München, Starnberg, 22. Okt. 2021 - Mit AWS strebt NXP langfristige Prozessverbesserungen an; Data Lake verwendet Amazon Simple Storage Service (S3) und AWS Glue...
Zum Beitrag: Der Halbleiterhersteller NXP migriert den Großteil seiner EDA-Arbeitslasten (Electronic Design Automation) aus den eigenen Rechenzentren zu AWS. Neben der Infrastruktur nutzt das in den Niederlanden ansässige Unternehmen dazu AWS-Dienste in den Bereichen High Performance Computing (HPC), Storage, Analytics sowie maschinelles Lernen (Machine Learning, ML). Dies soll die Effizienz und den Wettbewerbsvorteil von NXP beim Design und der Verifizierung von fortschrittlichen Halbleitern ausbauen, die in den Bereichen Automotive, industrielles Internet of Things (IoT), Mobilfunk sowie Kommunikationsstrukturen zum Einsatz kommen. Mit AWS strebt NXP nach vorliegenden Angaben langfristige Prozessverbesserungen an, die die Art und Weise, wie Halbleiter entwickelt und getestet werden, verändern sollen.
Bevor NXP neue Chips herstellen kann, werden die Entwürfe im Rahmen des EDA-Prozesses umfangreichen Tests und Validierungen unterzogen, um sicherzustellen, dass sie funktional sicher, hochwertig und leistungsstark sind. Die komplexen EDA-Workflows von NXP umfassen Front-End-Design, Leistungssimulation und -verifizierung sowie Back-End-Workloads, die Timing- und Leistungsanalysen, Design-Rule-Checks und andere Anwendungen zur Vorbereitung eines Chips auf die Produktion umfassen.
-
In der Vergangenheit haben Halbleiterunternehmen diese hochgradig iterativen Workflows in lokalen Rechenzentren mit festen Rechenkapazitäten ausgeführt. Aufgrund der enormen Rechenleistung, die für jeden Zyklus erforderlich ist, und der zunehmenden Komplexität der Chipdesigns kann die Produktion eines neuen Geräts jedoch viele Monate oder sogar Jahre dauern, wenn die Unternehmen keine genaue Prognose erstellen und keine zusätzliche Recheninfrastruktur installieren.
-
Im Gegensatz dazu erhält NXP durch die Nutzung von AWS für seine EDA die Skalierbarkeit und Flexibilität, um bei Bedarf mehrere Projekte gleichzeitig voranzutreiben, unabhängig von ihrer Komplexität, und Dutzende von Leistungssimulationen parallel durchzuführen, um die Zeit bis zum Ergebnis zu verkürzen.
Um den Umfang und die Komplexität seiner Designaktivitäten besser zu verwalten, verlässt sich NXP auf AWS-Analysen und maschinelle Lerndienste, um seine Forschungs- und Entwicklungsabläufe kontinuierlich zu verbessern. NXP nutzt Amazon QuickSight (den auf maschinellem Lernen basierenden Business-Intelligence-Service von AWS, der für die Cloud entwickelt wurde), um leistungsfähigere technische und betriebliche Erkenntnisse zu generieren, die die Effizienz der Arbeitsabläufe erhöhen. So kann NXP beispielsweise durch die schnelle Umsetzung der Ergebnisse eines Testschritts in Änderungen für einen anderen Schritt die für die Iteration von Chipdesigns erforderliche Zeit reduzieren.
NXP nutzt auch Amazon SageMaker (einen Service von AWS, der Entwicklern und Datenwissenschaftlern unterstützt, Modelle für maschinelles Lernen schnell in der Cloud und am Edge zu erstellen, zu trainieren und bereitzustellen), um die Strukturierung von Rechenleistung, Speicherplatz und Lizenzen für Softwareanwendungen von Drittanbietern zu optimieren. Zur Unterstützung dieser Arbeit baut NXP einen Data Lake auf AWS auf, der Amazon Simple Storage Service (Amazon S3) und AWS Glue (AWS-Service zum Extrahieren, Transformieren und Laden von Daten) verwendet.
Abb. 1: Entwickeln ereignisgesteuerter ETL-Pipelines (Extract, Transform und Load / Bildquelle: AWS Glue)
Querverweis:
-
Unser Beitrag > Cloud versus On-Premises: Quo Vadis, Enterprise-Software?
-
Unser Beitrag > AWS Cloud Objekt-Speicheranalyse: Amazon kündigt S3-Storage Lens an