—Cadence 云業(yè)務開發(fā)VP （DAC 2019）

去年9月在DAC（Design Automation Conference）大會之后，我們制作了一個全球半導體行業(yè)上云格局一覽圖，然后得出了兩個結(jié)論：

1. 整個半導體產(chǎn)業(yè)鏈核心角色：EDA廠商/ Foundry/Fabless無一缺席，都已經(jīng)開始上云的步伐；
2. 全球各大云廠商不僅積極擁抱半導體產(chǎn)業(yè)，甚至自己主導設計開發(fā)芯片，在產(chǎn)業(yè)鏈中扮演雙重角色。 

如果說去年我們的判斷是全球半導體行業(yè)對云的接受度已經(jīng)在跨越鴻溝的邊緣，那上周ICCAD中國集成電路設計業(yè)2020年會結(jié)束后，我們認為國內(nèi)半導體企業(yè)也已經(jīng)跟上了節(jié)奏。

跟2019年相比：
今年有了幾家云廠商的身影出現(xiàn)，關(guān)于芯片設計EDA上云趨勢和落地實踐給出了各自的答卷；
也有像恩智浦這樣的公司分享了仿真上云經(jīng)驗，并且在今年全球疫情的現(xiàn)狀下，正在考慮純云模式來滿足遠程協(xié)同需求。

我們?nèi)ツ旮鶕?jù)DAC會議Design on Cloud圓桌討論整理了十個上云實踐問題的過來人解答，有興趣可以去回顧一下：

1. 上云的模式是什么？
2. 最開始，為什么選擇上云？
3. 上云的挑戰(zhàn)主要有哪些？
4. 你覺得EDA供應商準備好上云了嗎？
5. 上云的缺點是什么?
6. 對于芯片設計，云廠商已經(jīng)準備好了嗎？
7. 在云上，一切都需要付錢。怎么控制云上的成本？
8. 你覺得在云上設計安全嗎？
9. 目前為止，上云的成果是什么？
10. 對后來的上云實踐者有什么建議？

今年我們升個級，來個——

EDA云平臺49問

1. EDA云平臺能夠解決什么問題？
適配EDA工具使用需求。
大規(guī)模算力自動化智能調(diào)度。
海量多云資源提供彈性算力支持。
總之，讓研發(fā)人員更專心做設計，幫助IT人員更好地管理資源滿足復雜企業(yè)場景需求，最終縮短項目周期，提高公司競爭力。

2. 云上虛擬機的性能可以嗎?
相當，并可以更好。
兩方面原因：
1、云上的硬件更新快；
2、云上虛擬化性能逐步接近裸機。

3. 各個云之間的虛擬機性能有差異嗎？
有。我們可以為用戶提供專業(yè)建議。

4. 支持哪些云？
國內(nèi)外主流云廠商我們都支持。

5. 多云有什么好處？
不會被某一家云廠商鎖定，資源可用性更高。
多云可以最大限度利用不同云廠商的不同優(yōu)勢，比如資源類型，比如產(chǎn)品價格，比如地域選擇。

6. GPU資源也有嗎？
云廠商上有的資源我們都可以支持。

7. 云上用的機型是超線程的？還是物理核的？
大多數(shù)云廠商支持開啟關(guān)閉超線程。

8. 你們和超算有什么區(qū)別？云和超算有什么區(qū)別？
看這篇國內(nèi)超算發(fā)展近40年，終于遇到了一個像樣的對手

9. 你們和云廠商有什么區(qū)別？
我們是從應用出發(fā)，為應用定義的云平臺。
而云廠商主要在IaaS層，距離用戶的實際應用還有非常長的距離。
在云的基礎架構(gòu)和應用之間，需要借助應用優(yōu)化、多云環(huán)境支持等方式來滿足用戶需求。

10. 我直接和云廠商合作是不是就行了？
參考答案9。
我們已經(jīng)對接了眾多主流云廠商的API，可以用統(tǒng)一的方式方法完成自動化部署，簡化用戶使用云資源的方式，降低學習成本，幫助用戶高效地用好云。

11. 你們跟云管理平臺有什么不同？
我們更貼近應用，在云管平臺之上。
具體可查看靈魂畫師，在線科普多云平臺/CMP云管平臺/中間件/虛擬化/容器是個啥

12. 支持哪些EDA工具？
支持主流EDA廠商工具，比如Innovus、Spectre、HSPICE、OPC Proteus、Calibre、VCS、Xcelium、Redhawk、PT 、StarRC 、Tmax2 、Skipper、ALPS等等。

13. EDA應用優(yōu)化指的是什么？
根據(jù)特定用戶需求自定義EDA Flow，規(guī)范化EDA作業(yè)流程，加速EDA多任務的調(diào)度。
用戶在云端可選擇的機型有幾百種，配置、價格差異極大，我們能根據(jù)用戶的EDA應用需求推薦最適配的資源。

14. EDA應用在云上能正常跑嗎？
能。

15. License在云上能正常用嗎？
能。
EDA云實證Vol.1：從30天到17小時，如何讓HSPICE仿真效率提升42倍？
EDA云實證Vol.4： 5000核大規(guī)模OPC上云，效率提升53倍

16. 云上的EDA應用怎么部署？是不是每個軟件CAD都要去配置？
我們協(xié)助用戶完成云上EDA應用自動化配置，一次配置，以后自動啟用。

17. 腳本每日都有變動，云上要增加工作量？工作腳本如何更新？
可以延續(xù)之前的使用方式，也可以使用我們提供的方式自動化完成腳本更新。

18. 云上EDA無縫銜接怎么做到的？
云上用戶體驗無差異。

19. 你們的自動化部署有什么好處？
關(guān)于我們在云端部署自動化模式VS傳統(tǒng)手動模式間的巨大差異可查看：從30天到17小時，如何讓HSPICE仿真效率提升42倍？

20. 支持哪些調(diào)度器？
我們支持Slurm/LSF/SGE/PBS。
億萬打工人的夢：16萬個CPU隨你用里，我們基于這四家主流調(diào)度器：LSF/SGE/Slurm/PBS以及它們的9個演化版本進行了梳理和盤點。

21. 開源的調(diào)度器你們怎么提供商業(yè)支持？
我們是開源Slurm調(diào)度器的代碼貢獻者，特別是跟云相關(guān)的功能點。
我們提供Slurm配置/優(yōu)化/調(diào)試/應用對接的最佳實踐。

22. 你們就是個調(diào)度器嗎？
調(diào)度器是我們平臺的一個重要組件。

23. 你們說的智能調(diào)度是什么？
我們是基于用戶策略的雙層智能調(diào)度。
上層調(diào)度程序支持靈活的用戶策略：
-基于位置
-基于性能
-基于成本
-基于團隊/組織目標……
下層調(diào)度程序滿足應用要求：
-基于Slurm/LSF/SGE/PBS的工作任務
-基于容器的K8S工作任務…
智能調(diào)度用戶策略詳情看這個：生信云實證Vol.3：提速2920倍！用AutoDockVina對接2800萬個分子

24. 為什么要Auto-Scale自動伸縮？
省錢，省心。
我們的Auto-Scale功能自動監(jiān)控用戶提交的任務數(shù)量和資源的需求，動態(tài)按需地開啟和關(guān)閉所需算力資源，在不夠的時候，還能根據(jù)不同的用戶策略，自動化調(diào)度本區(qū)域及其他區(qū)域的目標類型或相似類型實例資源。
所有操作都是自動化完成，無需用戶干預。
劃個重點，這里的關(guān)機對于成本的節(jié)約極其有幫助。

25. 數(shù)據(jù)怎么做到云上、線下同步？
我們有專門的數(shù)據(jù)傳輸工具，提高傳輸效率。支持全自動化數(shù)據(jù)上傳，可充分利用帶寬，幫助用戶快速上傳、下載海量數(shù)據(jù)。同時，利用fastone自主研發(fā)的分段上傳、高并發(fā)、斷點續(xù)傳等數(shù)據(jù)傳輸技術(shù)，優(yōu)化海量數(shù)據(jù)的傳輸效率。
也支持VPN/專線接入。

26. 很多PDK，就有幾十T，怎么到云上，而且需要持續(xù)更新？
離線傳輸方式可以初始化傳輸大量數(shù)據(jù)。
很多PDK廠商也提供了在云上的訪問方式。

27. 改變我們現(xiàn)在研發(fā)人員的使用習慣和體驗嗎？
基本沒有改變。
我們支持桌面接入和SSH接入。

28. 任務和集群的區(qū)別是什么？
任務更適用于流程固定并且經(jīng)常有運行需求的任務，全程圖形化界面。
集群相對于任務，屬于更高級的用法，用戶可以直接SSH到云上的集群使用，可以直接進行應用的開發(fā)和調(diào)試。使用方式和本地無差別。

29. 我能直接創(chuàng)建云上HPC集群嗎？
可以。
我們支持普通用戶模式和高級用戶模式。
高級用戶，比如本身對應用工作流的理解和編程能力超強，可以不用走普通用戶通過應用向?qū)教峤坏穆窂剑梢灾苯痈鶕?jù)自己寫的腳本，通過Web瀏覽器選擇新建集群，然后按需動態(tài)地在云端創(chuàng)建HPC集群，包括權(quán)限，計算資源，存儲資源等。

30. 怎么監(jiān)控、管理任務與集群的運行情況？
提交任務后，可以在監(jiān)控界面中查看任務和集群運行情況。

31. 支持混合云模式嗎？
支持。
我們支持本地資源不足的時候，自動溢出到云上。
下圖是一個混合云模式架構(gòu)圖。

32. 增加一套云環(huán)境，對于IT管理會不會帶來額外的負擔？
通過我們可以在不增加負擔的情況下對接多云，減少IT管理壓力。
我們易用的自動化管理平臺對IT人員來說很容易上手，對提升工作效率和資源利用率都有很大幫助。

33. 如何云上保護我們的IP資產(chǎn)？
可以延續(xù)公司原有的安全流程、工具，結(jié)合云上完整的審計、監(jiān)控和權(quán)限管理功能。
我們有豐富的安全實踐。

34. 云上云下的安全？
安全是一個立體的概念，包括系統(tǒng)安全、應用安全、流程安全、數(shù)據(jù)安全等很多方面。
云的基礎架構(gòu)和傳統(tǒng)IT架構(gòu)在安全方面并沒有本質(zhì)上的區(qū)別，依然是利用計算節(jié)點和存儲資源。很多人覺得這兩者之間存在差異，我們認為這取決于個人的認知。

35. 支持純云模式嗎？
支持，文末可以直接注冊免費試用。

36. 關(guān)于選擇哪種上云模式你們有什么建議？
從我們接觸的企業(yè)看來，既有老牌企業(yè)從純本地逐漸過渡到本地+云的混合云模式的，也有初創(chuàng)公司直接從云端起步，逐漸添加本地機器，最后形成混合云模式的。
對于國內(nèi)企業(yè)來說，混合云應該是各種企業(yè)類型最終能接受的完成形態(tài)，既保留有本地的私密性，也時刻享有云端的靈活性。

37. 用云是不是很貴/便宜？
企業(yè)上云是否便宜取決于具體應用場景，云的成本結(jié)構(gòu)高度依賴于自動化和智能化的運營能力，效率的提升帶來TCO的降低才是計算云成本的正確思路。
幫助CXO解惑上云成本的迷思，看這篇就夠了

38. 你們有優(yōu)化成本的方案嗎？
三個層面：
從應用適配層面，我們會在多云里選擇最適合用戶應用場景的最具性價比資源；
從IT部署方面，通過自動化按需部署和資源實時監(jiān)控管理進行成本優(yōu)化；
從任務運行層面，我們根據(jù)用戶不同策略進行智能調(diào)度。當以成本優(yōu)先策略為第一優(yōu)先策略時，資源選擇以SPOT實例為主，并在滿足用戶成本要求的前提下使用OD按需實例來優(yōu)化時間效率，相比時間優(yōu)先策略，成本降幅最多可達67%-90%。

39. 跨國團隊研發(fā)協(xié)同你們有解決方案嗎？
跨國協(xié)同面臨的IT挑戰(zhàn)，一個是數(shù)據(jù)傳輸，一個是網(wǎng)絡質(zhì)量。
我們有支持多本地的IT一體化落地案例。

再來幾個具體點兒的：
40. HSPICE任務能否在云端運行？
41. 云端資源是否能適配HSPICE任務需求？
42. fastone平臺能否有效解決目前業(yè)務問題？
43. 相比傳統(tǒng)手動模式，云端計算集群的自動化部署，有哪些好處？

44. OPC任務能否在云端有效運行？
45. fastone平臺能否滿足業(yè)務彈性資源需求，有效減少OPC運行時間？
46. License Server配置在本地和云端對計算性能/一致性/穩(wěn)定性是否有影響？
47. fastone能否支持不同調(diào)度器SGE/Slurm？
48. 使用不同調(diào)度器對計算性能/一致性/穩(wěn)定性是否有影響？
49. fastone平臺的云端輸出計算結(jié)果是否與本地完全一致？

- END -

我們有個【在線體驗版】
平臺集成多種應用，大量任務多節(jié)點并行
應對短時間爆發(fā)性需求，連網(wǎng)即用
跑任務快，原來幾個月甚至幾年，現(xiàn)在只需幾小時
5分鐘快速上手，拖拉點選可視化界面，無需代碼
支持高級用戶直接在云端創(chuàng)建集群

點擊下圖免費試用，送200元體驗金，入股不虧~

你也許想了解具體的落地場景：
怎么把需要45天的突發(fā)性Fluent仿真計算縮短到4天之內(nèi)？
5000核大規(guī)模OPC上云，效率提升53倍
提速2920倍！用AutoDock Vina對接2800萬個分子
從4天到1.75小時，如何讓Bladed仿真效率提升55倍？
從30天到17小時，如何讓HSPICE仿真效率提升42倍？

關(guān)于云端高性能計算平臺：
國內(nèi)超算發(fā)展近40年，終于遇到了一個像樣的對手
幫助CXO解惑上云成本的迷思，看這篇就夠了
靈魂畫師，在線科普多云平臺/CMP云管平臺/中間件/虛擬化/容器是個啥
花費4小時5500美元，速石科技躋身全球超算TOP500

IT資源~~得不到的永遠在騷動~~要么花更長時間，要么降低對質(zhì)量的追求，這種無奈的取舍是半導體行業(yè)一直以來的痛。

如果說EDA工具的出現(xiàn)是半導體行業(yè)的第一次革命，幫助芯片設計人員用更簡單的方法從事設計工作，以縮短研發(fā)周期，降低設計成本。

那么，云計算可能是第二次產(chǎn)業(yè)革命的開端。雖然云計算本身已經(jīng)出現(xiàn)十年之久，但直到現(xiàn)在，也許才能看出一些端倪。 我們看一下現(xiàn)在的全球半導體行業(yè)上云格局一覽圖（基于最新公開資料整理）:

1、 整個半導體產(chǎn)業(yè)鏈核心角色：EDA供應商/ Foundry/Fabless無一缺席，都已經(jīng)開始上云的步伐。

2、 全球各大云廠商不僅積極擁抱半導體產(chǎn)業(yè)，甚至自己主導設計開發(fā)云端AI芯片，在產(chǎn)業(yè)鏈中扮演雙重角色。

3、 圖上只是根據(jù)公開資料整理出來的半導體云玩家，更多公司還在冰山之下。這意味著，不光是上云企業(yè)與本地企業(yè)之間，云上企業(yè)之間的競爭也已經(jīng)暗流涌動。

如果下面這張圖代表整個半導體行業(yè)對云的接受度，也許我們已經(jīng)站在跨越鴻溝的邊緣：

云有一個奇妙的特性：花同樣的錢，你可以讓100臺機器跑1個小時，也可以讓1臺機器跑100個小時，但是不同時間消耗帶來的結(jié)果完全不一樣，可能事關(guān)生死。

半導體企業(yè)上云并不是直接把本地數(shù)據(jù)中心生態(tài)系統(tǒng)搬到另一個地方，是一個涉及資產(chǎn)與成本，當下與未來的綜合決策。

而在這場生死之戰(zhàn)中，在半導體企業(yè)到一朵云或者多云服務之間，速石的角色是什么？

我們辛總給我打了個樸實的比方：假如你要打掃家里，以前你買的是N把掃把，現(xiàn)在你買的是一個智能掃地機器人。地是云服務商掃的，我們主要是智能機器那部分。嗯，話說得有點糙，而且簡化得有點過分，大家意會~~

拒絕意會的，歡迎文末掃碼聯(lián)系小F，我們用五個詳細案例告訴你我們是怎么解決半導體行業(yè)三種模式（純云SaaS/混合云+多區(qū)域/EDA云平臺）下不同企業(yè)用云需求的。

十個上云實踐問題的解答

DAC是集成電路設計界的大聚會，是全球EDA、Foundry、IP提供商的盛會，今年是第35屆了。從去年開始，DAC有了專門的“design on cloud” 部分。

如果說去年是云廠商(AWS/Azure/Googlecloud，包括阿里云)和眾多IT服務商張開懷抱對芯片公司說：我可以。

過去一年，有了明顯變化。

今年6月，我們看到了不少芯片設計公司的身影，他們作為過來人出來現(xiàn)身說法，講自己上云的那點事兒。

１家Foundry，１家EDA，４家Fabless。

上云的模式是什么？
最開始，為什么選擇上云？
上云的挑戰(zhàn)主要有哪些？
你覺得EDA供應商準備好上云了嗎？
上云的缺點是什么?
對于芯片設計，云廠商已經(jīng)準備好了嗎？
在云上，一切都需要付錢。怎么控制云上的成本？
你覺得在云上設計安全嗎？
目前為止，上云的成果是什么？
對后來的上云實踐者有什么建議？

上云的模式是什么？

QST：純公有云模式+AWS為主

AFRL：純公有云模式+AWS為主

TSMC：OIP VDE虛擬設計環(huán)境+ AWS+ Google Cloud+Azure

Cadence：Cadence Cloud Portfolio+AWS+ Google Cloud+Azure

eSilicon：混合云模式逐漸過渡到純公有云模式+Google Cloud

Astera Labs：純公有云模式+AWS

最開始，為什么選擇上云？

QST：
我們公司是2018年8月成立的，主要做基于MEMS傳感器的解決方案。剛成立的時候接到一個客戶需求，只有6個月的時間就要Tapeout，根本沒有給我們時間搭本地基礎架構(gòu)，所以直接選擇了上云。當然，結(jié)果非常好，我們成功在規(guī)定期限前完成了任務。

AFRL：

不要覺得AFRL是一個大公司，其實我們就是一個獨立的小組，更像一個小公司。我在做的這個項目其實是個DOD（國防部）的項目，我們空軍這塊只是整個芯片項目的PoC。

我們選擇云的原因主要原因是完全搭一套本地設計環(huán)境周期太長，流程又長又復雜；另一個原因是我們的人員包括了海軍、軍隊、空軍研究員和小組，分散各地，搭建一套本地的IT合作環(huán)境讓所有外部人員遠程登錄非常麻煩，最好可以有一套無視大家地理位置的解決方案，讓所有人盡管分散在各地也能在一起順利完成任務。

TSMC：

我們2018年宣布OIP云端聯(lián)盟成立。一方面是受AI/5G等大環(huán)境驅(qū)動，另一方面，我們不可能永遠有足夠的本地計算資源，內(nèi)部我們開始用云端方案來協(xié)助芯片設計，既然我們用了，我們就覺得也應該開放給我們的用戶用，讓他們能受益，不用受資源所限，能更快完成他們的設計。

聯(lián)系小F（ID：imfastone）,獲取某Foundry EDA設計云平臺模式解決方案

Cadence：

2018年發(fā)布Cadence Cloud Portfolio，臺積電、亞馬遜、微軟和谷歌都是合作伙伴。2019年４月，我們發(fā)布了CloudBurst平臺，６月又發(fā)布了Cloud Passport合作伙伴項目。

以前跟我的用戶們聊云，基本上一聊到安全就聊不下去了。但現(xiàn)在這個行業(yè)的新公司大量涌現(xiàn)，都在認真考慮云這件事，因為的確幫他們省了一大堆麻煩和注意力，不用考慮搭建一套工作流，也不用考慮搭建設計環(huán)境等等。

所以現(xiàn)在我感覺趨勢是：小公司正在考慮把整個基本架構(gòu)都換成云，而大一些的公司，正在評估接下來到底怎么走。是做一個單獨項目，還是把某項功能放在云上運行，平衡本地和云的資源，這是一個謹慎的決策。

我聊的每一個人都表示對云感興趣，所以我覺得現(xiàn)在的問題在于什么時候上云，而不在于上不上云這件事。

eSilicon：

2000年成立，在用傳統(tǒng)方法做了20年ASIC芯片后，eSilicon決定放棄本地，把整個芯片設計都搬到云上。

我們的轉(zhuǎn)變開始于2014年，當CEO Jack Harding問了一個問題：計算硬件設施到底給我們帶來了什么？那時候我們是租的數(shù)據(jù)中心的機器，設計一枚芯片的過程中，我們至少需要把租用的機器數(shù)量翻一倍，這我們實在有點沒法接受。那時候，我們的團隊才真正開始研究到底要怎樣才可以有效使用云資源。

我們現(xiàn)在的目標是：到2020年前，全面上云，我們將成為一個Serverless的公司，不擁有任何硬件。

Astera Labs：

我們公司2017年成立的。關(guān)于上不上云，做決定前，我們有三個決策原則：

１、我們想把所有的資源放在創(chuàng)造價值上；

２、本地沒有專門的IT團隊，這也不是我們的強項；

３、隨著公司的成長，我們需要快速迭代。

所以對我們來說，其實選擇很簡單：

本地＋云混合模式：第一時間否決，既要管本地，還要管云，雙重頭疼

完全本地模式：專業(yè)的IT團隊，大量的前期投入，只能不斷擴張（不能減少），同樣否決

Synopsys/Cadence平臺：EDA供應商限制了我的工具使用范圍，有限的計算架構(gòu)

純公有云模式：同時具備規(guī)模擴張性和彈性，外包支持服務最后，我們選了AWS，外包IT團隊，免去所有頭疼的事情。

聯(lián)系小F（ID：imfastone）,獲取芯片設計公司混合云+SaaS模式上云解決方案

上云的挑戰(zhàn)主要有哪些？

QST：

6個月的時間就要Tapeout，時間非常緊。

AFRL：

希望可以有一套不用考慮大家地理位置的解決方案，讓分散在各地的小組成員能在一個環(huán)境下共同順利完成工作。

TSMC：

安全是一切的基礎。我們花了兩年多時間專心于安全問題，和我們公司的IT部門一起研究怎么和云廠商合作，檢測所有細節(jié)?，F(xiàn)在我們有了云安全資質(zhì)計劃，還有一些安全方面的合作伙伴在我們的云聯(lián)盟里。

Cadence：

云一種全新的架構(gòu)。我們在努力朝這個方向前進。

eSilicon：

1、對本地芯片設計工作流最小影響，最好不影響

2、降低IP開發(fā)工作負載的成本

3、運行更多的IP仿真

4、云上的集成和運維問題

5、IP安全：公有云上的IP存儲

Astera Labs：

1、本地沒有IT團隊，不想把重心放在核心業(yè)務之外的工作任務上

2、最頭疼的是在云上管理排隊任務。

3、大量并行工作任務意味著大量數(shù)據(jù)管理，技術(shù)資源成為最大的瓶頸

聯(lián)系小F（ID：imfastone）,了解我們怎么幫你智能調(diào)度本地及云上資源

你覺得EDA供應商準備好上云了嗎？

TSMC：
我們既和各大云廠商合作，也跟EDA供應商合作.當我們嘗試在云上做一些互動式的任務，因為我們在臺灣，最近的數(shù)據(jù)中心可能在新加坡，距離有3000公里，不管你怎么優(yōu)化路由，都會有50-60分鐘延遲，這會給EDA工具帶來一些壓力。但積極的一面在于在過去的9個月時間，EDA合作伙伴都非常配合，找出問題在哪，怎么優(yōu)化。

我覺得，以前并沒有所謂的云使用范式或者標準，所以EDA廠商現(xiàn)在沒必要針對云端使用做全面優(yōu)化。直到有一天大家都在用了，自然就會做了。整體來說，現(xiàn)在使用上沒什么問題。這將是我們接下來幾年的共同未來目標。

Astera Labs：

EDA工具在云上使用很順利，當然，也有一些改進的空間。比如，基于云上架構(gòu)做優(yōu)化，能夠更好地利用云上的各種計算資源，存儲服務等。重點提醒：出錯容忍度低的應用可以使用云端可被搶占實例。

上云的缺點是什么?

QST：

因為安全的原因，所有的東西必須經(jīng)過cadence，一切問題都必須提交一個工單，不能直接打個電話或者走到辦公室的另一頭找IT部門，這會增加一些時間成本。但另一方面這又非常有用，因為一切事情都可以量化，雖然花了一點時間，但問題總是會及時得到解決。這花了我們團隊幾個月時間來適應，但現(xiàn)在一切都很好。

第二個問題在于，如果你試圖評估到底在云上需要多少資源，多少用戶，怎么彈性擴張的，這是一個嘗試和學習的過程。

你需要增加你的運維團隊，你需要在不同的國家做擴張。我們有團隊在臺灣，有團隊在上海，還有外包團隊在印度，硅谷也有員工，一直在加人。怎么讓這些人在線，你有多少個接口登陸，開了多少個服務器，這中間有很多要權(quán)衡的東西。

當你有一大堆驗證要做，你能用多少個license，你能有多少計算資源，你是全部都本地擁有，還是考慮成本的原因，減少本地資源，在云上做彈性擴張。這些都需要花時間。

哪怕你有一個好的IT部門和通過VPN連接的彈性計算資源，也會遇到同樣的問題。

AFRL：

整體來說，上云是一個積極的體驗。如果你的IT部門不熟悉云架構(gòu)，不了解云的運行方式，這個跨越可能會有點痛苦。它跟在本地完全不一樣。云的運行方式不一樣，計費模式不一樣，存儲模式不一樣。所以你可能可以在云上運行起來，但如果你只是在云上復制在本地的一切，你可能沒辦法最大化利用云的價值。

我建議你最好確保有一個不錯的懂云的團隊。

聯(lián)系小F（ID：imfastone）,了解為什么我們能幫你最大化利用云的價值

對于芯片設計，云廠商已經(jīng)準備好了嗎？

TSMC：

所有的云廠商都針對EDA工作任務推出了新的VM類型，我們不說CPU有多快，我們還要考慮內(nèi)存有多大，存儲IO有多快多有效，我們看的是整個服務包。我們已經(jīng)對外公布了要在云上做5nm芯片，這給我們云合作伙伴帶來了很大的壓力，包括EDA合作伙伴。我們和產(chǎn)業(yè)內(nèi)其他伙伴都在一個生態(tài)系統(tǒng)里，大家明白我們都需要對方，所以我們的合作從理解各自的需求，在哪里可以增加價值開始?，F(xiàn)在我們半導體行業(yè)已經(jīng)吸引了云廠商的關(guān)注，我們開始試圖與對方合作，提供一些解決方案讓芯片設計從業(yè)者能夠從中受益。

在云上，一切都需要付錢。怎么控制成本？

Cadence：

我們內(nèi)部也有這樣的經(jīng)歷，因為我們也在云上做一些開發(fā)工作。我曾經(jīng)和IT部門的同事討論過，他們通常低估了跟蹤誰在什么時候用了什么服務這件事，而當賬單來臨的時候，一個工程師可能跑了上千個任務，他們可能也記不清自己用了些什么。這是個值得注意的問題。

關(guān)于這個問題，如果只從成本支出的角度來考慮這個問題，很可能會得出這個結(jié)論，最具性價比的方式是在本地擁有你的服務器并且100%地使用他們。而我們應該要考慮的是成本和收益的平衡問題。通常，我們都從云上獲得了一些商業(yè)好處，更快占領市場，獲取更多客戶等等。這不是一個完全的替換關(guān)系，你看看靜態(tài)的歷史數(shù)據(jù)，就能比較出結(jié)果。

eSilicon：

在ASIC芯片的商業(yè)世界里，成本就是一切。過去，當你的工程師要用大量的資源，都是按照過去預計未來用量。現(xiàn)在用了云，很簡單，我們就直接規(guī)定某個人這次只能用一定量的資源。

聯(lián)系小F（ID：imfastone）,了解我們怎么幫你優(yōu)化及控制云上成本

你覺得在云上設計安全嗎？

QST：

作為一家創(chuàng)業(yè)公司，我對安全的定義有些不一樣。我們大部分時間是和AWS合作。作為一家做創(chuàng)意設計和IP的公司，你希望保障自己的全部。但現(xiàn)實情況是，你不可能確保擁有最優(yōu)秀的IT和最好的安全人員。

如果你在本地搭建你的整個設計系統(tǒng)和環(huán)境，服務器都在本地，我可以跟你保證你的安全措施肯定是很差的，很容易被外部破解。如果你的IP在云上開發(fā)和存儲，比如AWS，比如cadence，你知道AWS在云上遵循的安全準則，肯定比在本地要安全多了。

目前階段，我們完全不擔心安全這個問題，但這不意味著如果有一天我們成長壯大之后我們不會改變。

AFRL:

盡管我們是云懷疑論者。但大的云廠商在云安全上的控制是對外公開的，每個人都知道你能得到什么，你能夠?qū)徲嬕磺邪踩募?/strong>

像我們這個項目，不同的研究人員分散在不同的地方，還有外包商等等，鬼知道他們的IT情況怎么樣，我們把大家拉到一起，能確保大家在同一個系統(tǒng)里，遵守了同一套準則。而不是制定一套準則，寄希望于他們能按這個標準實施。誰知道結(jié)果會怎么樣？

目前為止，上云的成果是什么？

TSMC：

臺積電的OIP 云端聯(lián)盟現(xiàn)在已經(jīng)跟三大EDA供應商：Synopsys/Cadence/Mentor，以及云廠商AWS/Azure/GoogleCloud正式合作，運用云端技術(shù)輔助芯片開發(fā)。

已經(jīng)擁有臺積電云端平臺使用經(jīng)驗的SiFive位于美國硅谷與印度Bangalore的團隊，通過云端進行設計，在不到三個月時間就完成了整套前后端設計，創(chuàng)下速度上的新高記錄。

eSilicon：

１、經(jīng)過測試，云上的資源比原來本地硬件設備表現(xiàn)提升了15%，同時能跑的任務比原來多了一倍。

２、云運維成本跟原來相比大大降低，我們估計了一下如果有一個類似的本地解決方案達到現(xiàn)在的效果，大概要花公司幾百萬美元。

３、沒有閑置資源，可以使用更多彈性資源，無限檔案存儲

４、加速芯片設計完成周期，能完成更多客戶需求

５、不受本地資源限制，避免硬件投資

６、縮短推出市場的時間，提升設計結(jié)果質(zhì)量

７、云上有天然自帶監(jiān)控系統(tǒng)的架構(gòu)，更容易追蹤記錄，進行用戶管理和監(jiān)控

８、未來發(fā)展機器學習的可能性

Astera Labs：

１、過去存儲怎么使用都不夠，現(xiàn)在可以無限擴展

２、工作安排可以排得比以前更多

３、我們充分利用了云資源的可擴展性和最新型的實例類型

４、可以根據(jù)不同任務使用獨立的云資源

５、我們可以做出更高質(zhì)量的芯片

聯(lián)系小F（ID：imfastone）,了解我們用戶案例的上云表現(xiàn)

對后來的上云實踐者有什么建議？

eSilicon：

1、把PDK、EDA工具和管理服務在云端做備份，減少本地和云端數(shù)據(jù)傳輸

2、只選取數(shù)據(jù)結(jié)果的一小部分在云端和本地同步

3、為了安全，云上的數(shù)據(jù)暫存區(qū)需要更高頻的清理

4、多云/多區(qū)域的資源整合和調(diào)度，對使用云上的可被搶占實例很重要，能降低成本

5、在云上必須使用SSD和高速存儲，提供足夠的擴展性和性能

6、不同的任務有獨占的分布式文件系統(tǒng)，提供必要的性能和服務質(zhì)量

7、擁抱云上的彈性資源，不要用原來使用本地數(shù)據(jù)中心的方式來用云

8、根據(jù)不同的任務類型選擇更優(yōu)化的云上資源

9、如果本地就有l(wèi)icense不夠，任務排隊的問題，這會在云上花更多的錢（排隊也花錢）

10、善于使用可被搶占實例等折扣

11、對數(shù)據(jù)分層，選擇不同存儲方式：SSD、HD和云上存儲

12、注意：不同賬戶在云上使用資源是有限額的

Astera Labs：

１、一定要用可被搶占實例

２、使用成本是一定會被低估的，所以在快/好/便宜三個標準之間，按自己的情況，選擇兩個就夠了

《六家云廠商價格比較：AWS、阿里云、Azure、Google Cloud、華為云、騰訊云》的下篇就講六大云廠商的可被搶占實例，建議關(guān)注一下我們，大約下期發(fā)~~

Cadence：

1、花足夠的時間理清楚，公司用云的優(yōu)先級是什么，這些討論/分析/研究接下來會節(jié)約你很多時間。因為不同人對云的期待可能不一樣，如果沒有達成一致，會浪費很多時間。

2、確定你的使用模式是什么，是一個完整的項目，還是一個功能，還是為了合作。明確這一點，你能用正確的架構(gòu)來解決你的問題。

3、不只是在你的公司內(nèi)部，包括Foundry，包括工具提供商，第三方IP供應商，會涉及到大量協(xié)作。

作為半導體行業(yè)從業(yè)者你對云的接受度在哪個區(qū)域呢？

- END -

---

關(guān)于我們：
速石科技專為有高算力需求的企業(yè)級用戶提供一站式算力運營解決方案，幫助用戶提升10-20倍業(yè)務運算效率，降低成本達到75%以上，加快市場響應速度。目前主要應用領域包括藥物研發(fā)、基因測序分析、半導體行業(yè)的EDA仿真及電路設計、汽車行業(yè)的自動駕駛開發(fā)、虛擬碰撞試驗以及AI人工智能。

想了解更多，可添加小F微信（ID：imfastone）

文章推薦：

>>AWS、阿里云、Azure、Google Cloud、華為云、騰訊云 各種云服務器價格收費對比（上）

>>云資源中的低成本戰(zhàn)斗機——競價實例，AWS、阿里云等六家云廠商完全用戶使用指南

The post 全球半導體行業(yè)上云格局一覽和十個上云實踐問題的過來人解答 appeared first on 速石科技BLOG.]]>