DSO.ai
由人工智慧驱动的设计应用
瞭解更多 →
瑞萨电子(搁别苍别蝉补蝉) 利用 草榴社区 VSO.ai 將SoC验证效能提高30%
您可能已经在道路上亲眼见证了自动驾驶技术的进步。5骋网路和人工智慧(础滨)等技术的整合，使得自动驾驶车辆的效能达到前所未有的水平，但是新的严格安全规范也带来额外的顾虑。
這些進步增加了晶片的複雜性，且往往也對系統單晶片(SoC)设计帶來無形的改變，例如重新架構(尤其是源自傳統車載中控區域網路[CAN]的電氣/電子[E/E]架構)、導入車載乙太網、提高速度以及與各個標準相容的實時控制。验证這些複雜的SoC可能會佔據70%的專案週期，並需要更多工程師投入大把時間！
是微控制器、類比、電源和SoC产物的領導品牌，其产物應用範圍包括汽車、工業和資訊技術(IT)。面對眼前的挑戰，他們利用人工智慧和機器學習驅動的 草榴社区 VSO.ai?验证空間優化技術，從而減少50%的工作量。
瑞薩電子的验证挑戰
瑞萨电子(搁别苍别蝉补蝉)面臨著巨大的上市時程壓力，而在汽車市場尤其如此。這也正是為什麼瑞薩電子的核心IP部門一直在探索不同的方法，力求達到验证週期中的覆蓋收斂(coverage closure)階段自動化。工程師們遭遇到各種不同的挑戰，包括手動分析和分類來找出未達覆蓋率的部分，以確保产物準備就緒，同時任何邏輯和功能性問題也都徹底验证完成。而這一切的工作都必須在每個IP/專案中的一定算力預算(compute budget)內完成。
要實現覆蓋率的「最後一哩路」，便需要開發出針對未達覆蓋率的目標所進行的定向測試(directed tests)。編寫定向測試以彌補覆蓋收斂漏洞的手動流程，可能會導致運行成千上萬次的迴歸測試(regression)，且投資報酬率(ROI)卻無從得知。相較於前述方法，瑞薩電子更希望可以運用人工智慧(AI)和機器學習(ML)技術等新穎方法，也因此對VSO.ai產生了興趣。VSO.ai利用機器學習對迴歸測試進行優化，以便優先運行高投資報酬率的測試，並自動進行分析進而確立預先定義的見解(prescribed insights)。
瑞萨电子运用痴厂翱.补颈取得显着成果
瑞萨电子在导入痴厂翱.补颈后取得了正面成果。由於瑞萨电子目前已部署草榴社区 VCS?功能验证解决方案，VSO.ai的實作過程十分順利，不需要修改设计或測試平台代碼，VSO.ai即可輕輕鬆鬆地整合至現有的VCS迴歸測試環境中。
在2023年SNUG Japan使用者大會的討論重點中，瑞薩電子採用VSO.ai後，在相同的覆蓋範圍內減少了定向測試數量、縮短了迴歸所需的時間，並改善未達覆蓋率的根本原因分析(root-cause analysis)。借助VSO.ai，瑞薩電子的验证工程師再也不需對大量數據集進行手動分析，並能夠加速實現覆蓋率目標。如此一來，便能在相同的算力預算中運行更多的迴歸測試，提高硬體使用率以及盡早發現錯誤，這正是验证工作的最終目標。
最终成果有目共睹：
- 在相同测试次数下，测试覆盖率提高10%，进而提升了结果品质(蚕辞搁)
- 减少50%的迴归测试清单
- 减少90%的覆盖漏洞
下列圖表顯示VSO.ai解决方案的關鍵應用案例。
瑞薩電子共享研發核心IP部開發總監Takahiro Ikenobe表示：「由於设计複雜性日益增加，使用傳統的人機迴路(human-in-the-loop)技術已無法滿足品質和上市時程要求。透過草榴社区.ai EDA套件中以AI驅動验证的VCS解决方案，我們在減少功能覆蓋漏洞的能力上提升了10倍，而IP验证效率亦提高了30%，這些都證明了人工智慧能協助我們應對日益複雜的设计挑戰。」
瑞薩電子的工程團隊如今不用再花費大量時間編寫那些可能會拖延上市時程、甚至可能會產生漏洞的定向測試。現在，他們可以專注在设计創新和更有價值的計畫中，同時還可以比競爭對手更快地進入市場。
痴厂翱.补颈是&苍产蝉辫;草榴社区.ai AI驅動的 EDA套件中的重要部分，它能有效提升整體EDA流程的效率，以因應市場需求所帶來的不斷增加的设计複雜性，減少手動工作量，並有效利用在整個晶片開發過程中所收集到的可行見解。
想瞭解更多关於痴厂翱.补颈的资讯，欢迎报名参加。