模擬IC和數(shù)字IC設(shè)計之算法仿真戰(zhàn)略規(guī)劃

上兩集我們已經(jīng)分別深入了模擬IC和數(shù)字IC的設(shè)計全流程，結(jié)合EDA工具特性和原理，講述怎么利用計算機(jī)技術(shù)提高模擬與數(shù)字芯片的研發(fā)設(shè)計效率。

這一集，我們把其中的算法仿真部分拉出來展開說說。

算法是對芯片系統(tǒng)進(jìn)行的整體戰(zhàn)略規(guī)劃，決定了芯片各個模塊功能定義及實現(xiàn)方式，指引著整個芯片設(shè)計的目標(biāo)和方向。可謂，牽一發(fā)而動全身。

不管是模擬IC還是數(shù)字IC設(shè)計，算法仿真都是第一步。通常，會由算法工程師組成獨立的算法團(tuán)隊。

CPU/GPU本應(yīng)該是算法仿真的?？?，但因為歷史比較悠久，發(fā)展成熟，市場幾乎被英偉達(dá)和AMD壟斷，很多IC設(shè)計公司選擇直接采購IP的方式跳過這一步。

近幾年，無線通信芯片成為了算法業(yè)務(wù)的最大甲方。因為這類芯片的信號編解碼與頻譜遷移時方式十分復(fù)雜，再加上種類繁多，各國的通信協(xié)議、標(biāo)準(zhǔn)、頻率也在不斷變化。隨著我國5G通信標(biāo)準(zhǔn)的放開，算法仿真的地位與日俱進(jìn)。

另一個涉及大量算法業(yè)務(wù)的場景是AI芯片，應(yīng)用場景小到手機(jī)、智能家電，大至汽車。

跟前兩篇數(shù)字和模擬IC的設(shè)計場景相比，算法仿真有著非常不一樣的表現(xiàn)。

所以我們單獨把ta拉出來，結(jié)合一家無線通信芯片公司實際業(yè)務(wù)場景，看看算法仿真有哪四大特性，以及從動態(tài)視角出發(fā)，看我們怎么幫算法工程師解決問題，提高研發(fā)效率。

01?算法仿真的本質(zhì)

算法（Algorithm），是指在數(shù)學(xué)和計算機(jī)科學(xué)間，一種被定義好的、計算機(jī)可施行指示的步驟和次序。算法代表著用系統(tǒng)的方法描述解決問題的策略機(jī)制，解決一個問題可以有很多種算法。

舉個栗子。 求解下圖黃色區(qū)域圖形面積，我們有三種算法。

方法一：你可以直接用三角形的面積公式解。這種方法快速、直觀，小學(xué)文化程度即可，但局限性也高、不通用，不適用于圖像復(fù)雜的情況； 方法二：也可以用符號計算求不定積分。求解析解方法，適用于各類不定積分中有解析表達(dá)式的函數(shù)圖像。計算門檻較高，大多手算，很少有計算工具。而且實際工程應(yīng)用場景中，很多函數(shù)沒有解析解； 方法三：用數(shù)值計算方式解積分，求數(shù)值解。數(shù)值計算法適用范圍最廣，可以求任意函數(shù)曲線的定積分，將函數(shù)一段段分解，再算出面積。不同的分解方法就代表不同的算法。這種方法只能求數(shù)值解，無法求解析解，且計算量巨大，適合機(jī)器計算，不適合人工計算，在工程領(lǐng)域應(yīng)用甚廣。

在芯片設(shè)計領(lǐng)域，算法仿真的本質(zhì)是評估不同數(shù)值計算解法的工作量、計算效率適用范圍，選出最優(yōu)算法，使ta不僅要滿足算得最快、最準(zhǔn)，還要能確保功能、精度、效率、吞吐量等指標(biāo)。 算法仿真是一個不斷迭代、優(yōu)化的過程，一般都要反復(fù)調(diào)整參數(shù)，進(jìn)行N次回歸測試。 ?

02?一家算法團(tuán)隊的小目標(biāo)

一家無線通信芯片公司算法團(tuán)隊，開局情況如下： 算法部門共有15人，全公司有480核共享本地資源，各部門按需提前申請使用。 根據(jù)公司的業(yè)務(wù)發(fā)展目標(biāo)，大致估算出未來新算法項目任務(wù)總數(shù)為1283980。 假設(shè)一：全公司本地資源均歸他們用，每個人的資源上限是32核； 假設(shè)二：單case運行時間為10小時； 假設(shè)三：回歸測試次數(shù)為1次； 假設(shè)四：1個case只有1個job，且只用1個核。

總運行時間達(dá)到3.05年。 啊這。。 可能打開方式不對，再來： 增加假設(shè)五：人均資源上限逐漸提升到120核； 假設(shè)六：算法團(tuán)隊人數(shù)逐步擴(kuò)張至46人；

總運行時間約96.92天。 嗯，這回挺好。 想得是挺美，小目標(biāo)怎么實現(xiàn)？ 現(xiàn)實一：公司共享本地資源不可能只歸算法部門專用； 現(xiàn)實二：單case運行時間，難以估計；且1個case往往不止1個job，且1個job未必只用1個核； 現(xiàn)實三：回歸測試只有1次，幾乎不太可能，總?cè)蝿?wù)數(shù)可能數(shù)倍增長； 現(xiàn)實四：本地機(jī)房從480核要擴(kuò)張十幾倍，可不止是買買買硬件，機(jī)房建設(shè)、運維人力、硬件維保、存儲網(wǎng)絡(luò)、環(huán)境部署等等，都不是小事； 現(xiàn)實五：算法工程師要求非常高，招聘難度極大。 真是，沒一個字讓人愛聽的。

如果是日常模擬/數(shù)字芯片設(shè)計，想做算力規(guī)劃，咱們還是有思路的，可以看看這篇：解密一顆芯片設(shè)計的全生命周期算力需求 但算法仿真這里，此路不通。 我們來看看算法仿真的特性： ?

03?算法仿真的四大特性

下圖是這家無線通信芯片公司算法團(tuán)隊9個月實際日平均資源用量波動總覽圖：

需求不可測 從個人角度出發(fā)，算法團(tuán)隊每個人的算法任務(wù)都是互相獨立，互不影響的。算法確定之后，每一輪的計算量基本確定（case分解成的job數(shù)，job占用的核數(shù)基本確定），每個算法任務(wù)的單次耗時與回歸測試次數(shù)都是不一樣的，這導(dǎo)致最后的資源需求完全不可測。 如果再疊加團(tuán)隊使用因素，資源的不可測性也會被成倍地放大。如果原先個人的資源使用區(qū)間是0到250核小時；如果團(tuán)隊內(nèi)有20人，那不可測區(qū)間就放大至0至5000核小時。 短時間使用量波動巨大 除了算法任務(wù)需求的不可測性，資源使用量的波動還受實際算法任務(wù)的進(jìn)度影響。 每個算法工程師的工作獨立且進(jìn)度不一，有時可能大量任務(wù)同時批量運行，也可能部分在調(diào)試，部分在運行，甚至可能一個在運行的任務(wù)都沒有。 不同工程師的工作進(jìn)度差異與所用算法不一，不僅導(dǎo)致了波峰、波谷間的資源使用量差距極大，而且這樣的波動可能發(fā)生在極短時間內(nèi)。 極限情況：所有工程師都在頂格跑任務(wù)，5520核的資源量瞬間拉滿（100%）；而下一刻只有10%的工程師在跑任務(wù)，且每人都只使用自己配額80%的資源量，那總資源僅使用了一部分。 不同公司的算法團(tuán)隊之間，因為團(tuán)隊規(guī)模與業(yè)務(wù)差異，資源用量差異也非常大。 資源需求類型多樣 算法仿真整體來說，對資源的各方面需求并不算高。 但不同算法的需求都不一樣： 有的需要單核4G內(nèi)存的機(jī)型，有的要單核8G內(nèi)存的機(jī)型； 有的算法對存儲要求高，有的算法對存儲沒要求： 有的涉及圖形計算，甚至還需要用到GPU機(jī)型。 長期可持續(xù)狀態(tài) 上述三大特性，都不是突發(fā)現(xiàn)象，屬于算法團(tuán)隊的日常工作狀態(tài)。 這一狀態(tài)的長期可持續(xù)性，我們需要對此做好足夠的準(zhǔn)備。 ?

04?一種動態(tài)思路：增加時間維度

算法仿真的四大特性決定了：按這家公司原來的靜態(tài)處理方式，也就是把任務(wù)量當(dāng)成恒定的，通過加人加機(jī)器的方式來滿足研發(fā)需求，變得很不現(xiàn)實。哪怕頂格準(zhǔn)備資源，資源利用率也會長期處于較低狀態(tài)。

那按動態(tài)處理方式，也就是隨著時間變化，靈活根據(jù)需求匹配不同規(guī)模/類型資源的方式來動態(tài)滿足研發(fā)需求，從個人及團(tuán)隊視角出發(fā)，看我們怎么幫算法工程師解決問題，提高研發(fā)效率。 算法工程師視角 1）資源無需申請，即開即用 再也不用跟同事?lián)屬Y源或者漫長的排隊等待了，也不用走繁瑣的資源申請流程。 2）資源選擇空間變大 選擇空間變大，資源類型變多，可用資源上限變高，可以靈活選擇更加適配算法任務(wù)的資源類型。 3）提交任務(wù)立馬就能跑，告別等待 提交任務(wù)立馬就能跑，一整套研發(fā)環(huán)境現(xiàn)成的，即開即用。 靈活切換，今天跑一百，明天跑一萬，無需等待環(huán)境配置。 4）以前怎么用，現(xiàn)在就怎么用 跟本地相比無感知，用戶使用習(xí)慣沒有任何改變，不需要調(diào)整任何腳本。 5）任務(wù)跑得快，效率線性增長 多case高并發(fā)執(zhí)行。同一批算法任務(wù)之間互相獨立，可以做到效率線性提升。 團(tuán)隊管理視角 1）動態(tài)方式解決資源不可測問題 算法任務(wù)的不可預(yù)測且波動巨大，導(dǎo)致了資源預(yù)測與規(guī)劃基本不可能。 按傳統(tǒng)靜態(tài)處理方式來解決問題： 按頂格規(guī)劃，這筆賬都不用算，會造成黃色區(qū)域的巨大浪費； 按中間取值準(zhǔn)備，當(dāng)某個時間點算法仿真短時間內(nèi)任務(wù)量激增，就會出現(xiàn)人機(jī)不匹配，不是有人力沒機(jī)器，就是有機(jī)器沒人力。這種錯配導(dǎo)致資源利用率極低，影響研發(fā)進(jìn)度。

圖中3-5月，峰值算力就從200核攀升27倍達(dá)到5520核，隨即又迅速從5520核下跌到500核左右，這波動幅度簡直比過山車還劇烈，而且毫無規(guī)律。 我們的動態(tài)處理方式，會隨著時間變化，靈活根據(jù)當(dāng)前時間點任務(wù)需求匹配不同規(guī)模/類型資源的方式，動態(tài)滿足研發(fā)需求。 不管500核還是5000核，我們都能實時根據(jù)需要，滿足整個團(tuán)隊的大幅波動資源需求，保障日常算力和峰值算力任務(wù)調(diào)度效率。 2）Auto-Scale自動伸縮，隨用隨關(guān)不浪費? Fsched調(diào)度器的Auto-Scale功能，能解決團(tuán)隊資源利用率與成本問題。資源“自由”的同時不浪費。 一方面隨用戶任務(wù)需求，設(shè)置自動伸縮上下限，自動化調(diào)用資源完成任務(wù)； Auto-Scale功能可以根據(jù)任務(wù)運算情況動態(tài)開啟云端資源，需要多少開多少，并在任務(wù)完成后自動關(guān)閉，讓資源的使用緊隨著用戶的需求自動擴(kuò)張及縮小，最大程度匹配任務(wù)需求。

這既節(jié)約了用戶成本，不需要時刻保持開機(jī)，也最大限度保證了任務(wù)最大效率運行。中間也不需要用戶干預(yù)，手動操作。 另一方面我們還能監(jiān)控用戶提交的任務(wù)數(shù)量和資源需求，在團(tuán)隊內(nèi)部進(jìn)行資源及時適配，解決錯配問題。 3）提升團(tuán)隊整體運營效率 我們的運營數(shù)據(jù)dashboard能讓團(tuán)隊管理者監(jiān)控各個重要指標(biāo)變化，從全局角度掌握項目的整體任務(wù)及資源情況，為未來項目合理規(guī)劃、集群生命周期管理、成本優(yōu)化提供支持。還能根據(jù)不同成員或小組的業(yè)務(wù)緊迫程度和業(yè)務(wù)重要性，合理分配與控制用戶使用資源。 4）全球數(shù)據(jù)中心解決資源瓶頸 我們的全球數(shù)據(jù)中心，能持續(xù)穩(wěn)定地提供用戶所需資源類型及數(shù)量，分鐘級調(diào)度開啟上萬核計算資源，滿足業(yè)務(wù)緊迫度。用戶可以選擇自主選擇大內(nèi)存、高主頻等多樣化的資源類型來滿足不同算法需求。一旦發(fā)現(xiàn)所選資源類型與算法任務(wù)不匹配，還可隨時中止任務(wù)、更換資源類型，任務(wù)進(jìn)度不受影響。

編輯：黃飛