בכנס 2025 TSMC Europe Open Innovation Platform Ecosystem Forum, שהתקיים בשבוע שעבר באמסטרדם, הציגו מהנדסי AWS Annapurna Labs וחברת אנסיס (Ansys) שיטה חדשה לקיצור דרמטי של זמני ניתוח ה-IR-drop במערכות-על שבב מורכבות – במיוחד במאיצי AI מבוססי אריזה דו-ממדית וחצי (2.5DIC) עם זיכרון HBM.

הלמוט בלדליך, מומחה מחברת אנסיס (Ansys), הציג בכנס SMC 2025 Europe Open Innovation Platform Ecosystem Forum שהתקיים בשבוע שעבר באמסטרדם כיצד ניתן לקצר בצורה דרמטית את זמני ניתוח ה-IR-drop וה-EMIR בצ’יפ Trainium של AWS, באמצעות מודלים מצומצמים (ROM) וזרימת עבודה היררכית.

המאיץ שעל פריסתו דוּוח בכנס הוא שבב ייעודי לאימון מודלי GenAI, המיוצר בתהליך מתקדם ויושב על גבי אינטרפוזר אורגני עם חבילת HBM בהיקף עשרות גיגה־בייט. מדובר ב-SoC ענק, הכולל מיליארדי תאי לוגיקה ורשת אספקת מתח צפופה במיוחד. לפי הדוברים, ניתוח IR-drop שטוח ברמת פול-צ’יפ לתכנון כזה דורש בדרך-כלל אלפי ליבות CPU, מאות טרה־בייט זיכרון ושבעה ימי ריצה לכל הרצה – פרקטיקה שמגבילה מאוד את מספר התרחישים (corners, עומסים, מצבי עבודה) שאפשר לבדוק בזמן הפיתוח.

המעבר ל-2.5D ול-3DIC מוסיף שכבה נוספת של מורכבות: אי-אפשר עוד להסתפק בניתוח השבב בלבד. יש תלות חזקה בין ה-die, האינטרפוזר והחבילה, כך שכל שינוי ברשת ההספק או בהוספת קבלי ייצוב במארז משפיע ישירות על ה-IR-drop על גבי השבב. הצורך, כפי שתואר, הוא בפתרון שמאפשר ניתוח מקבילי של die + אינטרפוזר + חבילה, בלי לשרוף שבוע לכל ריצה.

הפתרון שהוצג מבוסס על זרימת ניתוח היררכית עם מודלים מצומצמים – Reduced Order Models (ROM). בשלב הראשון מפיקים לכל בלוק היררכי בשבב מודל מופשט שמייצג את התנהגות רשת ההספק שלו על שכבת חיבור משותפת (roll-up layer). המודלים הללו, שאפשר להכין בכמה וריאנטים עבור תרחישים שונים, מחליפים את הגיאומטריה המלאה של שכבות המתכת הנמוכות באותו בלוק. ברמת הטופ-לבל מחברים רק את מודלי ה-ROM, בעוד שהאינטרפוזר והחבילה נשארים במודל מפורט.

במקרה המבחן שתואר – מאיץ ה-AI על גבי אינטרפוזר אורגני – נעשה שימוש ב-ROM עבור כל בלוקי ה-die (100% ROM), בעוד שהאינטרפוזר והחבילה נותחו במלואם. התוצאה: מספר ה"נודים" בסימולציה ירד ב-98.9% לעומת ניתוח פול-צ’יפ שטוח, זמן הריצה התקצר ב-86% (מכשבעה ימים לכיום אחד), וסך הזיכרון הפיזי שנדרש ירד ב-89%. הקטנה כזו של משאבי החומרה מאפשרת להריץ הרבה יותר וריאציות של העיצוב – זוויות PVT שונות, דפוסי עומס, תצורות רשת הספק – במסגרת אותו תקציב זמן ומחשוב.

כמובן, השאלה הקריטית היא מידת הדיוק. לפי התוצאות שהוצגו, ההבדלים ב-IR-drop בין הריצה ההיררכית לבין הריצה השטוחה המלאה נמצאו בטווח של מיליוולטים בודדים – הן על גבי השבב בלבד והן עבור המבנה המלא של die + אינטרפוזר + חבילה. במקרים רבים המודל המצומצם אף נטה להיות מעט פסימי, מה שמגדיל את מרווח הביטחון בתכנון ולא מסתיר בעיות.

לסיכום ציינו AWS ואנסיס כי השיטה ההיררכית מאפשרת לקבל זמן תגובה מהיר יותר, כיסוי רחב יותר ותשתית מחשוב זולה יותר – שלושה פרמטרים קריטיים בעידן שבו מאיצי AI בעלי מיליארדי טרנזיסטורים ואריזות 2.5D/3D הופכים לסטנדרט. לדבריהם, הזרימה החדשה כבר משולבת בפרויקטים נוספים, וצפויה להפוך לכלי מרכזי בדרישות ה-sign-off של מערכות-על שבב בדורות התהליך הבאים.

הפוסט אנפורנה/AWS ואנסיס הציגו שיטה לקיצור דרמטי בפעילו מערכות על שבב מורכבות הופיע לראשונה ב-Chiportal.

עדי חבושה, המהנדס הראשי ב- AWS ישראל והאדריכל הראשי של מעבדי AWS Graviton, השתתף אתמול בכנס ChipEX2024 ודיבר על האתגרים והפתרונות בניהול מרכזי נתונים ועיבוד נתונים בענן בהרצאה שנערכה לאחרונה. חבושה התמקד בכיצד חברות מתמודדות עם צריכת מחשוב שיא והשפעתה על יעילות עלות.

"AWS ממשיכה להוביל את החדשנות בתחום המחשוב בענן עם השקתו של שבב Graviton 4, הדור הרביעי של שבבי ARM שלה, שנועד להגביר את הביצועים והיעילות בעלויות עבור לקוחותיה. שבב זה מיוצר על ידי Annapurna Labs, חברה ישראלית שנרכשה על ידי AWS לפני מספר שנים, והוא מציע חידושים טכנולוגיים שממשיכים להעמיק את ההשפעה של טכנולוגיות מבוססות ARM בעולם הענן." הסביר חבושה.

"Graviton 4 מוביל את המעבר לטכנולוגיות ירוקות יותר במרכזי נתונים באמצעות שיפור ניכר ביעילות האנרגטית, מה שמאפשר לחברות לצמצם את טביעת הפחמן שלהן תוך שמירה על ביצועים גבוהים. השבב כולל מבנה מתקדם של זיכרון ומטמון, שמאפשר גישה מהירה יותר לנתונים ותוצאות מהירות יותר בפעולות מרובות שמבוצעות במקביל. בנוסף, שבב Graviton 4 מעניק יתרון תחרותי בפיתוח ובהרצת פרויקטים בתחום ה-Electronic Design Automation (EDA), תוך שהוא מציע ביצועים משופרים באופן משמעותי לכלי עיצוב ואימות שבבים. הוא מאפשר למעצבים להפחית את זמני ההמתנה ולשפר את יעילות הפרויקטים.

"AWS גם מדגישה את השילוב של שבבי Graviton 4 במערכת Nitro, מערכת אבטחה ייעודית שנועדה לשפר את הביטחון ולמקסם את ביצועי המחשב. מערכת זו מבטיחה שליטה מלאה וביצועים כמעט של מתכת חשופה, מה שמשפר את חווית המשתמש ומאפשר גמישות רבה יותר בניהול משאבים." אמר חבושה.

חבושה גם הוסיף שתכנון לפי צריכת שיא יכול להוביל למשאבי מחשוב בטלים ברוב הזמן, מה שאינו יעיל מבחינת עלויות. במקום זאת, חברות רבות בוחרות לתכנן את כוח העיבוד שלהן סביב רמה ממוצעת של שימוש, תוך חיפוש אחר דרכים להתמודד עם שיאים תוך כדי שמירה על יעילות עלות.

חבושה דיבר גם על היתרונות של ריצת מערכות בענן של AWS לעומת מרכזי נתונים מקומיים. עם AWS, חברות יכולות להתמודד עם צריכת שיא באופן גמיש יותר, כאשר הן יכולות להוסיף משאבי מחשוב במהירות כשצריך ולשחרר אותם כשהם פנויים. זה מאפשר להם לבצע אימות וסימולציות בזמן אמת ולנהל את הפרויקטים שלהם בצורה יעילה יותר.

הוא גם נכנס לפרטים על אופציות הרכישה של כוח מחשוב ב-AWS. האופציה הבסיסית היא "בדרישה", שבה הלקוחות משלמים עבור השימוש כפי שהם משתמשים, כמו בשימוש במים בבית. יתר על כן, קיימות אופציות להנחות משמעותיות כאשר לקוחות מתחייבים לכמות מסוימת שלמשאבי מחשוב לשנה או שלוש." ויש גם מה שהוא מכנה "השפעות ספורט", שהן קיבולת עודפת במרכזי נתונים של AWS שניתן לרכוש בהנחה עמוקה, אך עם הסיכון שהמשאבים יוסרו בהתראה קצרה. תהליכים שאינם רגישים לקריסות יכולים להתאים היטב לאופציית הספורט, מה שמאפשר חיסכון גדול בעלויות.

הפוסט ChipEx2024: עדי חבושה, AWS: "לא צריך יותר לתכנן מיחשוב לתקופות שיא" הופיע לראשונה ב-Chiportal.