重点：

要杀青硬件和软件的聚拢建立历程，必须克服几个吃力。

结构上，团队仍然互相孤独，使用不同的器具和言语，使命节拍也不同。

时刻上，在建立历程的不同节点上，让软件能够在硬件上编造扩充仍然存在紧要问题。

AI依然被讲解有助于软件建立，并驱动渗入到硬件建立规模。但要杀青全皆集成的硬件/软件建立历程，还需要克服一些紧要吃力，其中并非所有这个词吃力皆在AI的智力范围内不错搞定。

雅致集成硬件和软件建立的平正早已为东谈主所知。但这些勤奋一直受到结构性和时刻性问题的破损。在结构方面，建立团队并未整合，工程师使用全皆不同的器具集，建立盘算也不一致。

在时刻方面，穷乏高性能的硬件模子为止了抓续集成的潜在范围。固然存在一些编造原型，但它们出现的时辰不够早，而况在详细进度与准确性之间进行衡量也很不毛。仿真时刻试图提供周期精准的硬件模子，但难以运行能代表最终系统的完整使命负载。

第一个挑战是构建迷漫丰富和完整的规格讲明，使其既能被东谈主类使用，也能被AI智能体使用。除了军工/航空航天规模，如今很少有行业这么作念。

跟着AI有望在硬件和软件规模皆提供匡助，一个紧要问题是：在可用示举例斯之少的情况下，AI将怎样学习协同瞎想。AI大概能够通过运行合成实验，来笃定某些软件功能在不同硬件架构上运行时的时序和功耗阐扬。唯有这么，AI才能驱动作念出理智的协同瞎想决策。

Normal Computing公司瞎想考证搞定决议工程师阿尔温德·斯里尼瓦桑默示："衡量一直存在于使命历程的纯真性或通用性与其性能之间。性能最高的使命历程将全皆针对特定任务量身定制。"

但在作念这些决策时还需谈判其他敛迹条款，包括资本、外形尺寸和功耗预算。还有热学考量、环境身分以及一长串其他系统级敛迹条款。到面前为止，还莫得东谈主以任何AI算法皆能作为标的使用的方式对这些敛迹条款进行编码，这意味着AI尚未准备好承担这项任务。

团队结构

在谈到硬件和软件集成时，赓续使用两个术语——垂直整合和左移。两者皆波及让团队和建立历程愈加雅致地结合在沿路。

MIPS/GlobalFoundries软件与器具主宰萨姆·格罗夫默示："要是你不雅察区别的硬件软件团队，可能唯有少数几个东谈主能够跨越这条界线。现实情况是，芯片流片后，软件团队才接办。他们必须处理所有这个词依然改变的东西，每一处勘误。他们依然不胜重担，忙于想办法让居品能够平时运行以便推向阛阓。在瞎想全国中，他们应该参与下一代芯片的瞎想。这是这些公司必须发生的结构性变革。"

许多公司照实取舍了抓续集成。Synopsys系统搞定决议计谋边幅扩充总监弗兰克·希尔迈斯特默示："总体挑战在于延伸。我所说的延伸是指得出论断所需的时辰。在谈判硬件软件集成并从规格讲明驱动时，你不错更频繁地迭代，不错快速作念出决策，之后一切皆会加速。要是你比及有了硅片，延伸等于所有这个词这个词边幅周期。要是使用编造原型，那就取决于你迭代的速率有多快。好音信是规格工程正在快速发展，你有一份规格讲明，据此构建RTL，构建模子，以致有可能据此构建软件。迭代不错变得极其赶紧。面前问题变成了：'你能否迷漫快地进行仿真？'"

一些公司正在探索杀青这一标的的新方法。RISC-V国外组织首席扩充官安德里亚·加洛默示："AWS先容了他们的历程，即把RISC-V IP移植到FPGA上，并在云表提供使用。咱们对软件端的抓续集成意见很纯熟，但试想在硬件端也杀青相通的收尾。你的SystemVerilog瞎想处于抓续集成历程中。一朝你修改了一溜Verilog代码，就会生成FPGA镜像并上传到云表。这么就能杀青抓续集成。你修改硬件，修改软件，几分钟后就能在云表的真实硬件上进行测试。"

在硬件存在之前就建立和测试软件并非崭新事。Normal公司瞎想考证搞定决议工程师亚龙·伊拉尼默示："这是通过编造原型杀青的，你不错赢得一段硬件的编造模子，并据此驱动建立软件。也许AI能够匡助详细硬件组件，从而让你能够在RTL之前更高效地建立软件。咱们领有试验论——即规格讲明的一种默示时势，这意味着咱们不一定需要有RTL。咱们不错针对试验论建立软件，试验论是从规格讲明中繁衍出的真实源泉。"

这种滚动并破损易杀青。MIPS的格罗夫默示："最有可能成为拓荒者的东谈主，是那些能够最快招揽这种模式的东谈主。他们了解使命负载，能够构建芯片，能够定制芯片，并能将其推向阛阓。以前，咱们会先构建芯片，然后驱动扶抓生态系统。这里的问题是要勤奋跟上所有这个词的更新。我如安在编译器中赢得不同的优化才略，或者为什么代码会阐扬出这种行径？违抗，要是你知谈代码将怎样阐扬，你能否构建出更好撑抓它或更好扩充它的硬件？这是一次紧要的范式滚动，将影响所有这个词这个词半导体行业。"

这引出了另一个吃力的证据。西门子EDA首席居品营销司理安迪·迈耶默示："咱们正在不雅察客户怎样利用AI。他们主要将其用于RTL创建和测试平台创建。我在架构方面莫得看到这种应用。东谈主类在作念出这些衡量时运用了多量常识。他们要回复的问题是，给定特定的处理器类型，速率能有多快，以及怎样达到其他性能方针。在这个衡量过程中，东谈主类常识仍然极其贵重。"

差距依然存在

大多数卓著皆来自对现存方法论的渐进式更正，而非透彻替代。形成这种情况的一个主要原因是风险最小化。

Normal公司的斯里尼瓦桑默示："在EDA规模，这方面的好多问题皆尚未搞定。东谈主们并莫得针对全局收尾进行聚拢优化。他们只柔柔拼图中很小的一部分，然后问：'在现存的瀑布式方法下，我怎样提升这一才略的坐褥力？'黑箱的问题在于，你仍然需要正确性和可审计性的保证。要作念到这少量，你需要能够交融多样测度贵府怎样互相合并的纪录系统，而你的考证轮回需要针对该纪录系统进行雅致的因子瓦解。这是一个难以搞定但价值很高的问题。"

在硬件历程的早期阶段启动考证过程具有很大价值。西门子的迈耶默示："如今，咱们看到软件在界说搞定决议，进而细化系统级架构需求。咱们看到编造原型在更高的肃穆水平上得到早期取舍。他们并非将其用于合成使命负载，或系统的一小部分子集。他们但愿运行完整的时刻栈，或实在的系统级使命负载。这就迫使昔日从未存在过的不同模子之间产生连气儿性。他们要求能够从编造平台和原型的角度，经由仿真，经由FPGA原型瞎想，一直到硅片，扩充疏通的使命负载。这带来了性能和准确性衡量除外的挑战。他们能扩充几许真实的挂钟时辰？要是他们需要10秒的硅片晌辰，在仿真或模拟中这现实吗？可能不现实。但其中多大比例是可行的？"

这并不虞味着所有这个词东西皆必须放进仿真器里。Synopsys的希尔迈斯特默示："这里有几个维度。有使命负载的复杂性，还有你试验组合在沿路用于仿果真元素的复杂性，以交融对使命负载的影响。这等于为什么仿真中的容量是如斯进击的话题。这需要诸如模块化考证之类的时刻，即把各个单独的部分拿出来，复制，然后合并起来，每一部分皆是仿真器中或跨多个仿真器的我方的子系统。这么你就能在完整芯片上运哄骗命负载了。"

这只是搞定决议的一部分，但并非全部。格罗夫警告说："缺失了一些东西。那等于仿真，是微架构模子，是功耗分析模子——这些是模拟全国中的各个部分，团队实在在此进行融合。固然仿真可能是你驱动时使用的产物，但要是这个产物落入软件团队手中，咱们盘问的就不再是吩咐RTL或网表了。那些只是从瞎想历程中产生的碎屑。要是咱们正在处理的是编造化或仿真版块的平台，它提供了多样观点，那么你就领有了从瞎想到应用撑抓再到结尾客户应用撑抓的连气儿结伴体，不错据此开展使命。"

这需要在硬件建立历程的不同位置进行。希尔迈斯特默示："它可能从一个编造原型驱动，让你能够看到软件对硬件架构的影响。但要是你想商量一致性问题，那就根柢不可能杀青。之后，仿真能提供性能和功耗分析。然后他们不错在基于FPGA的原型瞎想上完成这项使命，这能提供及时接口等等。东谈主们需要一切，而每一种皆有不同的延伸。每种搞定决议皆提供一个特定的最好点，这决定了你可能在仿真或原型瞎想中处理哪些类型的问题，而这在扩充方面的资本方针与编造原型瞎想不同。"

你并不老是需要系统的每一个细节。格罗夫默示："有好多启发式方法。也许最基本的是系统是否端到端可平时运行。但我是否了解这些序列的功耗弧线？我是否了解这些序列在活水线中发生的情况？这需要一系列仿真时刻。它们不会同期发生。咱们很难在有意念念的时辰内筹商出这些搞定决议，更毋庸说在这些平台上模拟它们了，而全国的需求又如斯之大。这个规模有好多转变，即完整系统与小碎屑吩咐相结合，共同构建所需的数据集，以便作念出理智的决策，并率领硬件瞎想、硬件集成方面的使命。"

团队必须承认每种模子的衡量和平正，以及应该怎样使用它们。迈耶默示："你必须刚烈到，具有高级次、无时序SystemC模子的编造平台与RTL之间是有区别的。存在一个会有所不同的时序精度构成部分。你怎样让它们保抓同步？这等于东谈主们破耗多量时辰的方位。行业数据清晰，东谈主们在考证和证据，以及软件调试方面破耗了多量时辰。这是一个亟待更正的规模。"

所有这个词这些只是是杀青集成历程的第一步。格罗夫问谈："你怎样将硬件团队使用的器具引入软件全国？你怎样让两边使用疏通的言语？如今，唯有少数几位架构师和几位微架构瞎想师了解这个接口。但要是你能把无数软件建立东谈主员纳入进来，让他们不必把代码拉入一套不同的器具，或不同的历程来更好地交融它，这就能促成融合。这等于咱们所说的软件驱动的硬件瞎想。"

迈耶默示："我很乐不雅，合计EDA正在投资的数据分析方面，将能够通过数据分析和AI的使用，以更有意念念的方式匡助系统级架构和性能分析。我合计咱们还莫得达到阿谁阶段，但我知谈正在进行多量投资。"

AI的助力

面前尚不了了AI将在那处带来最大的益处。如今，硬件和软件建立团队皆在使用它。MIPS/GlobalFoundries居品高级总监肖恩·墨菲默示："咱们和其他公司正在使用AI，不仅用来编写软件代码，也用来编写硬件代码。咱们确保以相称有针对性和负职守的方式使用智能体来达成此类想法，从而充分利用这个出色的器具。但了解它的局限性和了解它的弱势相通进击。你弗成把它作为一个能搞定全国上所有这个词问题的完整模子。"

软件迭代使得协同瞎想很难被视为不单是是某个时辰点上的事情。Quadric首席营销官史蒂夫·罗迪默示："AI对软件的一大影响，是AI模子——大言语模子——编写通例软件的智力。固然咱们可能在边幅驱动时就知谈硬件软件协同瞎想编造模子中使用的算法集，但两年后当硅片准备就绪时，软件自身依然被顺次员和AI助手无数次重写和更正/膨胀。"

咱们可能需要潜入商量方法论，才能找到最大的收益。斯里尼瓦桑默示："AI依然展现出一些初步智力，能够比单个建立东谈主员更有用地经管跨详细层的依赖干系。你把从居品名义和软件一直到固件和硬件的使命耦合和协同瞎想得越雅致，你赢得的上风就越大。而这是通往一个更庞杂标的——软件和硬件能够递归式自我更正——的制约身分。"

多年前作念出的决策面前可能会破损进展。Normal公司的伊拉尼默示："以考证为例，它依然取舍了一种名为UVM的模范化方法论。它的初志是让东谈主类能够使用模范化代码结构享受可重用组件的便利。测度词，如今它可能已不那么进击了。变得更进击的是生成一种易于用智能体历程爱护的环境。也许咱们不再需要那些独一想法等于便于东谈主类阅读或东谈主类爱护的方法论所带来的零碎复杂性。"

论断

业界恒久以来一直但愿让硬件和软件建立更雅致地结合在沿路，以便两边皆能参与互相优化。固然这个标的无为被合计是成心的，但它从未实在杀青过。建立节拍不同，不实的影响并不特别，器具和言语也不一致。在半导体行业存在的大部分时辰里，硬件建立一直被视为高价值元素，软件则移植其上运行。如今，咱们生计在一个软件简直界说一切的全国里，硬件的作用是尽可能快速地扩充它。除了各团队中少数巨匠之间的融合外，这一切皆不需要非常雅致的合作。这恰是咱们一直以来所处的情状，而况畴昔似乎也不会有太大不同。

Q&A

Q1：硬件软件协同瞎想面前边临哪些主要吃力？

A：主要存在结构性和时刻性两方面吃力。结构上，建立团队互相孤独，使用不同器具和言语，建立节拍不一致；时刻上，穷乏高性能硬件模子，编造原型出当前辰不够早，仿真难以运行代表最终系统的完整使命负载。

Q2：AI能在硬件软件协同瞎想中施展什么作用？

A：AI面前已被用于编写软件和硬件代码，并展现出经管跨详细层依赖干系的初步智力。但在系统级架构衡量决策方面，东谈主类常识仍然极其进击，AI尚未准备好孤独承担这类复杂的协同瞎想任务。

Q3：什么是编造原型？它对软件建立有什么匡助？

A：编造原型是一种硬件的编造模子，不错让建立者在试验硬件RTL完成之前就驱动建立和测试软件，从而提前发现软件对硬件架构的影响开yun体育网，加速举座建立迭代速率。