本文来自微信公众号“半导体行业观察”，作者/杜芹。
今年以来，人工智能（AI）领域的角逐成为行业焦点。以ChatGPT为代表的大模型成为时代的“宠儿”，而近日，谷歌也突然发布了Gemini大模型，AI技术发展之迅速，已远超我们的想象力。正如人工智能教父杰弗里·辛顿（Geoffrey Hinton）所说，“人类正处于人工智能的转折点”。
AI的飞速发展离不开强大的底层芯片技术支持，而AI技术本身也在反哺芯片产业。AI的集成也在向电子设计自动化（EDA）领域渗透，事实上，在芯片的设计、验证和测试等多个环节，AI+EDA的显著成效已经不容忽视。新思科技作为EDA和IP领域的AI早期拥抱者，正在利用这一得力“助手”，改变传统的验证和调试模式，提高芯片开发的效率和生产力。
验证：芯片成功上市的“守门员”
在芯片设计和开发过程中，验证环节扮演着至关重要的角色，它是确保芯片成功投放市场的主要防线。芯片验证（Verification）的任务是贯穿整个设计过程的，其核心目标是确保芯片设计严格符合预定的规格和性能要求。正如一位优秀的守门员对足球队的成功至关重要一样，完善且有效的验证对于芯片产品的成功同样不可或缺。
但是你可能有所不知，芯片验证工程师在整个验证过程中要花费三分之一的时间来调试芯片设计，这被称之为Debugging。设计阶段的调试主要是检测芯片设计逻辑，以确保芯片的功能正确。当下，为了满足很多对性能有苛刻要求的应用需求，芯片变得更加庞大和复杂。“水涨船高”，为了确保其能够按照预期运行，工程师们所付出的调试时间和精力也在呈指数级增长。
芯片调试的过程不仅受到尺寸的影响，还受功能和最终使用目的的影响。比如，我们常常需要模拟数千个同时进行的复杂操作来测试特定状况。在这种情况下，要找出问题所在，必须进行并行检查，找出有问题的分支。对于不同的终端应用，还需要特别关注设计中的某些特定信号。
因此，一个好的调试方案需要理解设计的各个层面，比如RTL（寄存器传输级）和门级设计，才能准确找到问题所在。在某些情况下，最好能同时看到硬件和软件交互的情况，这样调试起来才更有效。
然而，芯片调试最令工程师头疼的是需要大量的手动操作。因为要想对目前复杂的系统，如Multi-Die、Chiplet等进行调试，往往需要运行成千上万次的模拟和测试来验证设计，这会产生大量的数据。而且这些数据通常需要手动分类和整理，以找出和确定是设计本身的问题还是测试平台的问题。为了运行这些模拟并生成报告，许多团队依赖于内部开发的脚本，而这些脚本通常很难扩展或重复使用。
除此之外，还有很多需要手动操作的地方，例如查看分类的报告和日志文件，决定从哪里着手检查信号波形，回溯电路。这些手动操作非常依赖经验，不容易扩展，也不利于提高工作效率。尽管通过一些技术，比如批量处理模式林汀（batch-mode linting），可以帮助团队避免一些错误，但要想做到从设计开始就完全没有错误几乎是不可能的。
由此可见，芯片调试是芯片验证过程中一项艰巨且耗时的任务，因此，提升芯片调试的效率是重中之重。
长期以来，EDA工具在这一进程中都发挥着核心作用，如果有AI技术的加持，能够将效率提升到更高水平，无疑是“锦上添花”。
新思科技Verdi平台：
AI驱动，调试验证两不误
为了有效应对日益增长的调试挑战并提高验证流程的整体生产力，新思科技善用AI，推出了下一代高效且具有全面的调试和验证的新思科技Verdi平台。这是AI和EDA结合助力工程师实现一次性成功的芯片设计的又一大进步。
Verdi平台可提供全新的图形用户界面（GUI）、采用AI驱动的调试技术、以及集成了Synopsys VC Execution Manager验证管理系统（VMS）和Synopsys Euclide集成开发环境（IDE）。整个系统可通过Verdi平台或安全网络上的网络浏览器查看结果。动态生成和可扩展的决策树支持知识库的建立和共享，以促进更高的调试效率。
新思科技Verdi平台
在Verdi平台中，这些组件的主要目标是：
1.
预防初级错误。通过整合IDE，平台扩展了调试范围，不仅包括设计下的测试（DUT），还涵盖了测试平台的创建。这是通过提供即时的代码检查（linting）和与数据库的同步来实现的。
2.
高效运行回归测试。回归测试的结果推动调试，并且通常需要额外的测试来增强调试。回归测试由验证管理系统负责，包括规划、运行或执行回归测试，以及收集和整理测试结果，以便于后续调试使用。
3.
使用AI分类错误。回归测试的结果，通常以日志文件的形式，需要被分类并确定其来源（如是DUT还是测试平台的问题），然后根据可能性将错误分级，以便优先检查。平台中的AI技术在这一过程中起到关键作用。
4.
使用AI执行根本原因分析（RCA）。在分类错误之后，下一步就是确定这些错误的根本原因。基于AI的RCA引擎在这里发挥作用，可以帮助更快地定位问题。5）与团队成员分享。经过几个自动化步骤后，可以执行交互式调试。此外，结果和调试决策可以通过服务器在全球范围内共享。
此外，Verdi平台还能：
查看仿真运行结果，识别哪些测试通过或失败，判断错误是出现在设计本身还是测试平台中。
观察代码变更并提供评估，因为错误通常在特定条件下以波动或周期性的形式出现。平台的决策树功能有助于关联错误的识别，为根本原因分析铺平道路。
确定错误发生的位置后，快速回溯并通过电路找出导致异常行为的原因。这样可以提高工作效率（尤其是减少查找错误所需的时间）和结果的质量（通过提高错误检测的准确性）。
联发科CTD高级技术经理Chien Lin Huang评价道：“下一代新思科技Verdi平台具有人工智能驱动的回归调试自动化功能，可显著帮助工程师将回归失败的根本原因分析时间从数天缩短到数分钟。”
新思科技公司EDA集团研发副总裁Pallab Dasgupta也表示："通过采用更多创新的人工智能技术，我们正在将新思科技Verdi发展成为一个统一的调试和验证管理系统，该系统可为多站点团队进行扩展，并将显著缩短客户的调试周转时间。
总结
AI技术与EDA工具的融合为芯片设计带来了巨大变革，这种融合不仅提高了设计效率和准确性，而且开辟了新的设计可能性。例如，本文所述的新思科技下一代Verdi平台，就可以帮助项目团队在错误检测和根本原因分析方面实现更高水平的生产力和更高的准确性。展望未来，AI和EDA的结合将继续推动芯片设计的创新。对工程师而言，掌握AI技术将成为必备技能。
