說起debug(調(diào)試)，這可能是令所有開發(fā)者抓狂且繞不開的永恒話題，相信每個驗證開發(fā)者都有很多debug經(jīng)歷可以吐槽，因為這確實是一個似乎看不到盡頭的艱難挑戰(zhàn)。

調(diào)試的過程極為復雜且結果不可預測：首先通過對RTL或者門級模型輸入激勵來驗證模型是否按預期運行。如果未按預期運行，則該事件將被標記為錯誤。如果錯誤發(fā)生在驗證平臺，很有可能需要重寫代碼或重新運行，如果錯誤發(fā)生在設計中，對于比較淺顯的錯誤還好說，運行幾個仿真周期就可以找到，但若錯誤非常極端且隱蔽，則可能要運行數(shù)百萬個仿真周期。由于bug所在位置和涉及的代碼行數(shù)的不同，找出bug的時間自然也會大不相同。

因此，擴大調(diào)試的覆蓋范圍、提高調(diào)試過程的速度和準確性，是最需要解決的驗證挑戰(zhàn)之一。我們將在下文中分享如何利用調(diào)試工具，以及先進的調(diào)試技術幫助開發(fā)者簡化整個調(diào)試過程。

是什么導致了芯片調(diào)試的復雜性?

在人工智能(AI)、機器學習(ML)和高性能計算(HPC)等新興應用的推動下，芯片變得越來越大且越來越復雜，調(diào)試難度也急劇增加。

目前我們已經(jīng)實現(xiàn)了：

芯片由數(shù)百個IP模塊和子系統(tǒng)組成(包括復雜的協(xié)議和內(nèi)存)，部分由內(nèi)部開發(fā)，部分通過現(xiàn)貨購買

不同模塊和電源域之間，硬件和嵌入式軟件之間實現(xiàn)更復雜的交互

各種新的、特定領域的架構

芯片尺寸是影響調(diào)試復雜性的因素之一，但對調(diào)試過程影響更大的是芯片功能。比如，在小規(guī)模設計中可能需要數(shù)千個并行發(fā)生的不同事件來對特定條件進行仿真，要隔離漏洞就需要檢查這些并行事件以確定問題到底出在哪里。芯片的終端應用也會影響調(diào)試過程。例如，用于手機的低功耗芯片的設計與嵌入式處理器的設計就大不相同。對于嵌入式處理器設計，開發(fā)者可能會希望借助RTL來調(diào)試C語言/匯編代碼，而在低功耗設計中，當設計的一部分電路掉電后，便可插入處理器設計中未使用的隔離單元或其他功耗保持技術。

因此智能的調(diào)試工具是必須的，尤其對于汽車等對功能安全合規(guī)性要求極高的應用來說，精細的調(diào)試更加重要。

AI加速鎖定

讓芯片設計失敗的罪魁禍首

要找到芯片設計中的bug并非易事，原因之一是需要分析和理解的信號太多了。如果沒有好用的功能調(diào)試工具就有可能需要進行成千上萬次的仿真和測試來驗證設計，而且每一次測試都會產(chǎn)生大量數(shù)據(jù)，必須要進一步分析才能從中找出漏洞，這就是為什么說開發(fā)者一般會進入一個沒完沒了的調(diào)試周期，調(diào)試效率比較低。

而事實證明，在效率方面，AI和ML一直具備顯著優(yōu)勢，它們能夠快速地從大量數(shù)據(jù)中發(fā)現(xiàn)問題核心，AI增強的調(diào)試器可以根據(jù)它們的特征對錯誤進行分段，并生成一個更易于管理的數(shù)字來預估根本原因。

現(xiàn)在，通過使用基于ML的Verdi回歸調(diào)試自動化技術，這些暢想將得以實現(xiàn)。

Verdi讓芯片調(diào)試更加省時省力

新思科技通過Verdi自動化調(diào)試系統(tǒng)(Verdi SoC調(diào)試平臺的核心)為所有設計和驗證流程提供全面調(diào)試。該系統(tǒng)具有20億門級的設計容量，并定期更新，增加新功能。Verdi自動化調(diào)試系統(tǒng)通?？梢詼p少50%以上的調(diào)試時間，開發(fā)者因此可以將更多精力集中在其他更重要的任務中。此外，Verdi系統(tǒng)的高效率還可以支持開發(fā)者跨域、跨抽象級別進行查找及修復bug。

Verdi自動調(diào)試系統(tǒng)是新思科技 Verification Continuum的一部分。新思科技Verification Continuum是一系列解決方案的組合，旨在幫助開發(fā)者在早期快速發(fā)現(xiàn)設計缺陷，更早開始對系統(tǒng)進行驗證。

結 語

開發(fā)者通常面臨著復雜調(diào)試和上市時間等多重壓力，我們完全可以將勞動密集型任務自動化，通過先進的調(diào)試技術——Verdi自動調(diào)試系統(tǒng)來實現(xiàn)全面覆蓋高效調(diào)試以及簡便應用等調(diào)試需求，徹底破解難題，加速芯片上市。

原文標題：快、準、狠，Verdi 自動解決 debug 難題，釋放芯片生產(chǎn)力

文章出處：【微信公眾號：新思科技】歡迎添加關注!文章轉載請注明出處。

審核編輯：湯梓紅