SLM：守护高性能计算与数据中心SoC的每一步-icspec

SLM：守护高性能计算与数据中心SoC的每一步

来源:新思科技发布时间:2023-09-27

分享至微信

高性能计算（HPC）和超大规模存储不仅让我们得以在超级互联和人工智能的帮助下，动动手指就能轻松获取各种信息；更是我们如今数字生活中不可或缺的一部分。从数学模型到气象预测，超级计算机正在协助我们改善各个领域的计算结果，而云数据中心则是确保数字生活正常运行的基础支柱。在当今时代，数据不仅在数量上远超以往，还面临着需要进行远距离高速传输的挑战。随着芯片制程节点不断微缩，逐渐逼近制造领域的极限，Multi-Die系统应运而生，为性能提升开辟了新的可能性。

随着电子系统变得愈加复杂，静默数据损坏（SDC）等错误时有发生，芯片老化、热挑战和功耗挑战等问题也同样存在。这些问题非常棘手，如果处理不当，就会导致灾难性后果，尤其是在大规模处理此类问题的情况下。

除此之外，对于SoC开发者来说，由于复杂性的提高，他们迫切需要采用芯片生命周期管理（SLM）策略，以确保芯片的可靠性、可用性和可服务性（RAS）。了解最终产品的内部情况并认识长期的RAS影响，对于设计的成功至关重要。

芯片生命周期管理策略是什么？

如今，我们不仅需要在生产和发货时确保芯片能够正常运行，还需要在整个生命周期内对芯片工作状态进行监控和测试，尽可能在问题甚至故障出现之前提前进行预警甚至修复。对于SoC 和 Multi-Die产品，这一点攸关重要。为了做到这一点，开发者需要掌控和访问芯片内部元件，以调试和读取数据，并进行适当的分析来确定是否存在问题。借助这些信息，开发者能够及时维护系统，避免问题变得无法挽回。

SLM平台所提供的解决方案及策略可以帮助开发者采取针对性措施，在芯片的整个生命周期内确保RAS：

设计阶段/ In-Design：识别芯片中适合用于监控的设计组件。将监控IP直接嵌入设计的基础架构中。
产品试产及良率优化阶段/ In-Ramp：优先处理影响良率的主要限制因素，进行准确的故障分析，并调整设计和/或晶圆工艺，从而满足高良率要求。
量产阶段/ In-Production：通过自动化洞察功能识别良率和质量异常，在大批量生产的各个阶段进行根本原因分析，并在必要时对半导体供应链进行调整。
产品实际应用现场/ In-Field：通过预测性维护评估芯片运行状况，并优化各项性能指标，比如功耗和吞吐量（如果可能），特别是在芯片不断老化的情况下。

示例：对策略建模，从而改善热和电源管理

在SoC系统中，管理热复杂性和优化功耗是重中之重。而且，当一个系统中包含多个晶片时，管理难度会呈指数级增长，特别是在系统不断老化的情况下。要想缓解热问题和电压问题并在HPC和数据中心中保障芯片长期可靠运行，在设计中整合适当的监控功能是必不可少的。

多年来，在芯片内部的片上电压和电源管理一直使用工艺、电压和温度（PVT）监测器，也称为动态电压频率调整（DVFS）技术。有些场景下，这些监视器用于监测温度，当温度可能造成灾难性结果时，就会关闭系统。事实上，几乎所有16纳米及以下制程的芯片设计和所有的数据中心芯片，都使用PVT监测器。

在晶圆分选测试期间，开发者将从这些监测器获得测试数据结果，并立即将这些数据投入使用。在这个时候，开发者将了解晶片的热特性，并可以应用更多测试序列来监测晶片各处的电压值。此外，开发者可以根据测试、PVT和PMMIP数据来执行分析，然后返回设计环境，了解测试中得出的芯片实际裕量，并将其与模型相关联。随着模型的改进，开发者可以降低裕量，以提高性能或降低功耗，而又不会牺牲RAS。

为了更好地预测故障的出现，开发者可以设置阈值。对于温度监测器，阈值代表开发者将在什么情况下开始介入来降低温度。究其缘由，大部分热响应的速度都相对缓慢。设定的阈值越严格，就可以越早地采取措施。类似地，也可以使用电压监测器，只是监测对象有所不同。

早期研发阶段，通常只会生产很少量的芯片，只有确保芯片能够正常运行并确认可以达到目标良率后，才会进行大规模生产。开发者会从晶圆厂的早期测试和诊断结果中收集数据，另外还会在整个产品制造过程中收集数据。在这个期间，开发者可能会发现系统性问题并予以解决。当芯片在现场部署之后，则需要使用最新的策略，了解芯片在使用过程中的运行情况以及随着芯片老化会发生哪些变化。为此，一些新功能应运而生，包括使用英特尔Sapphire Rapids进行现场扫描。开发者还可以将SLM软件代理嵌入到芯片系统本地，从而持续地进行边缘分析并缓解问题。在现场芯片管理领域中，各类创新层出不穷，各种新的功能也会在近期内不断推出。

如何综合考虑各种数据 — 全面的SLM策略

HPC和数据中心工作负载要求在整个芯片生命周期内对芯片进行测试、监测和维修。因此，我们需要了解芯片内部发生的情况。与此同时，由于需要处理大量数据，例如设计数据、晶圆厂数据、诊断数据、产品制造测试数据（包括重要的监测数据）等等，开发者迫切需要全面系统的方法来分析数据并生成可行见解，同时确保提升工作效率。

新思科技提供全面完整的SLM解决方案，这是一个包含多种工具的集成平台，能够为从设计到生产的整个SoC生命周期提供支持。另外，还有功能强大的现场解决方案即将推出！我们可以帮助开发者做好各项准备，确保产品在当前及整个生命周期内都能正常运行。新思科技的SLM产品系列包括PVT监测器、路径裕度监测器（PMM）和实时高速访问和测试（HSAT）IP。它们为开发者提供了所需的片上传感器，让开发者能够监测数据、运行制造和进行现场测试。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，因此开发者无需使用大量的测试和接口引脚，就可以在芯片部署使用时继续执行扫描和诊断。

除了IP监测器，新思科技SLM还将关于各类芯片健康数据的分析和预警集中在同一位置。这一完整解决方案能够在设计阶段为开发者提供支持，帮助开发者识别需要监测的候选路径。在实施监控IP之后，开发者可以使用新思科技的TestMax™产品系列等测试基础设施产品来将芯片连接到测试基础设施，生成监测器扫描序列，然后输入和输出数据，以便进一步诊断潜在的问题。借助新思科技SLM，开发者可以深入了解自己的SoC，即使在大规模生产中，也可以保持芯片的RAS。