《高效开源EDA工具链已在路上？》

来源：内容来自「科学网」，谢谢。

开篇

2019年度国际计算机体系结构旗舰会议ISCA于6月在美国亚利桑那州凤凰城召开。6月23日与ISCA一起举行的远景研讨会（SIGARCH Visioning Workshop）吸引了上百位听众。一方面是因为此次研讨会主题“面向下一代计算的敏捷开放硬件（Agile and Open Hardware for Next-Generation Computing）”是当前体系结构研究领域的前沿热点，引起了很多人的关注；另一方面11位报告人中大牛云集，有图灵奖得主David Patterson教授，也有多位美国工程院院士加持，还有来自MIT、Berkeley、Stanford、UCSD、Google、Nvidia、DARPA等顶尖大学、企业和政府机构的专家。

最大感触是开源硬件（芯片）在美国各界已经成为一种共识——从学术界、企业界到DARPA这样的政府机构，都在积极投入到开源芯片与芯片敏捷开发方向的研究中。早在2016年的首届Architecture 2030远景研讨会上，很多人就认为开源硬件将会是未来的大主题（Big Theme，如图1）。而在国内，很多人对开源硬件/芯片的理解还有些片面，只是认为“开源芯片=RISC-V”。

今年是第三届，主题是 “Agile and Open Hardware for Next-Generation Computing”，一共有11个报告，其中报告4是有关EDA的。

报告4：高效开源EDA工具链已在路上（OpenROAD）

UCSD的Andrew Kahng教授获得了DARPA项目的资助，开展高效开源EDA工具链的研究。他认为EDA以前是关注质量，但现在该开始关注把易用性了。他参与的DARPA IDEA项目目标非常激进——24小时内全自动地完成IP、SoC芯片、PCB版的设计（图12）。

在DARPA的资助下，他带领团队启动了OpenROAD项目，该项目将从四个维度来应对芯片设计复杂度问题：

（1）最大化划分，将大的设计尽可能划分为小模块，这样可以两个好处，一方面是降低算法复杂度，另一方面就是更易挖掘并行性；

（2）并行优化，这一点与前面最大化划分密切联想，当存在大量并行度时，就可以采用各种加速并行的技术来优化，包括使用GPU来加速；

（3）采用机器学习的工具与流程，传统芯片设计流程中有很多经验规则，这一点可以通过训练大量已有设计变成神经网络模型，从而加速最优电路设计的搜索和预测。

这方面也是Kahng教授在报告中特别强调的；

（4）受限的布局方案也可以减少布局布线时的算法复杂度。

OpenRoad将于今年推出Alpha版，然后在2020年推出v1.0版本。

图12. DARPA IDEA项目的目标是全自动化（无人干预）、24小时完成全系统硬件设计

图13. OpenRoad在四方面进行优化

图14. OpenRoad将于今明两年开源

EDA是国内芯片设计产业最大的软肋，中国的EDA工具企业始终未能做大做强。如今，美国开始将EDA转向开源，中国又应该如何应对？这个问题值得认真研究。观点是开源总体对中国是有利的，但开源也存在竞争，只有更多的投入、参与和贡献，才能在开源社区中起到主导作用。中国不一定能在所有环节上都存在优势，但还是有可能在某些环节上推出有竞争力的开源EDA工具。

本文源自「科学网」，转载目的在于传递更多信息，版权归原作者所有。