SLM：守護(hù)高性能計(jì)算與數(shù)據(jù)中心SoC的每一步

高性能計(jì)算（HPC）和超大規(guī)模存儲(chǔ)不僅讓我們得以在超級(jí)互聯(lián)和人工智能的幫助下，動(dòng)動(dòng)手指就能輕松獲取各種信息；更是我們?nèi)缃駭?shù)字生活中不可或缺的一部分。從數(shù)學(xué)模型到氣象預(yù)測，超級(jí)計(jì)算機(jī)正在協(xié)助我們改善各個(gè)領(lǐng)域的計(jì)算結(jié)果，而云數(shù)據(jù)中心則是確保數(shù)字生活正常運(yùn)行的基礎(chǔ)支柱。在當(dāng)今時(shí)代，數(shù)據(jù)不僅在數(shù)量上遠(yuǎn)超以往，還面臨著需要進(jìn)行遠(yuǎn)距離高速傳輸?shù)奶魬?zhàn)。隨著芯片制程節(jié)點(diǎn)不斷微縮，逐漸逼近制造領(lǐng)域的極限，Multi-Die系統(tǒng)應(yīng)運(yùn)而生，為性能提升開辟了新的可能性。

隨著電子系統(tǒng)變得愈加復(fù)雜，靜默數(shù)據(jù)損壞（SDC）等錯(cuò)誤時(shí)有發(fā)生，芯片老化、熱挑戰(zhàn)和功耗挑戰(zhàn)等問題也同樣存在。這些問題非常棘手，如果處理不當(dāng)，就會(huì)導(dǎo)致災(zāi)難性后果，尤其是在大規(guī)模處理此類問題的情況下。

除此之外，對(duì)于SoC開發(fā)者來說，由于復(fù)雜性的提高，他們迫切需要采用芯片生命周期管理（SLM）策略，以確保芯片的可靠性、可用性和可服務(wù)性（RAS）。了解最終產(chǎn)品的內(nèi)部情況并認(rèn)識(shí)長期的RAS影響，對(duì)于設(shè)計(jì)的成功至關(guān)重要。

芯片生命周期管理策略是什么？

如今，我們不僅需要在生產(chǎn)和發(fā)貨時(shí)確保芯片能夠正常運(yùn)行，還需要在整個(gè)生命周期內(nèi)對(duì)芯片工作狀態(tài)進(jìn)行監(jiān)控和測試，盡可能在問題甚至故障出現(xiàn)之前提前進(jìn)行預(yù)警甚至修復(fù)。對(duì)于SoC 和 Multi-Die產(chǎn)品，這一點(diǎn)攸關(guān)重要。為了做到這一點(diǎn)，開發(fā)者需要掌控和訪問芯片內(nèi)部元件，以調(diào)試和讀取數(shù)據(jù)，并進(jìn)行適當(dāng)?shù)姆治鰜泶_定是否存在問題。借助這些信息，開發(fā)者能夠及時(shí)維護(hù)系統(tǒng)，避免問題變得無法挽回。

SLM平臺(tái)所提供的解決方案及策略可以幫助開發(fā)者采取針對(duì)性措施，在芯片的整個(gè)生命周期內(nèi)確保RAS：

1. 設(shè)計(jì)階段/ In-Design：識(shí)別芯片中適合用于監(jiān)控的設(shè)計(jì)組件。將監(jiān)控IP直接嵌入設(shè)計(jì)的基礎(chǔ)架構(gòu)中。
   

2. 產(chǎn)品試產(chǎn)及良率優(yōu)化階段/ In-Ramp：優(yōu)先處理影響良率的主要限制因素，進(jìn)行準(zhǔn)確的故障分析，并調(diào)整設(shè)計(jì)和/或晶圓工藝，從而滿足高良率要求。

3. 量產(chǎn)階段/ In-Production：通過自動(dòng)化洞察功能識(shí)別良率和質(zhì)量異常，在大批量生產(chǎn)的各個(gè)階段進(jìn)行根本原因分析，并在必要時(shí)對(duì)半導(dǎo)體供應(yīng)鏈進(jìn)行調(diào)整。

4. 產(chǎn)品實(shí)際應(yīng)用現(xiàn)場/ In-Field：通過預(yù)測性維護(hù)評(píng)估芯片運(yùn)行狀況，并優(yōu)化各項(xiàng)性能指標(biāo)，比如功耗和吞吐量（如果可能），特別是在芯片不斷老化的情況下。

   
   

示例：對(duì)策略建模，從而改善熱和電源管理

在SoC系統(tǒng)中，管理熱復(fù)雜性和優(yōu)化功耗是重中之重。而且，當(dāng)一個(gè)系統(tǒng)中包含多個(gè)晶片時(shí)，管理難度會(huì)呈指數(shù)級(jí)增長，特別是在系統(tǒng)不斷老化的情況下。要想緩解熱問題和電壓問題并在HPC和數(shù)據(jù)中心中保障芯片長期可靠運(yùn)行，在設(shè)計(jì)中整合適當(dāng)?shù)谋O(jiān)控功能是必不可少的。

多年來，在芯片內(nèi)部的片上電壓和電源管理一直使用工藝、電壓和溫度（PVT）監(jiān)測器，也稱為動(dòng)態(tài)電壓頻率調(diào)整（DVFS）技術(shù)。有些場景下，這些監(jiān)視器用于監(jiān)測溫度，當(dāng)溫度可能造成災(zāi)難性結(jié)果時(shí)，就會(huì)關(guān)閉系統(tǒng)。事實(shí)上，幾乎所有16納米及以下制程的芯片設(shè)計(jì)和所有的數(shù)據(jù)中心芯片，都使用PVT監(jiān)測器。

在晶圓分選測試期間，開發(fā)者將從這些監(jiān)測器獲得測試數(shù)據(jù)結(jié)果，并立即將這些數(shù)據(jù)投入使用。在這個(gè)時(shí)候，開發(fā)者將了解晶片的熱特性，并可以應(yīng)用更多測試序列來監(jiān)測晶片各處的電壓值。此外，開發(fā)者可以根據(jù)測試、PVT和PMMIP數(shù)據(jù)來執(zhí)行分析，然后返回設(shè)計(jì)環(huán)境，了解測試中得出的芯片實(shí)際裕量，并將其與模型相關(guān)聯(lián)。隨著模型的改進(jìn)，開發(fā)者可以降低裕量，以提高性能或降低功耗，而又不會(huì)犧牲RAS。

為了更好地預(yù)測故障的出現(xiàn)，開發(fā)者可以設(shè)置閾值。對(duì)于溫度監(jiān)測器，閾值代表開發(fā)者將在什么情況下開始介入來降低溫度。究其緣由，大部分熱響應(yīng)的速度都相對(duì)緩慢。設(shè)定的閾值越嚴(yán)格，就可以越早地采取措施。類似地，也可以使用電壓監(jiān)測器，只是監(jiān)測對(duì)象有所不同。

早期研發(fā)階段，通常只會(huì)生產(chǎn)很少量的芯片，只有確保芯片能夠正常運(yùn)行并確認(rèn)可以達(dá)到目標(biāo)良率后，才會(huì)進(jìn)行大規(guī)模生產(chǎn)。開發(fā)者會(huì)從晶圓廠的早期測試和診斷結(jié)果中收集數(shù)據(jù)，另外還會(huì)在整個(gè)產(chǎn)品制造過程中收集數(shù)據(jù)。在這個(gè)期間，開發(fā)者可能會(huì)發(fā)現(xiàn)系統(tǒng)性問題并予以解決。當(dāng)芯片在現(xiàn)場部署之后，則需要使用最新的策略，了解芯片在使用過程中的運(yùn)行情況以及隨著芯片老化會(huì)發(fā)生哪些變化。為此，一些新功能應(yīng)運(yùn)而生，包括使用英特爾Sapphire Rapids進(jìn)行現(xiàn)場掃描。開發(fā)者還可以將SLM軟件代理嵌入到芯片系統(tǒng)本地，從而持續(xù)地進(jìn)行邊緣分析并緩解問題。在現(xiàn)場芯片管理領(lǐng)域中，各類創(chuàng)新層出不窮，各種新的功能也會(huì)在近期內(nèi)不斷推出。

如何綜合考慮各種數(shù)據(jù) — 全面的SLM策略

HPC和數(shù)據(jù)中心工作負(fù)載要求在整個(gè)芯片生命周期內(nèi)對(duì)芯片進(jìn)行測試、監(jiān)測和維修。因此，我們需要了解芯片內(nèi)部發(fā)生的情況。與此同時(shí)，由于需要處理大量數(shù)據(jù)，例如設(shè)計(jì)數(shù)據(jù)、晶圓廠數(shù)據(jù)、診斷數(shù)據(jù)、產(chǎn)品制造測試數(shù)據(jù)（包括重要的監(jiān)測數(shù)據(jù)）等等，開發(fā)者迫切需要全面系統(tǒng)的方法來分析數(shù)據(jù)并生成可行見解，同時(shí)確保提升工作效率。

新思科技提供全面完整的SLM解決方案，這是一個(gè)包含多種工具的集成平臺(tái)，能夠?yàn)閺脑O(shè)計(jì)到生產(chǎn)的整個(gè)SoC生命周期提供支持。另外，還有功能強(qiáng)大的現(xiàn)場解決方案即將推出！我們可以幫助開發(fā)者做好各項(xiàng)準(zhǔn)備，確保產(chǎn)品在當(dāng)前及整個(gè)生命周期內(nèi)都能正常運(yùn)行。新思科技的SLM產(chǎn)品系列包括PVT監(jiān)測器、路徑裕度監(jiān)測器（PMM）和實(shí)時(shí)高速訪問和測試（HSAT）IP。它們?yōu)殚_發(fā)者提供了所需的片上傳感器，讓開發(fā)者能夠監(jiān)測數(shù)據(jù)、運(yùn)行制造和進(jìn)行現(xiàn)場測試。借助新思科技的HSAT IP，芯片可以使用USB和PCI Express（PCIe）接口等功能I/O，因此開發(fā)者無需使用大量的測試和接口引腳，就可以在芯片部署使用時(shí)繼續(xù)執(zhí)行掃描和診斷。

除了IP監(jiān)測器，新思科技SLM還將關(guān)于各類芯片健康數(shù)據(jù)的分析和預(yù)警集中在同一位置。這一完整解決方案能夠在設(shè)計(jì)階段為開發(fā)者提供支持，幫助開發(fā)者識(shí)別需要監(jiān)測的候選路徑。在實(shí)施監(jiān)控IP之后，開發(fā)者可以使用新思科技的TestMax產(chǎn)品系列等測試基礎(chǔ)設(shè)施產(chǎn)品來將芯片連接到測試基礎(chǔ)設(shè)施，生成監(jiān)測器掃描序列，然后輸入和輸出數(shù)據(jù)，以便進(jìn)一步診斷潛在的問題。借助新思科技SLM，開發(fā)者可以深入了解自己的SoC，即使在大規(guī)模生產(chǎn)中，也可以保持芯片的RAS。

我們將在9月14日召開的線上研討會(huì)中揭示如何在IC設(shè)計(jì)中嵌入分布式PVT IP，通過實(shí)時(shí)收集參數(shù)和PVT controller分析，優(yōu)化性能，提高可靠性。了解更多關(guān)于SLM PVT IP信息，請(qǐng)掃碼報(bào)名線上研討會(huì)：