成年免费A级毛片免费看丶_18禁肉肉无遮挡无码网站_四虎成人精品在永久在线_国产精品久久久久久超碰

Ramine Roane

賽靈思軟件與 AI 產品管理副總裁

賽靈思近來在 EDA 領域取得的重大發展，將對 FPGA 設計生產力產生切實影響。

EDA 面臨重重挑戰

長期以來，EDA 面臨著各種挑戰：器件數量越來越多、設計越來越復雜。盡管摩爾定律逐步放緩，但在過去 20 多年間，FPGA 晶體管數量呈現的指數級增長絲毫未減。

賽靈思利用堆疊硅片互聯等技術，在異構集成方面取得了領先地位，同時還增加了 ARM 處理器子系統、AI 引擎或眾多連接塊，如 NOC 連接塊和其它硬件塊，并以此取得了驕人成績。然而，魚與熊掌不能兼得。性能上帶來了巨大優勢，而設計簡化性、編譯時間和結果質量（ QoR ）往往需要做出妥協。

這也就導致了設計方法的多種多樣，其豐富程度甚至超越了宇宙中原子的數量。換句話說，玩 EDA 比下圍棋難得多。更糟糕的是，優化算法本身為多項式，會隨設計大小呈指數級浮動。因此，通常在 EDA 中面臨的取舍是，在編譯時間和 QoR 之間進行抉擇。

機器學習帶來新曙光

AI 正推動編譯速度與質量進入新階段

眾所周知，圍棋、自主駕駛、RNA 翻譯轉化、蛋白質折疊等難題，現在都能通過機器學習求解。所謂機器學習，就是在大數據中尋找模式。在處理 PB 級數據時，機器學習顯然比人類做得更好。

賽靈思和 EDA 公司都擁有著數十年的數據，目前也都在借助 AI 充分利用這些數據。然而在 EDA 公司中，采用機器學習的一項重要挑戰是缺乏在特定領域更專業的技術積累。過去幾年中，賽靈思大量投資于機器學習領域，不斷獲取 AI 技術與人才。

現在，賽靈思及整個學術界在 EDA 領域完成了大量 AI 學術研究，涵蓋了 AI 技術在綜合、平面規劃、布置路由、靜態時序分析等領域的應用。研究顯示，與傳統 EDA 算法相比，QoR 比最初提高了 10%。機器學習不僅有助于提高 QoR，還能縮短編譯時間，并根據設計模式預測和加快設計收斂策略。

為了縮短編譯時間，賽靈思在團隊設計方面加倍投入。今年，新引入的特性可實現從系統設計到實現再到部署的層級設計。

11 月 30 日 13:30，在Xilinx Adapt - 中國站線上技術大會特別設立的開發者專場中，賽靈思資深軟件工具專家高亞軍（ Lauren Gao ），將現場詳解本文所提到的所有新功能及設計方法。