從芯片設計走向系統級應用設計，從先進半導體制造走向第四代工業革命的智能技術融合制造，全球科技企業正在發生重大技術迭代和變革。

速石新一代融合設計研發智算平臺將賦能企業在半導體設計、制造全流程融合、智能化仿真與模擬上助力企業產品設計與研發平臺邁向新的臺階。

嘉賓介紹

分享嘉賓：張大成

上海速石信息科技有限公司 CTO, 十多年半導體行業芯片設計研發平臺架構設計經驗、新一代EDA上云加速IC設計技術落地經驗，服務支持國內外多家中大型集成電路企業設計研發仿真平臺項目。熟悉企業級產品研發業務核心流程、數字化轉型目標與方式、安全合規流程與規范，精通復雜企業IT架構、云計算、大數據和AI/ML相關技術。基于速石科技的技術創新實力致力于用最新的科技和產品，助力集成電路企業產品的快速發展。

主持人：張國斌

電子創新網創始人兼CEO，西安電子科技大學電子工程專業畢業，半導體領域知名KOL。有多年的半導體媒體內容與運營經驗，撰寫過大量產業分析文章。

直播福利

01、預報名獎：20元京東E卡（10名）通過小鵝通平臺填寫預約信息，我們將在所有預報名的用戶中隨機抽取10名，送出價值20元的京東E卡。

02、優秀提問獎：30元京東E卡（5名）直播期間，在小鵝通平臺評論區參與提問，隨機抽取5名提問用戶，送出價值30元的京東E卡。

一 END 一

  關于速石科技

上海速石信息科技有限公司致力于構建為應用定義的云，讓任何應用程序，始終以自動化、更優化和可擴展的方式，在任何基礎架構上運行。我們為創新驅動型用戶提供為應用優化的一站式研發平臺，滿足半導體、新藥研發、汽車/智能制造、人工智能、金融科技等企業及高校科研機構多種研發場景需求。基于本地+公有混合云環境的靈活部署及交付，幫助用戶提升20倍研發效率，降低成本達到75%以上，加快市場響應速度，面向全球開展競爭。
關于速石科技的更多信息，請訪問：http://www.youjiajingji.com/

左圖名字叫做：守護現金流
這年頭現金流的重要性，不必多說。

右圖名字叫做：人生就是一場豪賭
不管是初創IC設計公司還是成熟公司，新開始一個項目，總是面臨著前路未知的情況：

1. 周期性存在突發算力高峰需求，涉及到先進制程問題更加顯著；
2. 每次調整制程，都面臨新的資源預估，永遠估不準；
3. 可能需要某些內部不可用的內存和計算資源。

我們今天認真盤一盤，怎么把這門藝術拉下神壇。

先給大家一個直觀感受。

下圖是我們某客戶全生命周期月度算力實際用量曲線：整個芯片項目全流程為18個月，涉及前端、驗證、后端三大團隊。

1. ?前4個月，只涉及到前端布局與架構，對于算力需求不高，因此月度算力需求較少；
2. ?從5月開始，前端、驗證、后端均開始工作，算力開始逐步提升，第11個月達算力小高峰，在第16個月達算力最高峰，月度調度峰值達到百萬級核時以上；
3. ?算力波峰和波谷的核數差距在20倍以上；
4. ?算力在第16個月達到最高峰后，迅速下降。

下面我們手把手教你怎么把算力規劃拉下神壇：

Part 1  小白版算法
Part 2  老司機版算法
Part 3  全年現實算力需求折算
Part 4  一個并不艱難的選擇

Part 1 小白版算法
針對的是：項目全新，團隊人員也比較新，需要從零計算

Part 2 老司機版算法
針對的是：項目全新，但有類似經驗的老人在團隊，可以憑經驗值估算
PS：Part 1和Part 2 二選一閱讀即可

為了簡化計算，我們根據現實情況作以下假設：

1.  研發團隊總人數為100；
2.  團隊分為前端、驗證和后端3部分，人數比值2：1：1；
3.  芯片的全周期分為3個階段，每階段4個月  (僅適用小白版算法)；4.  三個團隊主要使用資源類型：前端團隊使用計算型機器；驗證團隊前期使用計算型機器，之后使用內存型機器；后端團隊使用內存型機器 。

Part1 ：小白版算法

這套小白版算法是我們根據N家客戶的實際情況，得出的經驗參考值：包括不同階段，不同團隊的人員配比與人力占用比例，每人job數，每人每job峰值核數。
因實際團隊并非全程在此項目中，部分階段人力需折算，即人力占用比例。
在我們的參考值基礎上略做調整，大家就能大致得出自己公司的相應數值啦。

這套算法通過估算不同階段內、各個團隊所需的算力峰值之和，得出每階段的算力峰值。各團隊的峰值計算公式為每人每job峰值核數（多臺機器則為每臺核數*機器數）*團隊人數*每人job數（每個階段計算方式一致）。

Stage 1：前期階段（第1-4個月）

① 階段工作詳情：前端從事設計相關工作，驗證團隊同步參與，工作狀態都較為穩定，此階段每月峰值核數趨于一致；
② 涉及團隊：前端、驗證團隊；
③ 資源并發需求：前端團隊每人1臺10核、驗證團隊每人1臺20核。

該階段峰值核時計算（計量單位：核小時）：
1月：10核*50人*1job=500
2-4月：前端團隊峰值核數=10*50*1=500 ；
驗證團隊峰值核數=20*25*1=500；
峰值核數總計為500+500=1000；
則該階段的峰值核數在2-4月，為1000
（下同，不再詳述這一計算過程）

Stage 2：中期階段（5-8月）

① 階段工作詳情：涉及到前端仿真、驗證和部分模塊的版圖工作。6月在前仿最后階段做一次大仿真，是算力小波峰，隨后算力下降；
② 涉及團隊：前端、驗證和后端團隊；
③ 資源并發需求峰值：
5月：前端團隊每人1臺18核節點，每人1個job；驗證團隊每人4個job，每個job約18核（人力占用比例：75%）；后端團隊每人1臺18核節點；
6月：前端團隊每人1臺24核節點，每人1個job；驗證團隊每人6個job，每個job約24核（人力占用比例：75%）；后端團隊每人1臺18核節點；
7月：前端團隊每人1臺18核節點，每人1個job（人力占用比例：40%）；驗證團隊每人3個job，每個job約18核；后端團隊每人1個job，每job約4臺18核節點；
8月：前端團隊每人1個job，每個job18核（人力占用比例：40%）；驗證團隊每人2個job，每個job18核；后端團隊每人1個job，每個job約4臺24核節點。

計算結果如下

Stage 3：后期階段（9-12月)

① 階段工作詳情：主要涉及后端仿真相關工作；
② 涉及團隊：驗證和后端團隊；
③ 資源并發需求：
9月：驗證團隊，每人4個job，每個job約18核；后端團隊每人1-2個job，每個job約4臺24核節點（后端人均完成1.6個job，取值1.6）；
10月：驗證團隊每人6個job，每個job約24核；后端團隊每人1-2個job，每job約6臺24核工作節點（后端人力占用比例：80%，每人2個job）；
11月：驗證團隊每人6個job，每個job約24核；后端團隊每人1個job，每job約4臺24核工作節點；
12月：驗證團隊每人6個job，每個job約18核；后端團隊每人1個job，每job約3臺24核工作節點。
計算結果如下

最終全生命周期算力需求圖如下（計量單位：核小時）：

可以看出：
1. 和文章開頭的實際用戶算力曲線趨勢一致；
2. 不同月份間的峰值算力差異很大，能達到20倍左右；
3. 不同團隊在不同月份的峰值算力需求差異明顯。

Part2 ：老司機版算法

如果對于未來芯片項目，你們有過來人能預估出不同團隊不同階段的算力需求，這套老司機版算法將完全適配你。
這套算法是我們根據有項目經驗的芯片研發團隊的實際情況，通過填入各月每job峰值核數、每月最大并行job數，計算出各團隊每月所需的算力峰值。

下面為大家奉上這份《XXX芯片項目-資源需求調研模板》：

左邊項目為不同的項目團隊。項目團隊內部可分為：前端、驗證和后端組。

Step 1：將不同組、每個job所需核數或內存的峰值需求，依次填入中間的“每job峰值核數”和“每job峰值內存”欄目下，負責人填入“團隊負責人”欄目下

例如：每個job需要的峰值核數為10，每個job需要峰值內存為20（據經驗值統計），前端負責人為Andy。

Step 2：在每月欄目下，填入各團隊預期的每月并行最大job數（簡稱：job數）

Job數可根據研發內部統計，也可根據job數=每人最大并行job數*人數進行計算，如團隊并非全程在此項目中，人力還需折算統計。

例如：2022年2-5月，前端團隊每人最大并行job數為1，團隊有50人，均100%投入在此項目中，則填入下表的job數均為：50*1*100%=50。

Step 3：計算各團隊當月峰值算力并相加，得出峰值算力總計（計量單位：核小時）

各團隊的峰值計算公式：每job峰值核數*job數（每個階段計算方式一致）。

例如：2022年2-5月，前端團隊的每job峰值核數為10，job數為50；2月驗證團隊還未開始任務，3-5月，驗證團隊的每job峰值核數為20，job數為25；2-5月，后端團隊還未開始任務。

計算過程如下
前端團隊：2-5月：10*50=500
驗證團隊：3-5月：20*25=500
將各團隊每月算力峰值相加，得到每月項目的算力峰值，計算得出項目各月算力峰值表

《XXX芯片項目-資源需求調研模板》Server一欄的Middle /High 型是用戶自己設定的不同機器配置，后期計算不同機型費用時會用到，跟算力需求計算無關。

Part3 ：全年現實算力需求折算

不管是小白版算法還是老司機版算法，都是一個月每天全部按峰值需求跑任務的前提下進行計算的。但實際情況下，肯定不需要一直按峰值頂格跑。

我們折算一下：
全月全資源峰值用量：峰值核數*30天*24小時
全月實際用量可能是：峰值核數*22天*8小時
用小白版算法的數據來調整：
6月算力小波峰：后端按30天*18小時估算，驗證按30天*16小時估算；
10月算力大波峰：后端按30天*24小時估算，驗證按照30天*16小時估算。
得出下表，并繪制成相應曲線圖：

灰色曲線為按峰值計算的算力需求
橙色曲線為折算后實際需要的算力 

Part4 ：一個并不艱難的選擇

好了，全生命周期算力需求算完了。到了算賬的環節了。

灰色代表當月按峰值頂格算的用量，橙色代表月度實際用量。
綠色代表本地資源，必須按這一階段需求峰值準備，也就是按灰色來準備。買不到峰值，肯定會影響到芯片項目進度。

如果是純本地，就是按綠色這根線買。現金流是必須要動用一大筆的了，采購周期也是必須要考慮的。
按照本文開頭我們某客戶全生命周期月度算力實際用量曲線，波峰、波谷間差距可高達20倍，月調度核時峰值能達到百萬級以上。頂格買……

如果是全云端，就是按橙色這根線花錢。想用就用，不想用就關掉，用了才花錢。現金流逐步平緩支出。

綠色線和橙色線中間的差距（圖中陰影部分），各人可能有各人的體會。
算力資源規劃VS現金流
芯片項目周期VS市場競爭格局
具體怎么權衡和取舍，還是要看企業自己。

一顆芯片設計完整生命周期下，不同階段，不同應用場景，對算力更精細的需求差異，我們相應的推薦和建議，以后再聊。

- END -

我們有個為應用定義的EDA云平臺
集成多種EDA應用，大量任務多節點并行
應對短時間爆發性需求，連網即用
跑任務快，原來幾個月甚至幾年，現在只需幾小時
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建集群
掃碼免費試用，送300元體驗金，入股不虧~

現在！我們的IC設計研發云平臺支持免費試用，還送200元體驗金掃碼免費試用~

如果你對這個一站式IC設計云平臺還有更多想問的，比如：

1、你們支持哪些EDA應用？能覆蓋到我常用的軟件嗎？
2、EDA應用所需的計算資源非常大，你們如何解決這個問題？
3、把EDA研發環境部署到云上有什么好處？
4、除了CPU，GPU/TPU/大內存的機器都有嗎？
5、你們說的“一整套即開即用的IC研發設計環境”是什么意思？從本地到云上，操作方式會改變很大嗎？
6、云端輸出計算結果是否與本地完全一致？
7、云端這么多的機器，管理得過來嗎？
8、云上有些資源很貴，有沒有節約成本的方案？
9、任務監控也能用來省錢，你們是怎么做到的？
10、很多PDK，就有幾十T，怎么到云上，而且需要持續更新？
11、如何云上保護我們的IP資產？
12、腳本每日都有變動，云上要增加工作量？工作腳本如何更新？
13、云上的EDA軟件怎么部署安裝？
14、License Server配置在本地和云端對計算性能/一致性/穩定性是否有影響? 15、使用平臺的工作人員比較多，能否對每個人設置使用資源的上限?
16、公司有海外研發部門，用你們平臺方便嗎？
17、怎么保障數據安全？
……答案都在這里，歡迎掃碼添加小F微信（ID：iamfastone）免費獲取~

關于為應用定義的云平臺：

續集來了：上回那個“吃雞”成功的IC人后來發生了什么？
這一屆科研計算人趕DDL紅寶書：學生篇
缺人！缺錢！趕時間！初創IC設計公司如何“絕地求生”？
速石科技獲元禾璞華領投數千萬美元B輪融資
一次搞懂速石科技三大產品：FCC、FCC-E、FCP
速石科技成三星Foundry國內首家SAFE云合作伙伴
EDA云平臺49問
國內超算發展近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
花費4小時5500美元，速石科技躋身全球超算TOP500

上海，深圳這一波疫情橫掃一大片，大批芯片設計公司不得不轉為遠程居家辦公。

而且可以預計的是，受疫情影響時不時需要居家隔離，這可能會成為未來幾年的一種新常態。誰也不知道下一個中招的是誰？

2+2+7+∞，疫情三連殺刀刀致命：

第一殺
居家辦公=停工？ 啊這。。。。

家庭接入方式與公司環境存在很大的差異，尤其是安全問題無法保障，風險極高。

VPN接入方式，很多企業根本就沒有，或只準備了少量的VPN資源供遠程使用。

僧多粥少，最多只能保障一部分的研發產出。

家里缺這少那，各種硬件設施，網絡帶寬也都達不到要求，并且短時間內很難擴容。

平時公司里一堆資源還不夠用，現在居家了，難道把工作站搬回家？
或者，像一些芯片制造廠一樣，員工集體入住公司？？

大部分人都是：居家辦公=停工。

第二殺
不同城市研發團隊之間隔的是空間嗎？
錯，是王母娘娘啊

不同城市研發團隊之前的經典表演是《八仙過海》，各顯神通；

現在上演的是《我和我的冤種同事們》，隔銀河相望。

越來越多芯片公司都在海內外不同地點設有研發團隊，之前就已經是各自為政，整體混亂，團隊間協同本來就存在問題。

即便有些企業平時采用了site to site的方式打通多地研發環境，保證不同研發團隊協同。可像現在大部分員工無法安全連上研發環境，仍然是協同無效。還在堅持辦公的人成為了一座座孤島。

第三殺
IT大佬們紛紛表示
救救孩子吧

以前IT面對研發經常發出靈魂三問：我是誰？我在哪？我在干什么？
現在更是破大防：研發環境出BUG怎么辦，機器出問題怎么修？
遠程的日子更難了啊，根本沒法干活啊。

如果這時候還要考慮擴容呢？
別讓孩子的日子雪上加霜了吧。

三殺過后。
老板們摸摸錢包，看著流片deadline，快要哭出聲：我菜還沒搶到呢！

不不不，搞錯了。

倒回去重說：我們芯片人絕不認輸。

如果說疫情給困于封城中人們（圍觀群眾估計也受到了驚嚇）的DNA里刻下的兩個字是：囤貨 

那么，給芯片設計人集體刻下的應該是：

居家/移動辦公：小時級交付一站式研發平臺，效率持續起飛，甚至還能自動擴容；

多地遠程協同：多地用戶統一認證，平臺項目數據一體化管理，在哪辦公都一樣；

海量資源隨便用，哪里不行換哪里，還有專業IT/CAD服務助力研發需求響應；

流片deadline？沒問題，甚至完全有可能比在公司機房跑得更快。

先看一下我們怎么效率起飛：

看看具體怎么實現的？

一 極速啟動一站式EDA研發云平臺，居家/移動辦公無限制

1、極速啟動一站式EDA研發云平臺，小時級交付，改變用戶傳統周級交付模式

1）管理平臺快速交付：平臺可支持不同用戶的差異化架構需求，可靈活配置自動化部署參數，一鍵配置即可完成云上主管理平臺的部署；

2）EDA應用快速部署：平臺支持運行自動化腳本，可完成用戶所需的EDA工具的安裝、配置等工作。

2、居家/移動辦公無限制

1）支持居家/移動辦公的多種網絡安全接入方式，在保障正常接入的同時也可確保用戶的安全需求；

2）支持多區域部署，靈活匹配居家移動用戶接入點的時延要求，提升用戶的使用體驗；

3）提供云上工作桌面方案，只需一臺家用PC即可接入云桌面進行芯片設計。

3、海量資源，自動化靈活擴容

當某應用任務在特定時期有爆發式算力需求時，平臺可無縫對接云端資源，快速自動調用云資源填補算力缺口。

實現這一點的核心是fastone平臺的Auto-Scale功能，平臺通過該功能實現自動化創建集群的過程，自動監控用戶提交的任務數量和資源需求，動態按需地開啟所需算力資源，在提升效率的同時有效降低成本。 

如何理解這一自動化過程？

以上圖為例，橙色曲線為項目A的使用狀況，紅色曲線為項目B的使用狀況。可以看到用戶使用的資源量存在明顯的波峰波谷周期。Auto-Scale功能可以根據任務運算情況動態開啟云端資源，并在波峰過去后自動關閉，讓資源的使用隨著用戶的需求自動擴張及縮小，最大程度匹配任務需求。
當然，用戶也可以選擇自己對最大最小值進行設置，加以限制。

這一方面節約了用戶成本，不需要時刻保持最高峰使用資源，另一方面也最大限度保證了任務最大效率運行。

詳情可戳《EDA云實證Vol.10：Auto-Scale這支仙女棒如何大幅提升Virtuoso仿真效率？》

二 全球部署，云上云下，多地一體化協同管理

針對多個本地設計中心使用計算資源的管理難題，fastone提供了多地協同混合云解決方案，讓異地的設計中心能夠共享多維度的監控指標與豐富的監控界面，具體包括：

◆ 動態資源監控
監控動態開啟集群的性能指標，包括CPU、內存、帶寬……

◆ 單用戶資源使用量評估
統計每個用戶的資源使用情況，避免資源浪費，提高資源使用效率。

◆ 資源使用預警
主動監控集群作業情況，向未合理使用集群的團隊成員發出提醒警示。

◆ 統一管理監控
本地和云端資源使用同一套管理平臺，數據同步管理。

同時，該方案還包含了用戶系統、存儲系統和賬單系統，實現了多地設計中心R&D協同管理，解決了本地資源使用混亂、利用率低的情況。

我們的混合云模式能優先把本地用起來，成為一個統一的云上云下方案。

居家遠程短期適用，考慮未來長遠也適用。

三 全遠程也能跑到流片，IC設計全生命周期一站式覆蓋

用戶能夠通過fastone云平臺實現對IC設計全生命周期一站式覆蓋，全遠程模式也能跑到流片，覆蓋前端仿真、后端驗證、Sign-Off等多個業務場景。  

如前端設計要求高任務并發、單線程執行效率、文件I/O元數據密集性、百萬級任務和小文件數據；
后端設計偏重多線程、大內存、運行時間、大文件數據、更多的數據訪問匹配；流片生產側則可能會涉及到大數據和機器學習。

fastone幫助用戶將所需的EDA應用無縫運行在集群環境下，并根據不同類型EDA任務的實際需求采用合適的運行方式。如有些EDA應用支持批處理，可以在云上一次大量跑完；有些應用則需要交互，fastone平臺支持通過圖形化界面或命令行進行處理。

同時，fastone還可以調度云端不同的實例類型，讓應用能夠在適合的配置環境下跑，大大提升任務效率。

關于fastone云平臺在其他EDA應用上的具體表現，可以點擊以下應用名稱查看：

HSPICE │ OPC │ VCS │ Virtuoso

如果你對這個一站式IC設計云平臺還有更多想問的，比如：

1、你們支持哪些EDA應用？能覆蓋到我常用的軟件嗎？
2、EDA應用所需的計算資源非常大，你們如何解決這個問題？
3、把EDA研發環境部署到云上有什么好處？
4、除了CPU，GPU/TPU/大內存的機器都有嗎？
5、你們說的“一整套即開即用的IC研發設計環境”是什么意思？從本地到云上，操作方式會改變很大嗎？
6、云端輸出計算結果是否與本地完全一致？
7、云端這么多的機器，管理得過來嗎？
8、云上有些資源很貴，有沒有節約成本的方案？
9、任務監控也能用來省錢，你們是怎么做到的？
10、很多PDK，就有幾十T，怎么到云上，而且需要持續更新？
11、如何云上保護我們的IP資產？
12、腳本每日都有變動，云上要增加工作量？工作腳本如何更新？
13、云上的EDA軟件怎么部署安裝？
14、License Server配置在本地和云端對計算性能/一致性/穩定性是否有影響？
15、使用平臺的工作人員比較多，能否對每個人設置使用資源的上限？
16、公司有海外研發部門，用你們平臺方便嗎？
17、怎么保障數據安全？
……

答案都在這里，歡迎掃碼添加小F免費獲取~

現在！就是現在！
我們的IC設計研發云平臺支持免費試用，還送200元體驗金
時間不等人啊，直接來試試~？

你也許想了解具體的落地場景：

這樣跑COMSOL，是不是就可以發Nature了
Auto-Scale這支仙女棒如何大幅提升Virtuoso仿真效率？
1分鐘告訴你用MOE模擬200000個分子要花多少錢
LS-DYNA求解效率深度測評 │ 六種規模，本地VS云端5種不同硬件配置
揭秘20000個VCS任務背后的“搬桌子”系列故事
155個GPU！多云場景下的Amber自由能計算
怎么把需要45天的突發性Fluent仿真計算縮短到4天之內？
5000核大規模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？

關于為應用定義的云平臺：

續集來了：上回那個“吃雞”成功的IC人后來發生了什么？
這一屆科研計算人趕DDL紅寶書：學生篇
缺人！缺錢！趕時間！初創IC設計公司如何“絕地求生”？
速石科技獲元禾璞華領投數千萬美元B輪融資
一次搞懂速石科技三大產品：FCC、FCC-E、FCP
速石科技成三星Foundry國內首家SAFE云合作伙伴
EDA云平臺49問
國內超算發展近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
花費4小時5500美元，速石科技躋身全球超算TOP500

EDA上云歷史

云計算技術的發展始于2006年，亞馬遜推出了Elastic Compute Cloud（EC2）服務，隨后微軟、谷歌等公司也相繼推出了自己的云計算服務。隨著云計算技術的成熟和普及，越來越多的企業開始將應用程序和數據遷移到云上，以降低成本、提高效率、增強安全性和靈活性。

而EDA技術則是為電子設計而生的自動化軟件，早期的EDA軟件通常需要在本地安裝和運行，需要大量的計算資源和存儲空間。隨著芯片設計日益復雜，設計工作量不斷增加，傳統的本地化EDA軟件已經無法滿足需求。
解密一顆芯片設計的全生命周期算力需求

隨著云計算技術的不斷發展和成熟，越來越多的EDA軟件供應商開始提供基于云的設計工具和服務，這些服務可以幫助設計團隊更高效、更安全地進行芯片設計和驗證，同時降低了企業的硬件和軟件開銷。因此，EDA上云已經成為電子設計行業的一種趨勢和必然選擇。

EDA上云趨勢及優勢

1. 高效性：EDA上云可以獲得更強大的計算能力和更高效的存儲能力，從而提高了工作效率和生產力。在云平臺上，EDA工具可以更快地運行和處理大量數據，從而加速工作流程。
2. 靈活性：云平臺提供了更靈活的計算資源，可以根據實際需要隨時擴展或縮減計算資源，以滿足不同業務需求。這可以使企業更好地應對不斷變化的業務需求，同時避免了硬件設備的購買、部署和維護成本。
3. 成本效益：EDA上云可以避免企業購買、部署和維護硬件設備的成本。在云平臺上，企業可以根據實際使用情況付費，從而避免了不必要的開支。
4. 安全性：云平臺提供了更好的安全措施，包括數據加密、身份認證、訪問控制等措施，可以保護企業的數據和工具不受未經授權的訪問和攻擊。
5. 全球化：在云平臺上，用戶可以隨時隨地訪問和使用EDA工具，無需受到地域和時區的限制。這使得全球范圍內的合作和協作變得更加容易和高效。

綜上所述，EDA上云具有高效性、靈活性、成本效益、安全性和全球化等多重好處，可以更好地滿足企業不斷變化的業務需求。隨著云計算技術的發展和普及，EDA上云被認為是未來的趨勢。

EDA上云關節點已至,中立平臺將挑大梁?

EDA上云存在問題

雖然EDA上云有很多優點，但也存在一些缺點：

1. 依賴互聯網：EDA上云需要依賴互聯網連接，如果網絡連接不穩定或者出現故障，會影響工具的使用和工作效率。
2. 數據隱私：企業的EDA設計數據需要上傳到云端進行處理，這可能會面臨數據隱私的問題，因為數據可能會被未經授權的第三方訪問或者泄漏。
3. 安全性：企業需要信任云服務商的安全措施，包括數據加密、身份認證、訪問控制等方面的保護措施，否則可能會面臨數據泄露和安全威脅的風險。
4. 成本問題：雖然EDA上云可以避免企業購買、部署和維護硬件設備的成本，但是企業需要支付云服務商的使用費用，如果數據量大或者需要更強大的計算資源，費用可能會很高。
5. 網絡延遲：由于EDA設計數據需要上傳到云端進行處理，然后再下載到本地，這可能會受到網絡延遲的影響，導致工作效率變慢。
6. 兼容性問題：不同的EDA工具和云平臺之間可能存在兼容性問題，這可能會導致工具無法正常使用或者數據格式不兼容。
7. 依賴供應商：企業需要依賴云服務商提供的工具和技術，如果供應商停止服務或者修改服務條款，可能會影響企業的工作和業務。

關于EDA上云的更多問題可查看EDA49問？

EDA上云有幾種模式

在EDA上云的實踐中，通常存在以下幾種上云模式：

1. 私有云模式：指在企業內部或者專門搭建的云平臺上進行EDA設計和驗證工作。該模式可以提供更高的安全性和可控性，同時可以滿足特定的需求和業務場景。然而，私有云的部署和維護成本較高，同時需要企業自己承擔所有硬件和軟件的投入。
2. 公有云模式：指使用公共云平臺（如AWS、Azure 阿里云等）的云計算資源進行EDA工作。該模式可以提供更低的部署和維護成本，同時可以享受公共云平臺的高性能計算和存儲服務。然而，公有云的安全性和可靠性可能存在一定風險，同時使用云平臺的費用可能會增加。
3. 混合云模式：指在不同的云平臺間進行EDA工作，通常是在公有云和私有云之間進行跨平臺的部署和遷移。該模式可以兼顧私有云和公有云的優勢，同時可以根據具體需求和業務場景進行選擇。但是，混合云的部署和管理較為復雜，需要考慮多個云平臺的兼容性和一致性。
4. 云平臺模式：指使用云端的EDA軟件服務（如EDA工具提供商的云服務）進行設計和驗證工作。該模式可以提供最低的部署和維護成本，同時可以使用最新的EDA工具和功能，不需要擔心軟件升級和許可證問題。速石就是一站式EDA研發云平臺。

以上四種上云模式各有優缺點，企業可以根據具體的需求和業務場景進行選擇。

以上就是本篇的關于EDA上云的前生今世，雖然目前EDA上云還有一些問題，但是未來上云確實是EDA行業的大趨勢。

想了解更多EDA相關信息 歡迎掃碼關注小F（ID：iamfastone）獲取

- END -

我們有個IC設計研發云平臺
集成多種EDA應用，大量任務多節點并行
應對短時間爆發性需求，連網即用
跑任務快，原來幾個月甚至幾年，現在只需幾小時
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建集群 

掃碼免費試用，送200元體驗金，入股不虧~

更多EDA電子書

歡迎掃碼關注小F（ID：iamfastone）獲取

你也許想了解具體的落地場景：
王者帶飛LeDock！開箱即用&一鍵定位分子庫+全流程自動化，3.5小時完成20萬分子對接
這樣跑COMSOL，是不是就可以發Nature了
Auto-Scale這支仙女棒如何大幅提升Virtuoso仿真效率？
1分鐘告訴你用MOE模擬200000個分子要花多少錢
LS-DYNA求解效率深度測評 │ 六種規模，本地VS云端5種不同硬件配置
揭秘20000個VCS任務背后的“搬桌子”系列故事
155個GPU！多云場景下的Amber自由能計算
怎么把需要45天的突發性Fluent仿真計算縮短到4天之內？
5000核大規模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？

關于為應用定義的云平臺：
芯片設計五部曲之三 | 戰略規劃家——算法仿真
【案例】速石X騰訊云X燧原：芯片設計“存算分離”混合云實踐
芯片設計五部曲之三 | 戰略規劃家——算法仿真
芯片設計五部曲之二 | 圖靈藝術家——數字IC
芯片設計五部曲之一 | 聲光魔法師——模擬IC
【案例】速石X騰訊云X燧原：芯片設計“存算分離”混合云實踐
【ICCAD2022】首次公開亮相！國產調度器Fsched，半導體生態1.0，上百家行業用戶最佳實踐
解密一顆芯片設計的全生命周期算力需求
居家辦公=停工？nonono，移動式EDA芯片設計，帶你效率起飛
缺人！缺錢！趕時間！初創IC設計公司如何“絕地求生”？
續集來了：上回那個“吃雞”成功的IC人后來發生了什么？
一次搞懂速石科技三大產品：FCC、FCC-E、FCP
速石科技成三星Foundry國內首家SAFE云合作伙伴
EDA云平臺49問
億萬打工人的夢：16萬個CPU隨你用
幫助CXO解惑上云成本的迷思，看這篇就夠了
花費4小時5500美元，速石科技躋身全球超算TOP500

為應用定義的云
速石科技EDA云平臺

速石科技EDA云平臺助力半導體企業解決三大問題，讓研發人員更專心做設計，幫助IT人員更好地管理資源，滿足復雜企業場景需求，最終縮短項目周期，提高公司競爭力。

一、適配EDA工具使用需求。

用戶在云端可選擇的計算資源有數百種，配置、價格差異極大。fastone云平臺會根據用戶的EDA應用需求推薦最適配的資源。同時，還可根據特定用戶需求自定義EDA Flow，規范化EDA作業流程，加速EDA多任務的調度。

二、大規模算力自動化智能調度。

傳統IT模式下，通常都是先構建一個固定規模的集群，然后提交任務，當全部任務結束后再關閉集群。而當一個數千核的集群創建完成之后，在手動配置的時間里，所有機器一直都處于開啟也就是“燒錢”的狀態。當任務結束后還需要手動下載數據、關閉集群，任務完成時間很可能難以預測。

而fastone云平臺實現了整個過程的完全自動化，只需點擊幾個按鈕，5-10分鐘即可開啟集群，并在任務結束后自動關機。平臺的Auto-Scale功能可以自動監控用戶提交的任務數量和資源需求，動態按需地開啟所需算力資源，在提升效率的同時有效降低成本。所有操作均自動化完成，無需用戶干預。同時還可根據不同的用戶策略，自動完成最優調度。

三、海量云端資源提供彈性算力支持。

fastone云平臺與各大公有云廠商都有合作，可滿足用戶對海量云端算力的彈性需求。基于Serverless框架構建靜態和動態資源池，屏蔽底層IT技術細節，實現用戶對本地和公有云資源的無差別訪問。

速石科技
EDA云平臺優勢

一、七大自研核心技術。

速石科技擁有EDA應用適配、雙層智能調度、Auto-Scale自動伸縮、多云算力、靜態/動態集群、Slurm/LSF/SGE/PBS多調度器集成、Flow自定義等核心技術。

二、支持主流EDA廠商工具。

速石科技支持主流EDA廠商工具，比如Innovus、Spectre、HSPICE、OPC Proteus、Calibre、VCS、Xcelium、PT 、StarRC 、Tmax2 、Skipper、ALPS等等。

三、支持國內外主流云廠商。

速石科技已經對接了眾多主流云廠商的API，可以用統一的方式方法完成EDA應用在云上自動化部署，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。

四、混合云/純云等多種模式適應不同企業場景。

半導體行業公司大多擁有跨幾個不同地區的研發部門，海內外聯合辦公也是常見場景。各地研發部門往往各自擁有本地服務器，這對于IT管理人員來說已經相當令人頭大。如果再加上公有云，甚至多云場景，企業場景十分復雜。速石科技基于多區域本地和公有云環境靈活部署及交付，滿足多本地和多云端IT自動一體化管理。

五、豐富EDA上云實踐。

速石科技為一家IC設計公司的24個HSPICE任務在優化任務拆分方式后，云端調度1920核計算資源，將一組超大規模計算任務的計算周期從原有的30天縮短至17小時即可完成，效率提升42倍。同時平臺自動化部署可大幅節省了用戶時間和人力成本。

一家大型IC設計公司通過fastone平臺于云端調度5000核計算資源運算Synopsys OPC（光學臨近修正）任務，效率提升53倍，相當于從1個月縮短到13.8小時，峰值時任務不排隊，提升研發效率。fastone統一管理運營幫助IT人員提高管理和運維能力，加強了R&D與IT的溝通協作。

在本次大會上，中國半導體行業協會集成電路設計分會理事長、清華大學微電子所所長魏少軍指出，2020年我國芯片設計企業共計2218家，同比增長了24.6%。但中國芯片設計業的發展與需求相比還存在很大差距，“需求旺盛、供給不足”仍將是我國集成電路面臨的長期挑戰。而隨著制程的演進，IC設計對于算力的要求指數增長，傳統IT模式無法有效滿足IC設計的需求，企業正面臨算得貴、算得慢、不靈活、難管理等一系列問題。

速石科技從應用出發定義云，為IC設計與芯片Foundry廠商提供一站式EDA云平臺，優化EDA應用運行效率，提供多本地及多家云資源的算力運營與智能調度服務，滿足本地和云端IT自動化/一體化管理，助力半導體企業實現降低成本，提升研發效率，加快市場響應速度等目標。

-END-

fastone EDA云平臺的落地場景：

• ICCAD觀后感 | EDA云平臺49問
• EDA云實證Vol.4： 5000核大規模OPC上云，效率提升53倍
• 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上云一線操盤手開播：云端架構如何實現彈性可擴展？文末送800元計算資源
• 全球半導體行業上云格局一覽和十個上云實踐問題的過來人解答