AI芯片设计规模扩大,硬件辅助验证前移
AI芯片集成的计算单元、存储模块和高速接口越来越多,验证工作也从检查模块功能延伸到确认整个系统能否正常运行。即使各个模块分别通过测试,集成后仍可能出现问题。例如,多个计算单元同时访问存储时,数据传输能否按预期完成,驱动能否正确处理异常,都需要结合整芯片设计和实际软件负载来确认。硬件辅助验证让研发团队在流片前就能开展这类检查,同时为固件、驱动和系统软件开发提供可运行的环境。
硬件仿真加速主要用于运行和调试RTL设计。与单纯依靠软件仿真相比,它更适合执行运行时间较长的测试。遇到接口交互异常或数据传输错误时,验证人员可以查看内部信号和运行轨迹,定位问题出在哪个模块、由什么条件触发。项目早期可从关键模块入手,随着IP集成逐步扩大验证范围,到整芯片阶段再检查跨模块交互以及系统启动等场景。
FPGA原型验证更侧重软件运行。将设计映射到FPGA后,软件团队可以在实体芯片就绪前调试固件和驱动,尝试启动操作系统,并运行有代表性的应用负载。FPGA原型通常能以更高速度运行,但可直接观察的内部信号相对有限。当软件在原型平台上发现异常时,团队可以记录触发条件,再到硬件仿真加速平台上复现问题并查看内部状态。为便于复现,两套环境应尽量对齐RTL版本、关键配置和测试输入。
评估硬件辅助验证平台时,还要把编译和运行放在一起看。RTL频繁修改的阶段,一次修改后多久能重新编译并跑完测试,会直接影响调试节奏。进入系统验证阶段,平台能否容纳所需的芯片设计,以及能否在合理时间内跑完启动流程和应用负载,则决定了哪些场景能够在流片前得到充分验证。两类平台的分工,可以随设计成熟度和测试任务调整。
对AI芯片项目而言,验证前移的价值在于把原本可能等到样片回来才发现的问题,尽早放到软硬件联调中处理。硬件仿真加速帮助团队查清问题原因,FPGA原型验证让软件和实际负载提前运行。两者配合,既能检查芯片设计是否符合预期,也能更早确认它能否支撑目标应用。