重估芯片验证

EDA 供应商及其客户正在寻找一种不同的方法来解决半导体验证瓶颈问题，将人工智能与大规模仿真相结合，为设计创建一个单一的参考点。

目标是利用精确、完整、可追溯且适用于人工智能的“黄金规范”，在提高覆盖率和增强置信度的同时，缩短签核时间。如果这种方法成功，将最终实现左移。虽然仍需更多步骤，但这种“构造正确”的策略可能会对验证过程产生重大影响。

Axiomise首席执行官 Ashish Darbari 表示：“它现在（或者说应该是一个）鲜活的、机器可读的、可执行的文档，能够同时作为硬件、固件和软件团队明确的语义锚点。SystemRDL 和 IP-XACT 等工具代表着朝着这个方向迈出的一步，但它们仍然主要以寄存器映射为中心。更深层次的问题在于，只有当生态系统中的每个利益相关者——RTL 工程师、形式验证工程师、UVM 测试平台编写人员、固件开发人员和系统架构师——都能用他们各自选择的语言来理解规范，而无需经过有损的手动翻译步骤时，规范才能真正称得上是黄金规范。而这种重新翻译正是规范偏离的开始。”

下一步是将黄金规范从人类可读的合同扩展为权威的、人工智能可解释的基础，从而驱动人工智能原生芯片设计和验证流程，并有效地将其作为所有生成的RTL代码、测试平台和分析的评估基准。“如果没有这样的参考标准，正确性就无法定义，”ChipAgents首席执行官William Wang表示。 “其要求已朝着两个关键方向发展。首先，从主要面向人类的文档发展为人工智能可读、结构化且可执行的表示形式，以便智能体系统能够使用。其次，要保持更高的精确度和完整性标准，因为虽然人工智能可以发现明显的矛盾之处，但细微的或深埋的规范错误仍然难以检测，并且可能大规模传播。”

大多数工程师将黄金规格等同于验证，但近年来随着Multi-die组件和先进封装技术的兴起，其定义已经发生了变化。

Vinci半导体和电子产品全球营销部负责人Satish Radhakrishnan表示：“十年前，黄金规范主要可以定义设计意图、接口要求、功能行为和验证预期。但对于如今的Multi-die、芯片组和3D设计而言，这已远远不够。规范还需要涵盖决定系统能否实际工作的物理环境——包括原始几何形状、材料、堆叠结构、接口、热边界条件、机械约束、施加的负载、功耗图以及预期的热行为或热机械行为。”

其他人也认同这一观点。“十年前，它主要只是对单芯片SoC的静态功能描述，” Arteris公司战略营销副总裁Guillaume Boillet指出，“如今，规范必须涵盖异构芯片间的系统级行为，其中片上网络互连成为核心要素。除了芯片间的一致性协议之外，芯片组系统还需要针对独立开发的芯片之间的启动、发现、安全、遥测、错误处理和服务质量管理制定详细的规范。幸运的是，业界在芯片间互操作性的标准化方面取得了显著进展。”

在今年早些时候的DVCon研讨会上，与会者热烈讨论了人工智能如何大幅缩短设计验证和调试时间。但这一目标尚未完全实现。真正的进展将取决于更加完善和灵活的规范。

Synopsys系统解决方案战略项目执行总监Frank Schirrmeister表示：“新的瓶颈在于规范的清晰度，这可以追溯到几十年前将验证工程师与设计工程师分开的旧观念。他们被视为两个不同的群体，因为如果只用自己已有的知识，就不利于发现新的东西。还记得Alberto Sangiovanni-Vincentelli 30年前提出的可执行规范吗？它从未真正实现。我们只解决了其中一方面，而且效果还不错。我们认为，如果我们固定了RTL，并将其建模为任意时间点的硬件实例，并且存在一个数字线程，那么我就可以利用它随时间的变化做一些有用的事情。我可以进行软件开发，这是一个不错的市场。但我们并没有抽象出所有内容。我们固定了硬件，这给了我们一个边界，然后就可以在其基础上开发软件。那么现在是否存在一个硬件/软件一体化的、黄金标准的可执行规范，可以从中推导出所有内容呢？”

理论上，人工智能可以实现设计方案的多次迭代，从而找到最优解。但即便借助人工智能和强大的计算能力，协调设计流程中的所有步骤直至验证过程仍然是一项极其复杂的任务。鉴于此，黄金标准是否适用于设计流程的不同环节？例如，在设计规则检查（DRC）的语境下，“黄金”的含义有所不同，尽管它至关重要。在这里，黄金标准或黄金参考不再是简单的静态正确性概念，而是一个不断发展、由生态系统驱动的可靠准确度标准，必须与日益增长的复杂性保持同步。这对于先进节点、3D/芯片设计以及多厂商流程尤为重要，并且越来越依赖于代工厂编写的规则手册、与关键客户和合作伙伴的紧密协作以及新兴的行业标准，以管理风险、良率和互操作性。

西门子EDA产品管理高级总监John Ferguson表示：“[DRC]‘黄金标准’实际上只是在说，‘我们对精度的信心有多大？’问题在于，我们目前并不知道确切的答案是什么。你可以做很多事情，你可以运用大量的数学理论，你可以对硅或其他任何材料进行测量。但这些方法都无法保证完全正确。尤其是在测量硅的时候，由于硅在晶圆上存在差异，晶圆之间、批次之间都存在差异，因此测量起来非常困难。这其中存在很多问题，而这仅仅是针对二维设计而言。”

对“黄金法则”的定义因人而异。“关键在于你过去所做的、并且持续为你带来良好结果的事情，基于此，我们会说，‘好吧，我对这个方法有信心。它之前已经成功过一百次了。我相信它这次也能成功，’”弗格森说道。“我们就是这样不断改进的，这一点始终不变。”

此处未明言的目标之一是借鉴芯片行业的经验，并将其应用于大型系统之系统（System of Systems）。EDA公司多年来一直在推广这一理念，但收效甚微。如今的变化在于大规模仿真技术的引入，以及日益复杂的大型语言模型的出现，这些技术可以将各个步骤连接起来，形成更大的流程。

“基于模型的系统工程（MBSE）可以在前端、更高层面上锁定这一点，但这又回到了如何将设计路径、实现路径和验证路径分离的同一个问题，”Schirrmeister说道。“要做到这一点，你需要一个凌驾于一切之上的黄金法则，或者作为两者的输入，或者作为两种不同解读的输入。我每天都参加会议，我对会议内容的解读与其他人略有不同，因为我关注的重点不同。实现过程中也会出现同样的情况。在DVCon的小组讨论中，问题是如何明确这些内容，以便它们能够真正得到验证，并且能够实现所有可能的方案？”

一致的解读是确保这项工作顺利进行的前提，而且这远不止于半导体领域。“业界对系统的定义各不相同，如果你和大型芯片公司交流，他们会说芯片之上的任何事物都是一个系统，”是 德科技EDA新市场和战略计划高级总监克里斯·穆斯 (Chris Mueth) 表示。“他们甚至更进一步，认为芯片实现之上的任何事物都是一个系统。如果你要把芯片装到某个东西里，那么这个东西又会装到其他东西里，而那个东西又会装到其他东西里。这里存在一个层级结构。所以，当你提到黄金规范时，它与你最终销售的产品息息相关。”

可能性无穷无尽。“在基于模型的系统工程（MBSE）领域，他们处理的是系统之系统，也就是像航空母舰、火车之类的大型项目。想象一下从那里开始设计流程。他们进行功能描述，最终会生成一份规范，而且很可能是一份包含多个项目的规范。在这个领域，他们实际上没有那些高级工具。他们不处理设计规范或需求管理。这里要提到的是，在如何开始这项工作方面存在一个黄金标准。首先要对最终产品进行需求管理。假设它是一个雷达或某种无线模块，比如无线手机。你会发现，需求管理会包含该层级的环境规范、机械规范和电气规范。然后，当你将该层级分解成更多模块时，每个模块都有相应的规范，最终你会得到该层级的芯片。”

十年前，黄金规范主要只需回答一个模块是否实现了架构师的预期功能。其范围基本局限于单个芯片，而使用规范的团队大多来自同一组织，通常在同一楼层。

如今，各方面的需求都成倍增长。据 Axiomise 的 Darbari 称，这些需求包括：

跨领域一致性：规范必须同时适用于系统架构师、硬件微架构师、RTL 设计人员、验证工程师、固件编写人员、操作系统内核开发人员和安全团队。每个群体都采用不同的形式化方法，并且当规范被误读时，他们遇到的故障模式也各不相同。

多方消费：在芯片组和解耦式设计中，芯片可能来自不同的供应商，甚至采用不同的工艺节点。因此，规范必须服务于那些可能永远不会共处一室的组织。

通过构造确保正确性 vs. 通过测试确保正确性：传统规范依赖仿真来发现偏差。首芯片成功率数据令人震惊。首芯片成功率已从历史上的约 30% 下降到 2024/2025 年的仅 14%，其中 70% 的返工都源于设计错误。这是规范保真度的问题，而非验证覆盖率的问题。

时效性：规范必须持续跟踪更改并将其传播到所有生成的工件：RTL、断言、测试平台、文档——并且这应该自动发生。

Darbari表示：“如果项目进行过程中，规范与实际执行情况出现偏差，那还不如没有规范。”

但是，规范中定义的哪些内容会在后续流程中成为需求呢？“这就是需求和定义的关键所在，以及规范层面是否足够完整，足以支持实施和验证，”Schirrmeister说道。“然后还有需求跟踪和与初始需求的对照检查。它是否允许在后续流程中完成所有这些步骤？”

Schirrmeister表示，目前用于实现此功能的工具还不够完善，无法自动连接这些动态面向对象需求系统（DOORS）类型的系统，并进行追踪。“如果我现在在XYZ模块中实现该功能，我是否满足了所有需求？人工智能使我们能够将生产力提升到一个新的水平，从而可以检查模块。我曾在一些大型公司看到过这种情况，人们会查看系统中芯片内某个模块的规范，并在规范中提出这样的问题：‘这是否满足我在DOORS或其他类似系统中提出的要求，以及在更接近UML或SYSML的层面上提出的要求？我是否需要所有这些要求？’现在，借助人工智能和更高的生产力，您可以将所有这些要求连接起来，并确定规范是否一致。我的这部分规范是否可能与元层面上包含所有这些要求的规范相冲突？因此，规范工程本质上是一门新兴学科，旨在确保您能够看到所有这些内容，并提前正确地指定所有这些内容。”

这与芯片架构师下发一份权威PDF文档的时代相比，可谓是一次巨大的飞跃。十年前，最低限度的黄金规范包括一份书面架构规范、一份寄存器映射表以及一组波形图或时序图。验证工程师随后会根据这份文档编写断言和测试平台——这是一个手动、容易出错且无法复现的过程。

当时，编写高质量的规范更加依赖人工，也更容易出错。如今，人工智能不仅能够辅助规范的编写、验证和完善，也提高了规范的严谨性和形式化程度。

ChipAgents 的 Wang 解释说：“因此，设计流程越来越以规范为导向，规范不再是静态的产物，而是一个中心化的、动态的资源，它协调整个开发生命周期，从根本上重新定义了规范的编写方式及其在芯片设计和验证堆栈中的作用。”

随着人工智能越来越深入地融入芯片设计工作流程，黄金规范需要变得更具可执行性和物理可验证性。“问题不再仅仅是设计是否符合书面规范，而是工程团队能否持续地计算、复现并验证设计决策的物理后果与可靠基准之间的关系，”Vinci公司的Radhakrishnan表示。“从这个意义上讲，下一代黄金规范不仅要描述系统，还将有助于定义一个确定性的、可复现的物理基准，该基准可以应用于设计迭代、团队协作以及日益复杂的半导体生态系统。”

Multi-die和芯片组架构使得所有这些问题更具挑战性，因为它们引入了规范爆炸式增长的问题。单芯片SoC只有一套内部接口。而芯片组则拥有众多规范边界，因为每个芯片边界都可能成为标准合规性的边界。此类系统可靠的黄金规范应包含芯片级功能规范、接口和协议合规性以及系统级属性。

“或许，黄金规范中最令人警醒的新增内容，是十年前并不突出的一项要求——对‘这是否是值得构建的系统’这一问题给出正式的答案，”达巴里说道。“花费数千万美元进行设计和验证，却在系统集成过程中发现某些行为会停滞、挂起，或者无法在各个芯片组上一致地实现，这并非验证失败，而是系统层面的规范缺陷。这就是验证（我们构建得是否正确？）和确认（我们构建的是否是正确的东西？）之间的区别——而如今的黄金规范必须同时解决这两个问题。”

Multi-die组件也开始展现验证方法如何扩展到更大的系统（而不仅仅是芯片）的规范制定。“对于设计规则检查之类的任务来说，一切都变得更加复杂了，”弗格森说道。 “以前只有几百条规则。现在却有成千上万条规则，数十亿个晶体管，数亿根导线。简直太疯狂了。如果再进一步，比如说‘我要进入三维空间’，那就更复杂了。你会遇到新的材料、新的应力，以及如何散热的问题，或者至少要确保热量不会造成问题。如果你要开发一种新的三维集成电路，或者一种新的互连方式，现在你必须把这些都添加到要求中，然后你又回到了一开始就不知道正确答案的状态。我会继续沿用我过去最常用的方法，我希望它是正确的。但如果它最终是错误的呢？我们至少会遇到一些良率问题，然后就得重新回到最初的规范。它的理论基础是什么？它错了吗？如果它错了，我们修正规格，我们就会据此调整后续工作。如果规格正确，但工具却无法正常工作，那就是个bug。我们会修复这个bug，然后继续推进。这样一来，至少对于制造环节的参与者来说，无论是OSAT（外包半导体组装测试）还是代工厂，一旦确定了标准，就会被束缚在既定的标准上。标准工具很少会发生变化。

Keysight EDA 的 Mueth 表示，要完善这幅图景，我们需要一个正式的多层次设计需求管理系统，这与基于模型的系统工程 (MBSE) 层面的功能需求有所不同。“在设计过程中，你会得到一份规范，工程团队可以据此执行。如果只是对高层次行为的功能描述，工程团队会说：‘我没有足够的信息可以着手。我可以自己想办法，但可能不符合你们的要求。’它必须是真正意义上的设计，并且是可以执行的。如今，尤其是在系统集成度越来越高的情况下，这个问题显得尤为突出。”

鉴于变化如此之快，没有人能够自信地预测两到三年后的流程会是什么样子。规范、图表和方法论都必须随之发展，并且需要借助工具来重新检查需求、一致性和等效性，以适应人工智能能力的变化。

Synopsys公司的Schirrmeister表示：“规范工程的精髓在于精准地避免潜在的误解。你是不是经常遇到这种情况：你使用某个提示符，结果它却返回完全出乎意料的信息，比如‘不，你应该知道我问这个问题时是在这样的语境下。’‘好的，我现在就把问题的语境弄对。’这正是规范需要构建的新艺术。”

如果一切按计划进行，验证将变得更加易于管理，验证工程师在签字时将更有信心，通往更大验证领域的大门可能会再敞开一些。

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

加星标⭐️第一时间看推送