NVIDIA implementa CPU Vera en workflows de diseño EDA; Cadence & Synopsys muestran ganancias de 1,5x
NVIDIA anunció que está implementando su CPU Vera—un procesador personalizado basado en Olympus con 88 núcleos, memoria LPDDR5X de alta eficiencia y Fabric Coherente Escalable de segunda generación—en workflows de EDA (automatización de diseño electrónico) utilizados para diseñar sus próximas CPUs y GPUs. Vera se optimiza para etapas de simulación, verificación e implementación de diseño de chips, donde el desempeño tradicional de CPU sigue siendo crítico a pesar de la aceleración de GPU de otras tareas de diseño. Las pruebas iniciales con Cadence Jasper (verificación formal) y Synopsys VCS (simulación funcional) mostraron hasta 1,5x más de desempeño en cargas de trabajo de clase producción seleccionadas.
La verificación e implementación son el cuello de botella del diseño: antes de que un chip llegue a la manufactura, los ingenieros ejecutan miles de iteraciones de validación. La simulación lógica, verificación formal e implementación digital dependen del desempeño de núcleo único, eficiencia del subsistema de memoria y rendimiento sostenido—lo inverso de cargas de trabajo pesadas en GPU. Al implementar Vera internamente, NVIDIA está acortando ciclos de diseño para sus propios procesadores mientras valida la arquitectura para futuros licenciados. Cadence y Synopsys están perfilando Vera aún más para optimización de software más amplia y ajuste a nivel de sistema para extender ganancias de desempeño en más workflows.
Para arquitectos de chips y clientes NVIDIA, esta es una señal de productividad: los cronogramas de tapeout dependen del rendimiento de verificación, y una aceleración de 1,5x en simulación lógica y verificación formal reduce materialmente el tiempo de iteración de diseño. NVIDIA planea seguir a Vera con Rosa (impulsada por el núcleo Rigel), creando un bucle de retroalimentación continuo entre diseño de silicio y arquitectura de CPU. El movimiento refleja cómo el diseño de chip moderno ya no es computación monolítica de GPU—diferentes etapas requieren hardware diferente, y el desempeño de CPU sigue siendo un cuello de botella que vale la pena corregir por separado.