近日，AWS宣布，Arm将利用AWS为其云计算使用，包括绝大部分电子设计自动化（EDA）工作负载。Arm正在利用基于AWS Graviton2的实例（由Arm Neoverse核心提供支持）将EDA工作负载迁移到AWS，并引领半导体行业的转型之路，该行业传统上使用本地数据中心来进行验证半导体的计算密集型工作设计。
为了更有效地执行验证，Arm使用云来运行实际计算场景的模拟，利用AWS几乎无限的存储和高性能计算基础架构来扩展其可以并行运行的模拟数量。自从开始其AWS云迁移以来，Arm已将AWS上的EDA工作流的性能时间提高了6倍。此外，通过在AWS上运行遥测（从远程源收集和集成数据）并进行分析，Arm产生了更强大的工程，业务和运营洞察力，有助于提高工作流程效率并优化整个公司的成本和资源。Arm最终计划在完成向AWS的迁移后，将其全球数据中心的占地面积至少减少45％，并将本地计算减少80％。Arm已将AWS上的EDA工作流的性能时间提高了6倍。
此外，通过在AWS上运行遥测（从远程源收集和集成数据）并进行分析，Arm产生了更强大的工程，业务和运营洞察力，有助于提高工作流程效率并优化整个公司的成本和资源。Arm最终计划在完成向AWS的迁移后，将其全球数据中心的占地面积至少减少45％，并将本地计算减少80％。Arm已将AWS上的EDA工作流的性能时间提高了6倍。此外，通过在AWS上运行遥测（从远程源收集和集成数据）并进行分析，Arm产生了更强大的工程，业务和运营洞察力，有助于提高工作流程效率并优化整个公司的成本和资源。Arm最终计划在完成向AWS的迁移后，将其全球数据中心的占地面积至少减少45％，并将本地计算减少80％。
高度专业化的半导体设备推动着从智能手机到数据中心基础设施，医疗设备再到自动驾驶汽车的各种功能的不断增长。每个芯片可以包含数十亿个晶体管，这些晶体管的设计水平可以降低到个位数的纳米水平（比人的头发小大约100,000倍），以在最小的空间内实现最佳性能。EDA是使这种极端工程可行的关键技术之一。EDA工作流程非常复杂，包括前端设计，仿真和验证，以及越来越大的后端工作负载，包括时序和功耗分析，设计规则检查以及其他准备将芯片投入生产的应用程序。传统上，这些高度重复的工作流程需要花费数月甚至数年的时间才能生产出新设备，例如片上系统，并拥有巨大的计算能力。在本地运行这些工作负载的半导体公司必须不断平衡成本，进度和数据中心资源，才能同时推进多个项目。结果，他们可能会面临计算能力不足的问题，这会拖慢进度或承担维持空闲计算能力的代价。
通过将其EDA工作负载迁移到AWS，Arm克服了传统管理的EDA工作流程的限制，并通过可大规模扩展的计算能力获得了弹性，使其能够并行运行仿真，简化遥测和分析，减少其半导体设计的迭代时间并增加测试周期而不会影响交付进度。Arm通过优化各种专用Amazon EC2实例类型的EDA工作流，利用Amazon Elastic Compute Cloud（Amazon EC2）来简化成本和时间表。例如，该公司使用基于AWS Graviton2的实例来实现高性能和可扩展性，与运行成千上万台本地服务器相比，可带来更具成本效益的运营。Arm使用AWS Compute Optimizer，
除了成本优势外，Arm还利用AWS Graviton2实例的高性能来提高其工程工作负载的吞吐量，与上一代基于x86处理器的M5实例相比，每美元的吞吐量始终提高40％以上。此外，Arm使用AWS合作伙伴Databricks的服务在云中开发和运行机器学习应用程序。通过在Amazon EC2上运行的Databricks平台，Arm可以处理其工程工作流中每个步骤的数据，从而为公司的硬件和软件组生成可行的见解，并在工程效率上实现可衡量的改进。
“通过与AWS的合作，我们专注于提高效率和最大化吞吐量，从而为我们的工程师提供了宝贵的时间来专注于创新，” Arm IPG总裁Rene Haas说道。“现在，我们可以使用带有基于Arm Neoverse的处理器的AWS Graviton2实例在Amazon EC2上运行，我们正在优化工程流程，降低成本并加快项目时间表，从而比以往任何时候都更快，更经济地向我们的客户交付强大的结果。 ”
“ AWS提供了真正的弹性高性能计算，无与伦比的网络性能以及可扩展的存储，这是下一代EDA工作负载所必需的，这就是为什么我们很高兴与Arm合作以为其运行我们的高性能的高要求EDA工作负载提供动力基于臂的Graviton2处理器，” AWS全球基础架构和客户支持高级副总裁Peter DeSantis说道。“与当前基于x86的实例相比，Graviton2处理器可提供高达40％的价格性能优势。”
