Cadence y NVIDIA Revolucionan el Análisis de Energía en Chips de IA

En un avance significativo para la industria de semiconductores, Cadence y NVIDIA han presentado un gran logro colaborativo en el análisis de energía pre-silicio, prometiendo revolucionar el diseño de chips de inteligencia artificial (IA) y aprendizaje automático (ML) energéticamente eficientes. Aprovechando las sofisticadas capacidades de la plataforma de emulación empresarial Cadence Palladium Z3, junto con la nueva aplicación de análisis de energía dinámica (DPA) de Cadence, las empresas han logrado lo que antes se consideraba un desafío insuperable: el análisis de energía dinámico acelerado por hardware de diseños de IA de miles de millones de puertas, abarcando miles de millones de ciclos operativos en apenas horas, todo ello manteniendo una impresionante precisión de hasta el 97 por ciento. Este hito está destinado a empoderar a los desarrolladores de semiconductores y sistemas para crear sistemas más eficientes energéticamente y acelerar la llegada de sus productos al mercado.

La creciente complejidad y las demandas computacionales de los semiconductores y sistemas contemporáneos han supuesto durante mucho tiempo un obstáculo formidable para los diseñadores. Predecir con precisión el consumo de energía en condiciones de funcionamiento realistas ha sido esquivo, ya que las herramientas convencionales de análisis de energía suelen tener dificultades para escalar más allá de unos pocos cientos de miles de ciclos sin exigir plazos poco prácticos. A través de su estrecha colaboración, Cadence y NVIDIA han superado eficazmente estas limitaciones, empleando innovaciones en la aceleración de energía asistida por hardware y el procesamiento paralelo. Esto permite una precisión sin precedentes en miles de millones de ciclos, incluso en las primeras etapas del diseño.

Dhiraj Goswami, vicepresidente corporativo y gerente general de Cadence, enfatizó la colaboración profunda que sustenta este logro. “Cadence y NVIDIA se basan en nuestra larga historia de introducción de tecnologías transformadoras desarrolladas a través de una profunda colaboración”, afirmó Goswami. Destacó la drástica mejora en la velocidad de procesamiento, señalando que el proyecto “redefinió los límites, procesando miles de millones de ciclos en tan solo dos o tres horas. Esto permite a los clientes cumplir con confianza los objetivos agresivos de rendimiento y energía y acelerar su tiempo de llegada al silicio”.

Narendra Konda, vicepresidente de Ingeniería de Hardware en NVIDIA, se hizo eco de este sentimiento, subrayando la necesidad crítica de herramientas avanzadas en el panorama de la IA en rápida evolución. “A medida que la era de la IA agéntica y la infraestructura de IA de próxima generación evolucionan rápidamente, los ingenieros necesitan herramientas sofisticadas para diseñar soluciones más eficientes energéticamente”, explicó Konda. Añadió que la sinergia de la experiencia de NVIDIA en computación acelerada con el liderazgo de Cadence en automatización del diseño electrónico (EDA) está “avanzando el perfilado de energía acelerado por hardware para permitir una eficiencia más precisa en las plataformas de computación acelerada”.

La plataforma Palladium Z3 utiliza la aplicación DPA para ofrecer estimaciones precisas del consumo de energía bajo cargas de trabajo del mundo real. Esta capacidad crucial permite a los diseñadores verificar la funcionalidad, el uso de energía y el rendimiento antes de la fase de “tapeout” —el punto en el que el diseño se finaliza para la fabricación—, cuando las optimizaciones aún pueden implementarse fácilmente. Este modelado de energía temprano es particularmente beneficioso para aplicaciones de IA, ML y aceleradas por GPU, ya que no solo mejora la eficiencia energética, sino que también ayuda a evitar retrasos costosos derivados de semiconductores sobrediseñados o infradiseñados. Al integrar Palladium DPA en la solución integral de análisis e implementación de Cadence, los diseñadores ahora pueden abordar la estimación, reducción y aprobación de energía a lo largo de todo el proceso de diseño, lo que en última instancia conduce a los diseños de silicio y sistemas más eficientes posibles.