型的通用硬件平台意味着，我们可以实时切换大模型和小模型之间使用的硬件，同时减少所需的算力和存储资源，并且能够根据我们的需求轻松快速地进行扩展。

Lam Ngo

微软首席工程师

人工智能芯片设计验证的捷径

如今，智能技术无处不在，芯片设计愈加复杂，开发者也发现了一些巧妙的办法来满足带宽和性能需求，进一步发挥摩尔定律的价值。在这样的背景下，无论是设计大型人工智能SoC还是Multi-Die系统，ZeBu EP和HAPS-100 A12 FPGA平台等HAV解决方案都能提供所需的速度、容量与灵活性能。有了这样的选择，开发团队就可以摆脱硬件的限制，仅根据项目需求来决定管理验证资源的方式。