引言
多年来,软件开发人员一直在云端构建和交付产品。随着半导体企业将芯片设计迁移至云端以实现更快、更精简、更高效的创新,这一进程仍在延续。将设计迁移至云端的理由十分充分,但在这一过程中,我们需要打破一些迷思,并开辟一条利用云端算力的新路径。
多年来,软件开发人员一直在云端构建和交付产品。随着半导体企业将芯片设计迁移至云端以实现更快、更精简、更高效的创新,这一进程仍在延续。将设计迁移至云端的理由十分充分,但在这一过程中,我们需要打破一些迷思,并开辟一条利用云端算力的新路径。
新技术正通过软件与硬件的结合不断涌现,从而增加了设计的复杂性。这需要对整个系统进行全面分析、更多的计算资源以及电子设计自动化(EDA)工具。这一趋势将持续推动半导体技术的进步。
AI 正在融入设计工具与工作流。这进一步催生了对计算与EDA资源灵活(即无限制)访问的乘数级需求。
云服务商(CSP)已具备承载这些工作负载的规模化高性能计算(HPC)优化基础设施、可用性、经济性以及容量。
最初阻碍任何实质性进展的关键问题在于,半导体行业不愿将宝贵的 IP 放在他人的硬件上,对云服务商的安全能力缺乏信任。
这种将所有 IP 保留在内部并确保“安全”的倾向是可以理解的,毕竟 IP 对于大多数半导体公司而言堪称皇冠上的明珠。
公有云的广泛应用促使主要云服务商在安全基础设施上进行了大量投资。微软 Azure 每年在云安全方面的投资约为 10 亿美元。谷歌将在未来五年内投入 100 亿美元用于云安全。整个行业中此类 iniciativas(注:此处保持自然中文,采用“类似举措”)比比皆是。
除了云服务商提供的安全基础设施外,托管云应用程序的公司还提供了一层特定于应用程序的安全性。例如,Synopsys 在应用安全领域拥有深厚的专业知识,能够提供大量附加保护。示例包括:
事实证明,云服务商(CSP)及其合作伙伴在安全领域的投入远超任何单一企业的承受能力,因此“最安全”的选择往往正是云端。
第二个问题是对资源可预测性的担忧。硬件工程团队不相信云端能在他们需要时提供所需的计算能力。他们更倾向于了解内部计算与存储资源容量的可预测性,并确信在需要时这些资源必定可用,因为它们不会与未知用户群共享。
在容量预测完美无缺的世界里,所有工程工作负载都能确保在既定容量内运行,这自然不成问题。但在实际操作中,内部工程团队往往需要竞争共享的本地资源,当资源紧张时,必须由专人来决定优先支持哪些项目。
此外,实际设计项目的计算需求呈现出明显的峰谷特性,如图下一页所示。支撑这种现实状况的最佳本地配置是什么?
当然,您可以通过投资扩展本地资源来满足突发容量需求,但这种扩容通常不够灵活,且只能单向进行。因此,本地资产只会不断增加,在需求减弱时也绝不会缩减。事实上,得益于大型云服务商在全球范围内的大规模基础设施扩展,容量可用性正是云端的优势所在。
第三个神话涉及成本。本地 IT 团队始终认为他们能够以低于云端的成本提供计算能力,且长期来看,拥有硬件本质上比租用硬件更具成本效益,或者至少其成本更易于理解和控制。他们担心云端的无限容量会促使工程团队以无法控制的方式消耗计算和存储资源,从而导致成本失控。
然而,IT 团队必须配置足够的本地容量来应对峰值需求,这意味着昂贵的本地硬件可能会在相当一部分时间里处于闲置状态,整体利用率低下。这是一个经常被忽视的本地成本。
第四个神话涉及将 IC 开发工作流从本地迁移到云端。当工作流深度依赖本地资产的架构时,“直接搬迁上云”似乎需要付出难以逾越的努力并面临高昂的成本壁垒。
事实上,投入精力将现有工作流迁移到云端会带来其他益处。随着作业封装性的提高和对目标平台依赖性的降低,人们可以迈向一个工作流具备可移植性的环境,从而能够在本地或云端无缝运行。
现有合同很可能并未包含在云端使用 EDA 工具许可证的条款。因此,负责 EDA 合同管理的人员必须与供应商进行沟通,以明确可行的方案。所有主流 EDA 供应商都提供多种在云端使用许可证的模式。不过,可能需要对合同进行一些修改,而且您可能希望像以前一样在本地运行部分许可证,同时在云环境中运行其他许可证。
毕竟,如果您随后受到 EDA 许可证的限制,那么能够访问云端的无限计算能力也就毫无意义了。
云不仅关乎计算,还关乎存储。对于某些工程工作流而言,存储成本可能是一个不容忽视的因素。通常情况下,在云端创建大型数据集在可用性方面不成问题,但云存储的费用可能十分昂贵。并非所有存储在云端的数据都需要存放在高性能层级存储中。
您可以将访问频率较低的数据迁移至云服务商(CSP)提供的速度较慢的第 2 层或第 3 层存储介质中。数据传输也会产生相关费用。通常情况下上传是免费的,但下载会按量计费,并可能产生额外费用。
切勿保留可轻松重复生成的大量中间数据。在云端执行所有数据分析工作——得益于现代大数据的兴起,云端正日益具备这种强大的分析能力。
迁移到云端后,需求预测的需求并未消失。消失的则是扩容的技术和物理壁垒,因为短期需求可以更轻松地得到满足,并且您只需为所使用的服务付费。
然而,如前所述,如果工程团队不再受固定容量的限制,并看到了在不考虑成本投资回报率(ROI)计算的情况下提升工程质量和上市时间的绝佳机会,那么失控的资源消耗可能会导致成本呈螺旋式上升。因此,内置的利用率分析和预算管理是任何基于云的 IC 设计工作流中不可或缺的组成部分。
云成本计算模型非常复杂。成本涉及多个维度,例如服务商的选择、服务(计算和存储)的选择、诸如大数据分析等附加服务的选择,以及基于按需付费、预购计划或在需求较低时可大幅降低服务费用的竞价实例等定价模型。
需要考虑的成本因素:本地部署与云端对比
由于每个组织的需求各不相同,因此并不存在放之四海皆准的成本模型。在进行计算时,请牢记这些考量因素。
| 考量因素 | 本地部署成本因素 | 云成本因素 |
|---|---|---|
| 设施与设备 | 初始投资巨大,且需对新旧硬件组合进行持续维护 | 成本根据使用情况和定价模型而异 |
| 可靠性 / 生产力损失 | 本地部署实际上可能会因维护和升级而导致更多停机时间 | 云端通常具有更高的冗余度,这意味着更少的停机时间和更少的中断 |
| 人员 | 需要完整的 IT 团队来负责维护和分析 | 所需的人力资源较少 |
| 业务连续性风险 | 如果所有本地设施均集中于一处,风险较高;若在多处投资,则成本增加 | 云端拥有更广泛的冗余,这意味着潜在影响更小 |
云端的一大优势在于:它能够轻松地在一个地方追踪某项作业的运营支出的各项费用,包括计算、工具许可证、存储和数据传输成本。
本地基础设施通常是由新旧硬件、快慢计算能力、大小内存系统组成的异构混合体。通常很难根据设计流程中每个步骤的独特需求,来确定是否部署了合适的硬件配置。
将工作流“直接迁移”到云端,要求这些工作流必须进行封装,以便连同所有作业依赖项一起打包并发送到云端。对于希望将内部工作流移植到云端的团队来说,这可能需要对现有的本地工作流进行分析,以确定每个作业的 I/O 需求和文件依赖关系,然后可能需要对工作流进行重新架构,使其具备云就绪能力。
此外,还需要决定在哪里执行工作流的交互式元素,例如 调试。您是计划在云端同时运行批处理和交互式工作负载,还是仅在云端运行批处理,并将本地环境用于所有的交互式调试作业?响应时间是开展波形分析等交互式调试活动时首要考虑的因素。
这里有两种不应混淆的情景。“自带许可证”(BYOL)是指在您选择的云服务提供商(CSP)处使用现有的本地许可证。对于那些在本地环境中已经建立了解析工具许可协议的大型企业,如果他们现在希望能够在云环境中使用这些相同的工具,通常会采用这种方式。用户的许可证使用依然受其许可证投资级别的限制。
“自带云”(BYOC)是一种对那些已经与选定的 CSP 建立了云端能力且需求具有高度突发性特征的用户更具吸引力的模型。由于这是一种类似于 CSP 计算模型的按需付费消费模型,因此许可证不受限制。系统通过计量和分析来对使用情况进行计费,从而实现有效的消费预算管理。此外,还可能提供其他定价模型,允许用户以不同的成本点进行预先规划和预先购买许可证。
软件即服务(SaaS)是另一种替代方案,用户无需再关注使用公共 CSP 的设置和运行成本,因为工具供应商会将应用程序托管在供应商选择的云服务上。对于您的组织已经在使用的许多现代应用程序来说,这是一个熟悉的模型,例如 Microsoft Office365 和 Salesforce。这些都是运行在云服务上的 SaaS 解决方案,用户无需接触云服务的复杂性。
IC 开发团队只需关心运行工作流(例如仿真)。实际上,这就成为了“仿真即服务”。与 BYOC 类似,计费模型可以是计量/按需付费,也可以基于给定的许可证容量。
对于在本地功能方面已有前期投资的大型组织而言,混合方法是一种广受欢迎的策略。通过将峰值需求的工作负载弹性扩展到云端来满足需求,而可移植性较低的工作负载则继续在本地运行,不受任何影响。这种渐进式的云迁移方式意味着本地基础设施将有富余的空间,用于处理那些需要更多时间和精力来进行“云化”的工作流。
最终,您可能会发展到这样一种阶段:所有工作流在本地或云端都能同样出色地运行,此时您的用户无需关心其作业在哪里运行。在此阶段,本地基础设施可被视为本地云或私有云,计算环境的混合特性对使用者而言得到了抽象屏蔽。
随着组织逐步采用云技术,了解可用的不同模型以及哪种模型最符合组织的需求至关重要。下表概述了四种不同的业务场景以及每种场景相应的业务需求。
| 本地(BYOL) | 全云(BYOC) | SaaS | 混合云 | |
|---|---|---|---|---|
| 场景摘要 | 在本地进行了大量投资的大型企业 | 拥有成熟云端能力的小型企业或初创公司,其需求可能会在业务高峰和低谷之间波动 | 希望使用供应商 CSP 上可用工具的小型初创公司 | 既有本地投资又具备云能力的成熟企业 |
| 业务需求 | 能够在云环境中使用现有本地工具许可证运行相同的工具 | 应对突发需求而不会超出预算 | 在云端运行工作负载,无需管理云基础设施 | 仅允许在云端进行特定使用,以便实现高效的消耗预算管理 |
云技术的出现将成为历史上重要的拐点之一,它使工程师能够提高生产力、性能并缩短上市时间。
从本质上讲,摆脱计算资源有限对创新的制约,能够为采用不同方式开展工作提供机遇,并成为小型组织与大型企业同台竞技的有力平衡器。许多IC设计工程团队已经习惯了产能受限的困境,这影响了最终产品的整体质量和上市时间。如果因为缺乏足够的按需计算资源和EDA许可证来加速交付,而无法在制胜的市场窗口内实现最高品质,究竟会错失多少机遇?
归根结底,核心的资源约束在于人才。工程师的时间是最宝贵也是最受限制的因素。工程师因等待漫长的批处理计算任务完成而受阻,并不是对工程人才的高效利用。随着容量和可用性限制的解除,才华横溢的工程师可以专注于他们最擅长的事:创新。
此前我们曾探讨过“为何选择云,为何是现在”,并将当前的局势形容为一场完美风暴:系统复杂性的增长呈指数级推动了计算和EDA需求,而现代AI增强型EDA技术进一步加剧了这种需求。CSP和EDA供应商均提供了能够让IC硬件开发商以可承受的成本实现规模化云端采用的使用模式。
更何况,如果竞争对手已经开始利用这一庞大资源来更快地交付产品,您又有什么理由不这样做呢?
借助 Synopsys Cloud,我们将EDA推向了新的高度,将先进的计算与存储基础设施可用性与按需无限访问 EDA软件许可证相结合,让您能够专注于最擅长的工作 —— 更快地设计复杂芯片。
SaaS模型为每种类型的IC设计提供了优化的工作负载,并匹配最适合该任务的硬件。在此之前,只有拥有庞大流程开发资源的少数公司才能提供这种能力。Synopsys现在让所有设计团队都能获得同样全面的支持。
具有变革性的 FlexEDA模型 允许访问Synopsys的整个软件目录。通过Synopsys独有的FlexEDA按需付费模型,利用云规模弹性将成果产出时间从几天缩短至几小时。按需获得对EDA许可证的无限访问权限,从而实现EDA许可证和计算资源的实时动态扩缩容。您将彻底摆脱冗长的采购周期,也无需预先确定所需工具。FlexEDA同时提供SaaS和BYOC两种部署模式。
Synopsys提供云原生EDA工具、预优化硬件平台、极其灵活的商业模式以及现代化的客户体验,重新构想了云端芯片设计未来,在不打乱成熟工作流程的前提下,开创了一个全新的创新世界。