将 EDA 工作负载移至 AWS 云，将 Arm 设计速度提高 10 倍

亚马逊网络服务 (AWS) 表示，Arm 计划将其大部分电子设计自动化 (EDA) 工作负载转移到云端，从而可能将半导体设计和验证的吞吐量提高多达 10 倍。

设计工程师自然而然地倾向于云平台，自 2020 年由于全球 Covod-19 限制而加速向在线工作的快速转型以来，设计工程师更是如此。 AWS 和微软的规模都很大，还有像英特尔的 DevCloud 这样的服务。

因此，Arm 将 EDA 工作负载迁移到 AWS 这一事实是一个重大举措，使设计工程师可以更轻松地使用 Arm 处理器进行产品开发。 Arm 最终计划在完成向 AWS 的迁移后将其全球数据中心的足迹减少至少 45%，并将其本地计算减少 80%。

该平台利用基于 AWS Graviton2 的实例（由 Arm Neoverse 内核提供支持），有望改变传统上使用本地数据中心进行验证半导体设计的计算密集型工作的大部分半导体行业。

为了更有效地进行验证，Arm 将使用云来运行真实计算场景的模拟，利用 AWS 几乎无限的存储和高性能计算基础设施来扩展它可以并行运行的模拟数量。自从开始其 AWS 云迁移以来，Arm 表示它已将 AWS 上的 EDA 工作流程的性能时间提高了 6 倍。此外，通过在 AWS 上运行遥测数据分析，Arm 还表示它正在产生更强大的工程、业务和运营洞察力，有助于提高工作流程效率并优化整个公司的成本和资源。

高度专业化的半导体现在显然为现代生活中的几乎所有事物提供动力，从智能手机到数据中心基础设施，并致力于自动驾驶汽车等领域的未来技术。每个芯片都包含数十亿个晶体管，其设计尺寸达到个位数纳米级（大约比人类头发的宽度小 100,000 倍），目标是在最小的空间内实现最大的性能。

EDA 是使这种极端工程可行的关键技术之一。 EDA 工作流程很复杂，包括前端设计、仿真和验证，以及越来越大的后端工作负载，包括时序和功耗分析、设计规则检查和其他应用程序，以准备芯片生产。这些高度迭代的工作流程可能需要数月甚至数年才能生产出新的片上设备和系统 (SoC)，并涉及大量计算能力。在本地运行这些工作负载的半导体公司必须不断平衡成本、进度和数据中心资源，以同时推进多个项目。因此，他们可能会面临计算能力短缺导致进度缓慢或承担维持闲置计算能力的费用。

通过将 EDA 工作负载迁移到 AWS，Arm 克服了传统管理的 EDA 工作流程的限制，并通过大规模可扩展的计算能力获得了弹性，使其能够并行运行模拟、简化遥测和分析、减少半导体设计的迭代时间并增加测试在不影响交货时间表的情况下循环。 Arm 利用 Amazon 弹性计算云 (Amazon EC2) 通过优化跨各种专用 Amazon EC2 实例类型的 EDA 工作流来简化其成本和时间线。

例如，该公司使用基于 AWS Graviton2 的实例来实现高性能和可扩展性，从而实现比运行数十万台本地服务器更具成本效益的运营。 Arm 使用 AWS 计算优化器，这是一项使用机器学习为特定工作负载推荐最佳 Amazon EC2 实例类型的服务，以帮助简化其工作流程。

除了成本优势之外，Arm 还利用 AWS Graviton2 实例的高性能来提高其工程工作负载的吞吐量，与上一代基于 x86 处理器的 M5 实例相比，每美元的吞吐量持续提高了 40% 以上。此外，Arm 使用 AWS 合作伙伴 Databricks 的服务在云中开发和运行机器学习应用程序。通过在 Amazon EC2 上运行的 Databricks 平台，Arm 可以处理其工程工作流程中每一步的数据，从而为公司的硬件和软件团队生成可操作的见解，并实现工程效率的可衡量改进。

Arm 的 IP 集团总裁 Rene Haas 说：“通过与 AWS 的合作，我们专注于提高效率和最大化吞吐量，以便将宝贵的时间留给我们的工程师专注于创新。现在我们可以使用 AWS Graviton2 实例和基于 Arm Neoverse 的处理器在 Amazon EC2 上运行，我们正在优化工程工作流程、降低成本并加快项目时间表，以比以往任何时候都更快、更经济高效地为我们的客户提供强大的结果。”

AWS 全球基础设施和客户支持高级副总裁 Peter DeSantis 补充说：“与当前一代基于 x86 的实例相比，Graviton2 处理器可以提供高达 40% 的性价比优势。”