自研高性能分佈式解決方案,「芯曉科技」將芯片電源籤核週期從幾周縮短至幾天 | 水下項目

重點摘要
芯曉科技推出自研高性能分散式運算解決方案,專為半導體設計中的電源完整性驗證環節優化,能將晶片電源簽核週期從數周大幅縮短至數天。該方案採用分散式平行處理架構,在不犧牲準確性的前提下顯著提升效率,對先進製程晶片設計的快速迭代具有戰略意義。
芯曉科技近期宣布推出自主研發的高性能分散式運算解決方案,專門針對半導體設計流程中耗時最長的電源完整性驗證環節進行優化。這項技術突破能將原本需要數周才能完成的芯片電源簽核週期,大幅縮短至幾天之內,為先進製程晶片設計團隊提供顯著的時間與成本效益。在半導體設計領域,電源簽核是指晶片在進入量產前,必須通過一系列嚴格的電源網絡分析與驗證,確保供電穩定、電壓降符合規範,且整體功耗與效能達到設計目標。這個步驟直接關係到晶片能否正常運作,以及最終產品在終端裝置上的可靠性。然而,隨著晶片製程不斷微縮、電晶體數量持續攀升,電源網絡的複雜度也呈指數級增長。
傳統的電源簽核作業大多仰賴單機運算,當晶片規模達到數十億顆電晶體時,運算時間往往長達數周,成為整個設計流程中最大的瓶頸。芯曉科技推出的自研解決方案,正是針對此一痛點進行根本性改造。團隊採用分散式平行處理架構,搭配演算法層面的深度優化,使系統能夠同時調用大量運算資源進行協同作業。與傳統單機模式不同,分散式架構不會因為單一節點的運算能力限制而拖慢整體進度,而是透過任務拆分與平行運算,在不犧牲準確性的前提下,將等待時間壓縮到極致。據了解,該方案在測試環境中已成功將簽核週期從數周縮短至數天,具體加速幅度視晶片設計的規模與複雜度而定,但整體改善效果相當顯著。
這項技術的突破,對於需要快速迭代的先進製程晶片設計尤其具有戰略意義。在先進製程領域,晶片設計團隊往往需要在極短的時間內完成多輪設計、驗證與修正,任何一個環節的延遲都可能導致產品上市時程落後,進而影響市場競爭力。芯曉科技的方案讓電源簽核不再是阻礙設計進度的瓶頸,設計團隊可以更頻繁地進行簽核驗證,及早發現問題並修正,從而降低後期修改的成本與風險。此外,縮短簽核週期也有助於減少設計階段的運算資源閒置,提升整體研發效率。從更宏觀的產業角度來看,電源簽核自動化與加速化已成為半導體設計工具發展的重要趨勢。
隨著人工智慧、高效能運算、5G通訊、車用電子等應用對晶片效能與功耗提出愈來愈高的要求,晶片設計的複雜度只會持續增加。傳統依賴單機運算的簽核流程,已經無法滿足現代晶片設計對時效性的需求。芯曉科技的自研解決方案,正是順應此一趨勢,以分散式運算重新定義電源簽核的工作流程,為半導體設計工具注入新的可能性。芯曉科技是一家專注於半導體設計自動化(EDA)領域的新創公司,團隊成員來自業界知名的晶片設計與運算架構背景。此次推出的高性能分散式解決方案,不僅展現了團隊在演算法與系統架構上的深厚技術實力,也反映出公司對晶片設計痛點的深刻理解。
業界人士指出,若能將這項技術進一步整合到主流EDA工具鏈中,將有機會改變整個電源簽核的作業模式,讓更多晶片設計團隊受益。值得注意的是,電源簽核的準確性要求極高,任何微小的誤差都可能導致晶片在實際運作中出現供電不穩、效能下降甚至功能失效。芯曉科技在方案中強調,分散式平行處理並不會影響驗證結果的精度,因為所有運算節點都採用相同的演算法模型,並在任務完成後進行一致性校驗。這意味著設計團隊可以在獲得加速效益的同時,依然維持對簽核結果的信任。對於正在導入先進製程的晶片設計公司而言,這項解決方案提供了一個極具吸引力的選擇。
過去,為了加速電源簽核,有些團隊會選擇降低驗證的精度或減少分析的節點數,但這種做法往往伴隨著風險。芯曉科技的方案讓設計團隊無需在速度與準確性之間妥協,而是同時兼顧兩者。展望未來,芯曉科技預計將持續優化分散式運算架構,並探索與更多EDA工具鏈的整合可能性。隨著半導體產業對設計時程與成本控制的要求日益嚴苛,類似的高效能分散式解決方案可望成為標準配備。芯曉科技能否憑藉此技術在競爭激烈的EDA市場中突圍,值得業界持續關注。總體而言,芯曉科技的自研高性能分散式解決方案,不僅解決了芯片電源簽核長期以來的效率瓶頸,也為半導體設計流程的加速化提供了新的路徑。
從數周縮短至數天,這項突破不僅是技術上的躍進,更可能帶動整個晶片設計生態系的效率提升,讓創新產品更快進入市場,滿足終端用戶對高效能、低功耗晶片的持續需求。
Related
相關文章

OpenAI首款AI硬件,為什麼是個沒有屏幕的「甜甜圈」
OpenAI與Jony Ive團隊合作的首款AI硬體,外型類似無螢幕的冰球大小圓環,被形容為金屬甜甜圈。這款設備定位為以AI為第一交互入口的計算設備,而非傳統智能音箱,售價可能落在300至400美元之間。
OpenAI 首款硬件真容浮現:冰球大小無屏設計,售價 300 至 400 美元
OpenAI首款硬件產品細節曝光,為一款無螢幕的智能音箱,外型類似冰球,售價約300至400美元,由OpenAI與前蘋果設計師Jony Ive的LoveFrom公司合作開發。該設備內建電池與攝影鏡頭,可支援手持使用並將視覺資訊傳給ChatGPT,實現多模態感知。此產品推出時正值蘋果對OpenAI提起商業機密訴訟,OpenAI內部評估其設計細節有望反駁侵權指控。

消息稱英偉達急尋中國 AI 基站供應商,與“下一個中際旭創”合作開發 6G 基站
NVIDIA正積極在中國尋找AI基站供應商,並有意與被視為「下一個中際旭創」的業者合作開發6G基站,顯示其從資料中心延伸至通訊基礎設施的布局。此舉凸顯NVIDIA對6G市場的重視,AI基站被視為整合邊緣運算與智慧調度的關鍵節點,但合作細節與技術方案尚未正式公布。
金剛GC3芯片重新定義視頻AI算力規則,國產RISC-V高端算力商業化提速
近日,第三屆中國計算機學會芯片大會(CCF Chip 2026)在太湖之濱無錫成功舉辦。會場中,兩院院士與頂尖工程師們的討論話題直指底層架構的“根技術”創新。一個核心追問被反覆推至臺前:當摩爾定律逼近物理極限,製程紅利日益稀薄,堆核心、拼頻率的老路越走越窄,是否該徹底換一條路走?換言之,與其在通用架構上不斷打補丁,能否從數據流動的本質出發,為特定場景原生設計一顆芯片?
把512 GiB閃存搬到xPU旁邊,HBF能打破推理內存牆?
HBM已經證明,通過堆疊和共封裝把存儲介質遷移至GPU附近,可以緩解AI計算中的數據搬運瓶頸。現在,SK海力士聯合閃迪,將類似的思路正式應用到NAND上,通過HBF將大容量閃存放到包括GPU在內的各類xPU旁,以緩解AI推理內存牆問題。近日,雙方通過OCP發佈《High Bandwidth Flash(HBF)High-Level Base Die Specification, Version 0.7.0》。

AI的錢,被誰賺走了?
AI 浪潮推動雲端服務供應商大舉擴建資料中心,背後龐大的資本支出正沿著供應鏈層層傳導,最終流向光模塊、晶片與伺服器業者。這條資金鏈路的起點是亞馬遜 AWS、微軟 Azure、Google Cloud 等雲端廠商,他們為了滿足訓練與推論大語言模型所需的算力,持續加碼採購 GPU 伺服器與高速網路設備,帶動上游零組件需求爆發。