Microsoft meldet bis zu 4.15x schnellere EDA-Workloads auf Cobalt 200

Cobalt 200 ist auf anspruchsvolle Chipdesign-Workloads ausgelegt

Jeder Azure-Chip, den Microsoft entwickelt hat, begann mit Jobs für die elektronische Designautomatisierung, kurz EDA. Sie dienen dazu, Chips vor der Fertigung zu entwerfen, zu testen und zu validieren. Dazu gehören Simulationsläufe, die mehrere Tage dauern können, Verifizierungs-Regressionstests, die sich über Nacht auf Tausende Kerne verteilen, sowie physikalische Signoff-Läufe, die für einen einzelnen Block Hunderte Gigabyte Arbeitsspeicher nutzen können.

Microsoft zufolge entfallen jedes Jahr Hunderte Millionen Rechenjobs auf diese Workloads. Für die jüngste Evaluierung kam Azure Cobalt 200 zum Einsatz, Microsofts maßgeschneiderte Recheninfrastruktur auf Basis von Arm Neoverse CSS V3. Zu den getesteten Tools gehörten Cadence Xcelium und Spectre, Synopsys PrimeTime und VCS sowie Siemens Calibre.

Die auf Cobalt 100 aktivierten Tools liefen in der Cobalt-200-Evaluierung unverändert weiter. Microsoft konnte sich dadurch auf Leistungstests statt auf Funktionalität konzentrieren.

Tests zeigen Zugewinne bei Simulation und Verifizierung

Microsoft verglich Cobalt 200 mit Cobalt 100 und ausgewählten virtuellen x86-Azure-Maschinen. Die virtuellen Maschinen nutzten für einen hohen Durchsatz die maximal mögliche Zahl an Kernen. Gleichzeitig liefen mehrere Jobs, um die Leistung unter hoher Last zu testen. Der Durchsatz wurde pro logischem Kern normalisiert.

• Cadence Xcelium: Mehr als 40% höherer maximaler Durchsatz pro logischem Kern als jedes andere getestete System.
• Synopsys VCS: Mehr als 40% höherer maximaler Durchsatz pro logischem Kern als jedes andere getestete System.
• Cadence Spectre: 38% höherer Durchsatz pro logischem Kern als bei Cobalt 100 sowie 11% bis 52% höherer Durchsatz als bei den anderen getesteten Plattformen.
• Siemens Calibre: Rund 23% weniger Laufzeit als bei Cobalt 100, was einer relativen Leistung von 1.30x entspricht.
• Synopsys PrimeTime: 2.0x des maximalen Durchsatzes pro logischem Kern von Cobalt 100.

Die Workloads decken unterschiedliche Teile des Chipentwicklungsprozesses ab. Xcelium und VCS messen digitale Simulationen, Spectre deckt analoge und Mixed-Signal-Simulationen ab, Calibre führt physikalische Design-Rule-Checks aus und PrimeTime überprüft, ob ein Design die Timing-Anforderungen erfüllt.

Architektur und Cloud-Kapazität stützen die Ergebnisse

Microsoft zufolge haben EDA-Workloads unterschiedliche Anforderungen. Simulationen können von Parallelisierung und Speicherverhalten abhängen, während die Verifizierung den Durchsatz vieler unabhängiger Jobs erfordert. Implementierungs- und Signoff-Workloads sind speicherintensiv und reagieren empfindlich auf die Speicherbandbreite.

Cobalt 200 kombiniert physische Kerne ohne den Overhead von Hyperthreading, einen dedizierten 3MB großen L2-Cache pro Kern und eine hohe bereitgestellte Speicherbandbreite. Laut Microsoft sollen diese Eigenschaften auch bei hoher Systemauslastung eine starke Leistung pro Kern sicherstellen. Das ist für CAD-Manager wichtig, die nächtliche Regressionstests und Verifizierungsfarmen planen.

Das Unternehmen verweist außerdem auf Vorteile der Plattform, die sich aus der Ausführung von EDA in Azure ergeben. Teams können Kapazitäten für Regressionstestkampagnen oder Signoff-Aktivitäten bereitstellen und wieder freigeben, wenn die Nachfrage sinkt. Dadurch müssen sie die feste Infrastruktur nicht auf den jährlichen Spitzenbedarf auslegen. Microsoft nennt zudem Hochleistungsspeicher, globale Kapazität und die Nähe zu Azure-AI-Diensten als Bestandteile der Plattform.

Microsoft zufolge könnte die Nähe zwischen KI-Inferenzdiensten und Cobalt 200 eine engere Integration KI-gestützter Design-Workflows in die EDA-Ausführung ermöglichen. Die Quelle beschreibt dies als Chance, Datenbewegungen zu reduzieren, iterative Design- und Verifizierungszyklen zu beschleunigen und KI-Agenten bei der Koordination technischer Workflows zu unterstützen.