Synopsys e Nvidia: A revolução da GPU no design de chips

A indústria de semicondutores acaba de atingir um enorme ponto de inflexão. Durante décadas, as ferramentas Electronic Design Automation (EDA) usadas para projetar chips funcionaram principalmente em CPUs. Mas à medida que avançamos em direção aos limites físicos do silício com processos de 2 nm e 3 nm, a carga computacional tornou-se um gargalo.

Entre na Parceria estratégica Synopsys e Nvidia. Anunciada hoje, esta colaboração marca a primeira implantação ampla de ferramentas EDA aceleradas por GPU, prometendo acelerar os ciclos de design de chips em ordens de magnitude.

Não é apenas uma atualização; é uma mudança de paradigma. Veja por que isso é importante.

O gancho: por que isso muda tudo

Projetar um processador carro-chefe moderno envolve simular trilhões de transistores e verificar seu comportamento em cenários infinitos. Tradicionalmente, isso exigia enormes farms de servidores de CPU em execução durante semanas.

A Synopsys agora está dinamizando todo o seu conjunto de ferramentas de design para rodar na plataforma CUDA da Nvidia e nos Superchips GH200 Grace Hopper. A reivindicação? Simulações até 100x mais rápidas.

“Esta parceria será revolucionária para toda a indústria”, disse o CEO da Nvidia, Jensen Huang. “Conseguimos trazer a computação acelerada por GPU para o setor industrial mundial pela primeira vez.”

Para o consumidor, isto significa ciclos de inovação mais rápidos. Os chips do seu telefone, laptop e carro podem se tornar mais potentes e eficientes, mais rápidos do que nunca.

Análise técnica: nos bastidores

O cerne deste anúncio é a integração da pilha EDA líder do setor da Synopsys com as bibliotecas de computação acelerada da Nvidia.

1. Simulação acelerada por GPU

Synopsys VCS, o padrão da indústria para verificação, agora pode descarregar enormes cargas de trabalho de simulação paralela para GPUs Nvidia. Ao contrário das CPUs, que se destacam no processamento serial, as GPUs são projetadas para o tipo de paralelismo massivo necessário para simular bilhões de portas simultaneamente.

2. Otimização baseada em IA

Além da velocidade bruta, a parceria aproveita as estruturas de IA da Nvidia para otimizar layouts de chips (localização e rota) automaticamente. Synopsys.ai, o pacote EDA baseado em IA da empresa, agora será executado nativamente na Nvidia DGX Cloud, permitindo aprender com designs anteriores para prever e evitar erros antes que eles aconteçam.

3. Aceleração de Fotolitografia

A litografia computacional – o processo matemático de simulação de como os padrões de luz são impressos no silício – é uma das cargas de trabalho com maior uso intensivo de computação do mundo. Ao migrar isso para GPUs (usando Nvidia cuLitho), a Synopsys afirma um salto de desempenho de 40x em relação aos métodos atuais baseados em CPU.

Contexto: o gargalo da CPU

Para compreender a magnitude disto, é preciso olhar para a história da EDA.

• 1980-2020: As ferramentas EDA foram escritas para CPUs. À medida que os chips ficaram mais complexos, adicionamos mais núcleos de CPU.
• O problema: A Lei de Moore para CPUs desacelerou, mas a complexidade dos chips que estão sendo projetados está explodindo (graças à IA).
• A solução: Precisamos usar os mesmos chips de IA que estamos construindo para projetar a próxima geração de chips de IA. É um ciclo virtuoso.

Esta mudança valida a tese da “computação acelerada” que Jensen Huang vem pregando há anos: a computação de uso geral (CPUs) atingiu um obstáculo para essas cargas de trabalho específicas e de alta intensidade.

Impacto: Habilitando a Era Angstrom

Estamos nos aproximando da “Era Angstrom” (nós menores que 1nm). Nessa escala, os efeitos quânticos e as variações físicas tornam o projeto incrivelmente difícil.

• Para fabricantes de chips (Intel, AMD, Apple): eles podem iterar mais rápido. Um bug que levava uma semana para ser simulado agora pode ser encontrado em uma hora.
• Para IA: chips melhores significam modelos de IA melhores. Esta parceria acelera o hardware que alimenta o ChatGPT, o Gemini e o que vier a seguir.
• Para energia: a aceleração da GPU é muito mais eficiente em termos energéticos para essas cargas de trabalho, reduzindo potencialmente a pegada de carbono dos data centers de design de chips.

Conselho de compra: a opinião do investidor

Embora não forneçamos aconselhamento financeiro, as implicações de mercado são claras.

• Sinopse (SNPS): Isso consolida sua liderança. Por serem os primeiros a abraçar totalmente a pilha da Nvidia, eles criam uma barreira contra concorrentes como a Cadence (embora a Cadence também esteja caminhando nessa direção). Eles são as “picaretas e pás” da corrida do ouro da IA.
• Nvidia (NVDA): Isso expande seu TAM (Total Addressable Market) para o espaço de software industrial. Não se trata mais apenas de vender GPUs para treinamento de LLMs; trata-se de alimentar o software que constrói o hardware.

O Veredicto: Este é um sinal de alta para toda a cadeia de fornecimento de semicondutores. Se você seguir o “ciclo do silício”, esta é a atualização do mecanismo que impulsionará a próxima década de crescimento.

Fontes

• Nvidia e Synopsys Anunciam Parceria Estratégica (VMblog)
• Sinopse Relações com Investidores
• Jensen Huang na CNBC