Skip to main content

Cadence Verisium Platform

Verisium Platform 不是一个单一的工具，而是一个集成了多个应用（Apps）的平台（Platform）。这些应用相互协作，共享数据，共同工作，以解决芯片验证中的核心痛点：调试（debug）和回归测试管理（regression management）。

其核心关系可以概括为：Verisium Platform = JedAI Platform (数据基础) + 多个AI驱动的应用 (功能)

下面我将详细解释它们之间的关系。

JedAI Platform: 数据核心​

JedAI (Joint Enterprise Data and AI) Platform 是整个 Verisium 平台的基石。可以把它想象成一个巨大的、集中的数据库。

  • 数据收集：JedAI 的首要任务是收集所有验证过程中产生的数据。这些数据不仅包括波形文件（waveform）、覆盖率报告（coverage reports）、仿真日志（log files），还包括源代码（source code）和修订历史（revision control systems）等。
  • 数据统一：它打破了传统工具之间的数据孤岛。无论是来自 Cadence Xcelium 仿真器、Palladium 仿真器还是 Protium 原型系统的文件，JedAI 都能将它们统一到一个可查询和分析的格式中。
  • AI赋能：JedAI 平台提供了强大的数据分析和机器学习（ML）能力。正是有了这个统一的数据基础，Verisium 平台才能应用 AI 算法进行自动化分析和决策。

Verisium Platform 的核心应用​

Verisium Platform 是一套建立在 JedAI 平台之上的 AI 驱动的应用（Apps），它们负责执行具体的验证任务。

1. Verisium Manager​

  • 角色：总指挥和任务调度中心。
  • 功能：Verisium Manager 是一个全面的验证管理（verification management）解决方案。它负责：
    • 回归测试管理：管理和调度大规模的回归测试任务。
    • 验证规划：跟踪验证计划的进度和覆盖率情况。
    • AI驱动的测试集优化：它能分析历史数据，识别出最有可能发现新 bug 的测试用例，从而优化计算资源的使用，避免运行冗余的测试。

2. Verisium Debug​

  • 角色：AI驱动的调试工作台。
  • 功能：Verisium Debug 提供了新一代的调试界面，它原生集成了 AI 能力来加速根因分析。
    • 波形分析：它可以智能地比较通过测试（passing tests）和失败测试（failing tests）的波形，自动识别出最可疑的信号和时间点，从而大大缩小工程师的调试范围。
    • 跨引擎调试：它能够无缝地在 Xcelium 仿真、Palladium 仿真和 Protium 原型系统之间切换，提供统一的调试体验。
  • Key Features
    • AI-Driven Root Cause Analysis：基于机器学习算法分析回归失败数据、波形与源码信息，辅助定位潜在错误源，减少人工排查时间。
    • High-Performance Waveform Viewer：支持大规模波形数据的高速加载与检索，优化 TB 级数据的浏览与信号追踪体验。
    • Multi-Engine Unified Debug：在统一界面下整合来自 Xcelium、Palladium 和 Protium 的调试数据，实现跨平台协同分析。
    • Smart Source & Schematic Cross-Probing：支持 RTL、门级网表与逻辑结构的双向交叉探测，实现波形、代码与结构视图联动调试。 Semantic Search & Smart Query：提供高级语义搜索与条件过滤能力，快速定位关键信号、事务与寄存器状态。Interactive Log Analyzer：自动解析与分类大规模仿真日志，并将错误信息关联至对应波形和代码位置，提高问题排查效率。

3. Verisium AutoTriage​

  • 角色：自动化的错误分类助手。
  • 功能：它利用机器学习模型，自动分析失败的测试日志，将由同一个根本原因（root cause）导致的多个测试失败分组在一起。这解决了回归测试中常见的痛点：一个 bug 导致大量测试失败，但工程师只需修复一次。

4. Verisium PinDown​

  • 角色：智能的根因定位器。
  • 功能：该工具通过分析 JedAI 平台中的源代码变更、测试报告和日志文件，来预测哪一次代码提交（check-in）最有可能引入了 bug。这可以帮助工程师快速找到问题代码的源头，而不是大海捞针般地检查所有改动。

5. Verisium WaveMiner​

  • 角色：波形数据挖掘和分析专家。
  • 功能：它应用强大的 AI 引擎，从大量的波形数据中挖掘出有意义的信息，并自动识别出与测试失败最相关的信号和时序。

关系总结​

Verisium Platform 的工具链形成了一个完整的、以数据为中心的闭环：

  • 数据收集（JedAI）：所有验证引擎（Xcelium, Palladium 等）产生的数据被统一汇集到 JedAI 平台。
  • 管理与优化（Verisium Manager & Apps）：Verisium Manager 负责调度任务，而像 AutoTriage 和 PinDown 这样的应用利用 JedAI 中的数据，帮助工程师快速定位和分类失败。
  • 智能调试（Verisium Debug & WaveMiner）：当需要深入分析时，Verisium Debug 提供了统一的界面，并通过 WaveMiner 等 AI 应用进行波形和根因分析。

总而言之，Verisium Platform 的核心价值在于，它将传统的单次运行、单引擎的验证流程，升级为大数据和 AI 驱动的跨引擎、多任务的验证流程。这使得验证团队能够更快地找到 bug，提高回归测试的效率，并最终加速芯片的上市时间。