引言：

　　臨淵羨魚， 不如退而結網。

　　—— 《淮南子 · 說林訓》

　　在前面的芯片設計上云系列文章中，我們曾經詳細闡述了芯片上云的動力和趨勢（《芯片上“云”的動力》）。從今年下半年起，我們就切實地感受到這一波芯片設計上云大潮正撲面而來，國內也漸漸出現了一批上云的芯片設計公司。

　　在上云初期階段，這些公司主要分布在行業的兩端：一部分是頂端的大公司，他們上云的動力偏向于彈性算力和敏捷運維；另一部分是尾部的初創小型企業，他們上云的動力則偏向于快速獲取標準完整的芯片設計環境從而靈活高效地開始進行芯片開發工作。可以預見，2022年將會是國內芯片設計上云的第一個小高潮，“數字化轉型”已經在芯片設計行業悄然拉開了序幕。

　　如上所述，不同類型的芯片設計公司對芯片上云的原動力決定了他們將會采用不同的EDA云計算方案。因此采用什么云計算方案以及如何上云是很多芯片設計公司現在面臨的最直接問題，我們通過這幾年的研究，建議大家參照下圖的上云路徑來進行：

　　芯片設計上云的方法論和傳統的芯片設計平臺建設方法論類似，都是“調研&規劃-->建設&執行-->運營&優化”的這樣一個可持續發展和優化的流程，不同之處在于“芯片設計上云”在前期的“調研&規劃”中對各種需求評估和方案制定會涉及到更多的“云計算”技術和“公有云”商務條款，因此，芯片設計公司或者芯片設計上云服務商需要具備這些技術和商務知識，我們此文也著重講述如何“調研&規劃”。

　　無論是行業頂端的大公司還是start-up的小型設計公司，都希望借著“芯片設計上云”的東風在云端獲得成本優化的高效安全設計環境，但是正如之前《芯片設計上云-挑戰篇》所述，“安全”、“效率”和“成本”這三個要素不可兼得，在“調研&規劃”階段必須深入了解設計上云原因給出適合的EDA云計算方案，使得上述三個因素達到最佳平衡。

　　EDA上云的用戶視角

　　芯片設計環境是個復雜的軟硬結合＋資源管理的系統，其技術方案必須從各個角度出發，滿足不同用戶和管理的要求。

　　EDA云計算方案決定因素

　　從用戶視角來看，設計公司內部不同的用戶對上云的關注點有所不同：

　　芯片設計團隊對這五大因素的訴求直接決定了最終的EDA云計算方案。

　　總體來說，目前主流EDA云計算方案分為：混合云方案和全云方案，分別適用于中大型設計公司和start-up小型設計企業。

　　中大型設計公司的最優選擇 - 混合云方案

　　大部分中大型設計公司都已經建好了本地數據中心，本地資源滿足了設計項目大部分時間的算力和存儲要求，但是當設計資源需求高峰來臨的時候（例如：后端驗證高峰時），本地數據中心資源不足往往成為項目推進的瓶頸，公司的設計部門和ITCAD部門在這個時候大部分時間都用在資源協調和擴容上，因此在最大化利用本地數據中心資源的前提下，“芯片設計上云”混合云方案的彈性算力和快速交付成為解決這個痛點的最優選擇。

　　對于中大型設計公司來說，一個完整芯片設計環境上云項目，需要IT部門、CAD部門和研發部門密切配合，通過調研規劃、建設執行、運營優化三個階段來實現。所謂“謀定而后動”，在做出芯片設計環境上云的決策前，最為核心的問題是：該如何選擇最適合上云的場景？

　　我們曾與很多設計團隊進行了廣泛的交流和深入調研，下面就針對這個問題展開分析。

　　EDA設計環境上云的場景分析

　　圖片

　　以一個典型的數字IC設計項目為例（14nm通信芯片設計），我們將會從上述的上云五大因素進行展開闡述。

　　1- 高彈性

　　芯片設計上云的主要動力之一就是高彈性，通過計算集群的彈性伸縮來滿足芯片開發過程中的短周期的大計算需求，并能迅速在需求滿足后釋放算力資源，以控制成本。

　　此案例中，設計流程中各個階段的設計作業和設計數據特征如下：

　　由此可見SOC設計后端工作環節（PR、STA、后端仿真、功耗分析，PV等）的數據量大，運行時間長，需要大量的仿真計算和存儲資源。根據已有經驗，上述環節的資源需求占據了整體資源需求的50%-60% 。其中，在STA和PV等環節，還需使用專用的大內存服務器（1.5TB以上）。“芯片設計上云”方案必須提供彈性算力技術滿足設計高峰需求。

　　關于彈性計算的詳細介紹，請參考前文：芯片設計上云 ---彈性計算篇

　　2- 低敏感

　　實際上我們經常與IC設計工程師探討上云話題的時候，他們的第一反應往往是：“上云安全嗎？” 安全這個問題需要從IT和用戶視角分開來看：從IT安全角度來看，無論是在技術的領先性和投入的資源來看，公有云無疑是比企業自建環境更加安全的。

　　公有云平臺上運行著大量企業的系統，每天會面臨全球數以百萬計的網絡攻擊，公有云提供商雇傭大量信息安全工程師和利用各種監控、防病毒、防攻擊系統來保證公有云平臺的數據安全；而企業的自建IT環境的安全感是因為此環境沒有受到全球網絡愛好者的“關注”，不會時常面臨這種安全的“考驗”，但是一旦自建IT環境遇到這種網絡攻擊，往往不堪一擊，從目前報道的勒索病毒案例就可見一斑。

　　從IC用戶的角度，他們關心的并不是IT意義上的安全--網絡安全，而是設計數據的安全，設計數據的“敏感性”決定了安全級別，例如將RTL數據放到云上，用戶就會有心理上的不確定性，用戶需要絕對安全的“保險箱”來確保此類高敏感性的數據安全；而Netlist數據，則相對來說敏感性低了很多，存放位置可以相對更靈活。

　　以RTL數據為主的前端數據敏感性最高，其次為IP和工藝文件數據，以Session、過程波形、歸檔數據和Report為主的過程數據安全性最低。

　　顯然，選擇數據敏感性較低的設計節點上云可以作為設計上云的第一步。

　　3-  低交互

　　公有云平臺需要企業用戶從網絡遠端進行接入，從企業到公有云數據中心的網絡帶寬是重要的考慮因素。在EDA計算場景中，會有大量的實時海量小文件讀取同步發生，因此跨數據中心的實時計算數據傳遞幾乎是不可行的。

　　另外，從目前公有云對數據傳輸的收費策略來看，雖然數據“上傳”基本免費，但是數據“下載”需要按照下載數據大小支付數據流量費，因此，如何減少云上和云下數據“交互”，也是實現成本優化的最重要的手段。

　　從這點來說，“芯片設計上云”混合云方案的基本原則是要找到“零交互”的設計節點并優先上云。

　　表1和表2中也體現了此例中數字IC設計流程中各個節點的數據交互類型以及數據交互量，從而可以分析每個場景下需要通過遠程網絡進行數據交互的情況。一般來說，后端流程中的STA場景是比較典型的低交互場景，大量計算生成的過程波形文件，是不需要下載到本地的。

　　4- 易協同

　　大規模芯片開發往往需要多地團隊的協同作業，分散的數據中心和集中的數據中心一直是一個值得探討的問題。相對來說，集中的數據中心對于數據版本同步的要求要少很多，也更容易進行平臺維護和項目進程控制，更容易實現項目多地協同的需求。

　　但是對于中大型設計公司來說，一個集中數據中心容量有限，當碰到項目資源需求高峰和利用先進制程進行產品升級設計時，將設計流程中的部分設計節點遷移到云上，利用公有云資源和“芯片設計上云”混合云方案的彈性算力實現集中數據中心的無縫擴展依然能很好的滿足項目組協同的需求。

　　目前比較有趣的一個現象是半導體行業非常火熱，很多公司的后端都利用外部資源來完成，這種情況下，“芯片設計上云”混合云方案可以為這種設計公司的協作方快速提供一個可連通、相對數據隔離、并可控的設計環境，在保證協同效率的情況下還兼顧了數據安全。

　　5- 用戶使用習慣

　　半導體行業是一個IT技術相對保守的行業，這個行業采用了20多年的LSF來管理計算集群的方式，早已是行業主流，大部分可并行的EDA工具也原生集成了LSF，對大都數有經驗的IC工程師來說，通過LSF的方式下提交作業也是最習慣的工作方式。行業內絕大多數的本地計算集群，都優選采用的LSF進行作業調度和集群管理。

　　前文中（《芯片設計上云-彈性計算篇》）我們闡述過LSF如何與公有云構成一個自動化的彈性算力池的方法，尤其是CAD環境的6個方面，都與LSF有著深度的集成。

　　“CAD管理內容的其他幾個方面，往往也都是基于這樣的底層架構來進行定制化管理，包括設計流程自動化、EDA工具與調度工具的集成、設計環境標準化、設計數據管理的標準化、License管理和調度等。”

　　保持透明的用戶習慣，對于初次上云的用戶來說，非常重要，否則會增加額外的成本和阻力。

　　1- STA上云

　　2018年起，我們接觸到了行業內的一個大型企業的上云案例，針對這個案例進行了深入的調研，尤其是對STA上云場景進行了深入分析。在整個SOC設計流程中，STA的應用場景，能最好地滿足以上五個關鍵因素。

　　高彈性：STA屬于可高并發的并行作業場景，例如，在STA中需要通過大量計算任務去校驗設計的各種結果，根據芯片規模大小，往往會達到上萬次的并行計算，而在本地計算環境內，受到物理容量的限制，是無法無限擴展瞬間算力的，因此傳統的項目管理模式下，往往需要通過在有限的本地計算集群中排隊處理。假如跑一次STA需要1小時，一萬個STA job在10臺服務器上需要排隊跑1000個小時。而在云上，可以充分利用彈性方法，開出更多臺機器，在最短的時間內并發跑完所有的job。

　　低敏感：如表2中設計流程的輸入輸出文件的分析，STA在整個IC設計流程里面來說，數據敏感性偏低，把STA的相關數據放在云端對于傳統的研發用戶來說，是更容易接受的。

　　低交互：STA是比較滿足低交互的特征的，STA的輸入文件和輸出文件，可以單節點在云端進行獨立的計算，而不需要大量的以及實時的線上線下數據交換，從而使得網絡帶寬的壓力幾乎沒有。而且STA的計算結果是波形文件，絕大多數情況下是不需要下載到本地的。

　　易協同：如前所述，集中的設計平臺對于多團隊的協同研發場景是最為簡便的基礎架構方法，云端的超大算力池空間為集中的設計平臺提供了更為簡便的選擇。

　　使用習慣：如前面發布的彈性算力文章，在云端的芯片設計平臺，跟本地的設計環境可以做到完全相同架構，對計算集群的管理統一通過LSF作業調度來進行。對于研發用戶來說，在云上和本地，是完全無感透明的用戶體驗，通過bsub去統一提交作業，LSF可以自行來進行Multi-Cluster的調度管理。

　　從這5大因素分析來看，此次這個大廠選擇STA這個設計節點上云正是一個最為穩妥安全的選擇。

　　2- Start-up設計公司的最優選擇 - 全云方案

　　如本文開始所說，大量start-up的設計公司也會選擇“芯片設計上云”，其動力主要來自于成本和效率兩個方面。現在很多的start-up小型公司呈現出這樣一些特征：

　　人員規模不大，但是站點較多，有些可能還有國外的設計人員

　　啟動資金有限，自建機房負擔較重

　　需要馬上開始芯片設計，芯片設計平臺交付周期緊

　　沒有專職的IT/CAD人員，對設計平臺如何搭建缺乏專業知識

　　公司初期辦公地點不定，可能會經常搬家

　　“芯片設計上云”全云方案就能非常好的滿足以上需求。以下是一個初創公司的全云方案：

　　此全云方案提供了完整的行業三層網絡安全架構，并包含可擴展的彈性算力集群+存儲以及成熟的數據傳輸方案，對于終端用戶來說使用習慣和之前完全保持了一致，用戶可以從各個地方通過internet連接進入“云端”的設計平臺進行設計工作。

　　此方案使得用戶可以在每年十幾萬基礎設施投資的情況下，并在不到一周的時間拿到設計環境，這對于很多start-up設計公司來講是非常有幫助的，此方案也將“云計算”的精髓-- “萬物皆服務”發揮得淋漓盡致。

　　當然，EDA云計算方案和上云場景的對應關系也不是絕對的，還是要根據企業的整體芯片項目規劃來綜合進行決策，因此大量而細致的調研工作和詳細的上云規劃是“芯片設計上云”是否能夠成功的關鍵，對于每個芯片設計公司來說，其上云路徑和方案都是需要量身定做的，比如：在計算節點的選型上，方案需要根據芯片類型和作業特征來選擇云上最合適的機型。在這里，摩爾精英IT/CAD設計平臺事業部總結了這幾年提供的“芯片設計上云”服務的經驗并進行分享，希望給行業上云提供一些有用的參考。