“一刀切”时代结束 芯片设计有“芯”思路

　　如何解决大数据问题

　　影响摩尔定律的另一个方面是数据的爆炸。从PC市场出现发展至今，人们一直都在争论是否要集中或者是分发数据。虽然这些争论当中有很多是带有政治性质的。但是IT部门对于移动用户以及生态系统的态度，对移动设备制造商及其生态系统而言，这些争论现在大多都没有结果。

　　毕竟纯粹的数据，如果在本地处理的话会更加有效。但是实际上，数据的处理往往需要更加复杂的过程，芯片需要对某些类型的数据进行优化，而不是简单的处理。

　　“这就迫使整个数据处理的过程发生变化。”Rambus的营销解决方案副总裁Steven Woo表示。“摩尔定律在很大程度上并不适用于现代的技术。大数据的增长速度远远超过了处理速度。如果你想处理这些急速增长的数据，或者是来搜索他们就需要采用完全不同的体系结构。”

　　其中需要考虑的一点是，将多少数据传输到内存以及在本地存储多少数据。“在本地存储数据需要占据大量的存储空间。”ArterisIP的营销副总裁Kurt Shuler表示，“当你将这些数据添加到内存时，你需要作出选择，到底这些数据是否能够获得有效的利用。”

　　因此，一般情况下我们并不会将所有的内容都发送到内存，我们会通过多级缓存和代理缓存的方式将这些数据从存储芯片传输到不同的设备中。虽然这些技术很大程度上依然是基于冯诺依曼架构的，但是可以说它是完全不同的另外一个版本。最大的区别在于，我们是基于数据的角度来遵循它是如何移动的。而不是从芯片的架构来考虑这些软件的问题。实际上这种数据处理方式给软件定义架构带来了很大的问题，但是对于芯片来说带来的问题都非常小。

　　图二、冯诺依曼体系架构

安全性

　　另一方面，制约影响这些发挥作用的一个新的因素是安全性。一方面，与硬件相比，软件往往需要一个非常严谨的架构才能实现安全性。另一方面，软件可以通过网络的方式进行远程破解，这就会增加很多成本。这也是为什么目前为止软件依然受到限制的原因。

　　我们可以采用各种各样的技术来实现芯片的安全。问题在于很多公司并不想在芯片的安全性方面付出很大的代价。很多厂商只有在它的芯片安全受到威胁的时候才会考虑在新品当中加入安全保护功能。

　　Synopsys,的董事长兼首席执行官Aart de Geus也同意这一观点，“这是一个很复杂的问题，”他表示。“安全性往往涉及硬件和软件两个方面。但是最大的漏洞往往同时涉及软件和硬件。这对于很多公司来说是很难以理解的，也是非常新颖的问题。看看现在很多的黑客，你会发现他们的技术都很复杂。要解决安全性问题，方法有很多种。首先，我们可以在系统的基础上建立安全屏障来保证系统安全，至少能够使得系统遵循安全规则。其次，也可以通过硬件的方式来实现安全。在我们所接触的客户中就有很多公司。在软件上进行了大量的投资来建立安全性。但是我们也发现单个的公司，并不能够改变整个现状，还是需要很多标准化的东西。”

　　尽管如此，安全，已经成为了软件驱动设计中需要考虑的因素之一。

　　自动化工具

　　显而易见的是从工程的角度来看，很多目标都是相同的。就摩尔定律来看，其最主要的就是实现更小、更快、更低成本、更高性能。其中高性能、更小是永远不会发生改变的两个因素。

　　随着摩尔定律的逐渐放缓，真正挑战摩尔定律的是经济效益，这也是 EDA 公司看到的一个巨大的机会。

　　“有时候小的架构可以在性能和功耗方面获得令人惊喜的效果。”OneSpin的营销副总裁Dave Kelf表示。“这就像高级的综合工具，有时候也可以有所作为一样，这样的工具可以改变设计的周期，将更多的时间从设计中解放出来，以获得更好的性能。”

　　一方面，这种方式能够很好的满足对于新工艺的需求。另一方面更快的工具。和对于这些工具的更好的运用的培训一些能够减少在设计方面花费的时间和金钱。

　　结论

　　从短期的发展来，摩尔定律依然是能够存活的，至少还可以发展到5纳米，甚至是更低。但是它的发展越来越缓慢，也越来越困难，成本也越来越高，与很多特定市场的需求愈加不匹配。