Perinteiset simulointi- ja emulointimenetelmät eivät enää pysy tekoälypiirien mukana. Kun sirujen koko kasvaa miljardien porttien järjestelmiksi ja niitä ajetaan oikeilla AI-ohjelmistoilla jo ennen valmistusta, verifiointi on pakko rakentaa uudella tavalla.
Siemens ja NVIDIA kertovat saavuttaneensa läpimurron AI-piirien verifioinnissa. Yhtiöt pystyvät nyt ajamaan valtavia määriä suunnittelusyklejä muutamassa päivässä ennen ensimmäisen sirun valmistumista.
Taustalla on Siemensin Veloce proFPGA CS -järjestelmä, joka yhdistää FPGA-pohjaisen prototypoinnin emulaatiotason verifiointiin. Ratkaisu siirtää testauksen painopistettä pois perinteisestä simuloinnista kohti järjestelmätason validointia, jossa mukana on myös oikea ohjelmisto.
Perinteiset verifiointimenetelmät jäävät auttamatta jälkeen. Simulointi soveltuu tarkkaan analyysiin, mutta on liian hidasta laajoihin ajoskenaarioihin. Emulaatio taas yltää pidemmälle, mutta sekään ei skaalaudu riittävästi, kun kokonaisia AI-järjestelmiä pitää testata realistisilla kuormilla.
NVIDIA tuo yhtälöön omat, erittäin monimutkaiset AI-piirinsä ja niiden ohjelmistopinon. Käytännössä tämä tarkoittaa, että verifiointi ei enää kohdistu yksittäisiin lohkoihin, vaan kokonaisiin järjestelmiin, joita ajetaan samoilla työkuormilla kuin valmiissa tuotteissa.
FPGA-pohjainen prototypointi mahdollistaa pitkien ajosarjojen suorittamisen nopeasti, mutta yhdistettynä emulaatiotyökalujen hallittavuuteen ja debug-kykyihin se muodostaa uudenlaisen verifiointialustan. Siemensin mukaan ratkaisu soveltuu sekä yksittäisten IP-lohkojen validointiin että useiden miljardien porttien chiplet-arkkitehtuureihin.
Muutos on perustavanlaatuinen. AI-piirien kehityksessä kriittiseksi pullonkaulaksi ei enää muodostu pelkkä suunnittelu, vaan se, kuinka nopeasti ja luotettavasti koko järjestelmä voidaan todistaa toimivaksi ennen tuotantoa. Nyt tähän ongelmaan on löytymässä uusi ratkaisu.
Tekoälyn siirtyminen pilvestä laitteisiin nostaa esiin uuden vaatimuksen: suorituskyky ei synny pelkästä raudasta tai ohjelmistosta, vaan niiden yhteispelistä. Sulautetussa AI:ssa laitteistoarkkitehtuuri ja mallien optimointi ratkaisevat, kuinka paljon laskentaa voidaan tuoda paikallisesti ilman pilviyhteyttä.
