Последнее время все чаще задумываюсь о том, как меняется наш workflow в RTL-дизайне и верификации.
Микроэлектроника всегда была довольно консервативной отраслью. Да и бесконечные разговоры о том, заменит ли ИИ инженеров, на мой взгляд, не несут большой практической ценности. Гораздо интереснее обсуждать не прогнозы, а то, что уже происходит прямо сейчас: какие инструменты появляются и как они меняют нашу ежедневную работу.
Недавно наткнулся на WaveCrux. Это современный waveform viewer, который пытается выйти далеко за рамки обычного просмотра VCD/FST. Помимо самого viewer'а, в нем уже есть декодеры популярных протоколов, визуализация конечных автоматов, AI (конечно же) и другие возможности. Проект пока еще сырой - я бы назвал его скорее ранней beta, чем продуктом, готовым к повседневному использованию. Но он хорошо показывает направление, в котором развивается экосистема инструментов для RTL.
При этом сам WaveCrux интересен мне не столько своими возможностями, сколько идеей, которую он отражает.
Мне кажется, будущее не за одним огромным EDA-комбайном с AI, а за большим количеством небольших специализированных инструментов, каждый из которых отлично решает свою задачу.
Хороший пример - WavePeek. Он позволяет агенту эффективно анализировать waveform вместо того, чтобы пытаться восстановить картину происходящего через логи, повторные запуски симуляции и другие косвенные способы отладки. Агент получает доступ к источнику информации напрямую, а не вынужден самостоятельно строить маршрут анализа.
Другой пример - Slang Netlist, о котором я уже рассказывал. Хотя название, на мой взгляд, не самое удачное: что-то вроде Elaboration Dependency Graph гораздо лучше отражало бы его назначение. Вместо сотен вызовов "grep" агент может практически мгновенно находить взаимосвязи между двумя сигналами и понимать, каким путем они связаны внутри дизайна.
И именно такие инструменты начинают складываться в экосистему.
Представьте условного SPI-агента (подставьте сюда название любого блока). Он знает спецификацию SPI, понимает допустимые последовательности транзакций, умеет анализировать waveform через WavePeek, ориентируется в структуре дизайна через Slang Netlist и способен самостоятельно локализовать большинство типичных ошибок.
Точно так же можно сделать специализированных агентов для AXI4, FPU, DMA-контроллера или практически любого другого IP.
На этом возможности не заканчиваются.
Чем больше появляется подобных небольших инструментов, тем более интересные сценарии можно строить вокруг агентного подхода.
Например, агент может автоматически исправить ошибки, найденные SpyGlass Lint. Но одного исправления недостаточно. Нужно убедиться, что оно не изменило функциональность блока. Для этого следующим шагом мог бы стать запуск Sequential Equivalence Check, который формально докажет, что после внесенных изменений логика дизайна осталась эквивалентной исходной. Получается законченный цикл: агент нашел проблему, исправил ее и сам же доказал корректность своего исправления.
Кажется, совсем недавно я видел open-source проект, который двигался именно в этом направлении, но, к сожалению, сейчас не могу найти на него ссылку и сам пока не успел его протестировать. Поэтому пока оставлю этот пример скорее как направление, в котором, возможно, экосистема будет развиваться в ближайшее время.
Мне кажется, именно так и будет выглядеть рабочий процесс RTL-инженера в ближайшие годы. Не один универсальный ИИ, который якобы умеет все, а множество специализированных агентов, каждый из которых использует небольшой набор инструментов для решения своей задачи. А роль инженера постепенно сместится в сторону оркестрации этих агентов, выбора правильных инструментов и проверки полученных результатов.
Интересно узнать мнение читателей канала.
Каких инструментов вам сегодня действительно не хватает?
Какие интересные сценарии использования AI-инструментов вы уже нашли и применяете в своей работе?
Или вы считаете, что все это - лишь пустая трата денег, вычислительных ресурсов и времени, а современные EDA-инструменты уже решают все необходимые задачи?
Микроэлектроника всегда была довольно консервативной отраслью. Да и бесконечные разговоры о том, заменит ли ИИ инженеров, на мой взгляд, не несут большой практической ценности. Гораздо интереснее обсуждать не прогнозы, а то, что уже происходит прямо сейчас: какие инструменты появляются и как они меняют нашу ежедневную работу.
Недавно наткнулся на WaveCrux. Это современный waveform viewer, который пытается выйти далеко за рамки обычного просмотра VCD/FST. Помимо самого viewer'а, в нем уже есть декодеры популярных протоколов, визуализация конечных автоматов, AI (конечно же) и другие возможности. Проект пока еще сырой - я бы назвал его скорее ранней beta, чем продуктом, готовым к повседневному использованию. Но он хорошо показывает направление, в котором развивается экосистема инструментов для RTL.
При этом сам WaveCrux интересен мне не столько своими возможностями, сколько идеей, которую он отражает.
Мне кажется, будущее не за одним огромным EDA-комбайном с AI, а за большим количеством небольших специализированных инструментов, каждый из которых отлично решает свою задачу.
Хороший пример - WavePeek. Он позволяет агенту эффективно анализировать waveform вместо того, чтобы пытаться восстановить картину происходящего через логи, повторные запуски симуляции и другие косвенные способы отладки. Агент получает доступ к источнику информации напрямую, а не вынужден самостоятельно строить маршрут анализа.
Другой пример - Slang Netlist, о котором я уже рассказывал. Хотя название, на мой взгляд, не самое удачное: что-то вроде Elaboration Dependency Graph гораздо лучше отражало бы его назначение. Вместо сотен вызовов "grep" агент может практически мгновенно находить взаимосвязи между двумя сигналами и понимать, каким путем они связаны внутри дизайна.
И именно такие инструменты начинают складываться в экосистему.
Представьте условного SPI-агента (подставьте сюда название любого блока). Он знает спецификацию SPI, понимает допустимые последовательности транзакций, умеет анализировать waveform через WavePeek, ориентируется в структуре дизайна через Slang Netlist и способен самостоятельно локализовать большинство типичных ошибок.
Точно так же можно сделать специализированных агентов для AXI4, FPU, DMA-контроллера или практически любого другого IP.
На этом возможности не заканчиваются.
Чем больше появляется подобных небольших инструментов, тем более интересные сценарии можно строить вокруг агентного подхода.
Например, агент может автоматически исправить ошибки, найденные SpyGlass Lint. Но одного исправления недостаточно. Нужно убедиться, что оно не изменило функциональность блока. Для этого следующим шагом мог бы стать запуск Sequential Equivalence Check, который формально докажет, что после внесенных изменений логика дизайна осталась эквивалентной исходной. Получается законченный цикл: агент нашел проблему, исправил ее и сам же доказал корректность своего исправления.
Кажется, совсем недавно я видел open-source проект, который двигался именно в этом направлении, но, к сожалению, сейчас не могу найти на него ссылку и сам пока не успел его протестировать. Поэтому пока оставлю этот пример скорее как направление, в котором, возможно, экосистема будет развиваться в ближайшее время.
Мне кажется, именно так и будет выглядеть рабочий процесс RTL-инженера в ближайшие годы. Не один универсальный ИИ, который якобы умеет все, а множество специализированных агентов, каждый из которых использует небольшой набор инструментов для решения своей задачи. А роль инженера постепенно сместится в сторону оркестрации этих агентов, выбора правильных инструментов и проверки полученных результатов.
Интересно узнать мнение читателей канала.
Каких инструментов вам сегодня действительно не хватает?
Какие интересные сценарии использования AI-инструментов вы уже нашли и применяете в своей работе?
Или вы считаете, что все это - лишь пустая трата денег, вычислительных ресурсов и времени, а современные EDA-инструменты уже решают все необходимые задачи?