| ||
SE:EDA公司应该做些什么来更轻松地过渡到云?
Siwinski:之前,我们已经提到了其中的一些内容。首先要确保它们是已架构的,以便它们可以进行云端准备。这对不同公司意味着不同的事情,但这至少意味着你理解你想要运行的架构,了解你的产品的架构,确保它不是一个遗留的架构,然后你就能理解它的含义。它将如何沟通?它将如何处理延迟和安全性?这些是真正的工作上的问题。我们需要确保在开发所有的工具的过程中都能理解这一点,然后作为一个行业,我们将在技术方面和业务方面引入标准化的术语。然后它就变成了我们做的另一件事。
Paw:您提到有EDA公司在商业模式方面取得进展,而许可是过去遇到的最大问题之一。你如何授权,如何收费呢?但是你也可以开始研究如何处理数据。将数据放入云中,这相对便宜。在云中展开数据,这也相对便宜。但从云中提取数据时,它确实非常昂贵。那么,如何设计一个工作流,在这个工作流中,你不需要把太多的数据回收。
Letcher:对于某些工具,您可以使用远程机制在适当的位置查看该数据。
Paw:这些都是所能想到的常规技术问题之外的事情,但也是必须考虑的问题。当数据位于数据中心内部时,您可以访问所需的任何内容,但是当它位于云中时,将数据回收会变得非常昂贵。
Siwinski:正如你所说,客户已经有了这种混合思维,而且大多数EDA供应商已经了解情况——甚至在我们谈论云之前,我们的客户已经拥有私有云并且正在使用第三方供应商。我们可能不知道它们,但它正在发生,所以我们必须将其视为需求。
Paw:对,它已经发生了15年。
Letcher:这也是验证非常适合的一点。对于典型的回归测试,您将少量代码推送到云中,运行大量回归模拟,然后产生一些错误,你可能需要回收,或者你甚至可以把少量的数据回收。很可能99%的东西都通过了,你可以忽略它。
Paw:如果通过你就不必在乎了。
Letcher:对,你只需要他们传递数据而不是结果。
Anderson:即使是失败的地方,您也希望增加云中执行的分析量。
Paw:这是第二步。第一步是工具的行为方式。
Siwinski:工具和特定用途模型。一些使用模型对云的使用是友好的,但是有些使用模型却不是这样。
Paw:这包括那些涉及GDSII文件的工具。
Siwinski:完全正确。作为EDA和云计算供应商,我们需要做得更好,确保我们的客户理解这一点。现在,不了解会造成一定程度的担忧,这是不合理的。我们有知识,我们需要把它作为一个产业来分享。
Allan:对于科技行业来说,考虑构建与购买是一种自然的发展,但要进一步思考,并考虑构建、购买与租赁。如果你想要模拟一个城市,想象一下在短时间内租一个这么大的东西来得到你需要的答案。如果我们使我们的工具能够参与到这个模型中——OpEx而不是CapEx——那么我们就可以改变经济学。
Letcher:如果您正在查看具有10万个节点的数据中心,为什么会出现排队等待模拟以及让资源或人类等待数据的事情。这些数据中心有50个。仿真似乎也在转向云端。
Siwinski:这是处理验证挑战的另一种方式。它不是关于技术,而是您试图解决的问题。所有这些都是同一挑战的一部分。
Allan:想象一下,你上传你的设计到云端,你不知道它是在软件模拟还是模拟器上运行。有了云,我们就可以探索新的平台了。我们正在开发对Arm架构的支持,并且它具有适合模拟的良好内存带宽。这为那些不愿投入大量服务器资本的公司提供了新的平台。
原文来自Semiengineering “EDA In The Cloud”
https://semiengineering.com/eda-in-the-cloud-3/