最近，半导体行业里最靓的仔当属老黄 – 黄仁勋先生了，他前几天回到了台湾省，在台北国际电脑展COMPUTEX 2023上做了主题演讲，分享了关于nVidia在生成式AI 、图形计算、云端工作流等方面的最新进展。

近年来，特别是去年下半年随着ChatGPT 3.5的发布，各大科技公司也已将业务重点转向了人工智能领域，在此技术浪潮的推动下，nVidia无疑是最大的赢家。

生成式AI的算力需求因模型和任务而异，但通常都比较大，需要大量的计算资源和存储空间。例如ChatGPT 3.5模型，其训练过程中使用了1750亿个参数，需要超级计算机和强大的图形处理器（GPU）等大量的计算资源。

在GPU市场，nVidia长期处于领先地位，其在深度学习、人工智能等领域的早期布局以及优异的产品性能和成熟的生态平台是其成功的原因，最近nVidia的股价也是一路飙升，市值一度突破1万亿美元大关。

除了生成式AI领域，nVidia也在不断扩展其它领域的生态伙伴，在此次COMPUTEX 2023 的演讲中，老黄也提到了其与Cadence在EDA、SDA、CADD方面的合作。

在演讲中，老黄介绍了Grace Hopper 架构的 GH200 超级芯片，该芯片可为Cadence的整个工具链提供计算加速。

GH200 超级芯片集成有 72个 Arm Neoverse V2 核心的 Grace CPU，并通过带宽高达 900GB/s 的 NVIDIA NVLink-C2C 芯片互连技术，串联拥有 4 PetaFLOPS FP8 / INT8 Tensor 算力的 Hopper H100 GPU， 也即Grace Hopper 超级芯片将 NVIDIA Grace CPU 与 NVIDIA Hopper GPU 结合在同一电路板上，省去传统 PCIe CPU 与 GPU 连线的需求，以提供 CPU + GPU 一致性内存模型。最多可配置带宽高达 4TB/s 的 96GB HBM3 的内存，总功耗可根据需求和散热配置，由配置程序设定为 450W 至 1000W。

然后可将256 个NVIDIA Grace Hopper 超级芯片连接组成NVIDIA DGX GH200 超级电脑，提供了 1 exaFLOPS 算力与 144 TB 的共享内存，内存容量是 2020 年推出的前代 NVIDIA DGX A100 系统的近 500 倍！！！

随着AI的兴起，好像全世界都在缺算力，EDA行业亦是如此。现在各国半导体芯片的需求正日益扩大，且对于芯片设计的要求与复杂性也无止境的增加：

“希望新芯片设计可以不断增加闸极数量、极小化芯片尺寸以及大幅缩短上市时间等。此时电子设计自动化 (EDA) 在其中扮演越来越吃重的脚色。从系统架构设计开始、落实到功能的定义与实现，以及最终实现整个芯片的设计与验证，若没有 EDA 辅助，设计这样复杂的电路并同时保证良率是很难达到的。 NVIDIA 作为全面整合的运算平台，与 Cadence 共同推动为集成电路设计 (IC design)、系统级芯片 (SoC) 以及印刷电路板 (PCB) 等提供完整的 EDA 工具，更以独特的算法利用大量高效运算 CPU 核数及 GPU 大幅减少求解时间。”[1]

下边是老wu录制的关于Nvidia与Cadence合作应对超大规模SoC芯片设计和验证的巨大挑战的研讨会内容，有兴趣的同学可以了解一下Cadence家的EDA工具链如何进行计算加速优化。

nVidia的GH200 超级电脑对于个人用户而言是超级贵，如果618要配置电脑，个人能够考虑的也仅是添加一块nVidia的显卡而已吧 /(ㄒoㄒ)/~~ 老黄在演讲说，RTX 4060 Ti 已经为你们准备好了 (￣▽￣)”

而PCB Layout要想享用到GPU的加速，需要安装最新的Cadence Allegro，包括Allegro 17.4打了Hotfix019 号及后续的更新补丁，以及新发布的 Allegro 22.1版本，都支持GPU加速，而且 Allegro 22.1 除了支持 nVidia 家的GPU，AMD和Intel家的GPU也进行了支持。

现阶段Allegro利用GPU进行显示的优化方面，包括更清晰的图形显示效果，更好的平移以及缩放性能，当然，allegro的3D Canvas也会从 GPU 加速中受益。

在Sigrity方面，Clarity 3D Transient Solver 采用的是3D 时域有限差分 (FDTD) 电磁 (EM)，可以很好的利用上GPU进行仿真运算加速，不过需要注意的是，需要nVidia的专业级显卡才可获得支持。

当然，Sigrity 可以很好地利用高性能计算 (HPC) 资源进行求解计算的加速，在Cadence家的软件产品工具链中，进行HPC的投资的受益是最大的，包括 Clarity 3D Solver，Cadence CFD solver，以及基于机器学习的IC、PCB设计，都可以很好地利用HPC的资源进行计算加速。

现在，nVidia家的Grace Hopper超级芯片已推出，而基于Grace Hopper的HPC也值得期待。

参考来源：

[1] https://info.nvidia.com/gpu-eda-tools-cadence-webinar.html?ondemandrgt=yes