Synopsys et Nvidia : La révolution du GPU dans la conception de puces

L’industrie des semiconducteurs vient de franchir un point d’inflexion massif. Pendant des décennies, les outils d’automatisation de la conception électronique (EDA) utilisés pour concevoir des puces ont fonctionné principalement sur des processeurs. Mais alors que nous nous rapprochons des limites physiques du silicium avec des processus de 2 nm et 3 nm, la charge computationnelle est devenue un goulot d’étranglement.

Entrez le partenariat stratégique Synopsys et Nvidia. Annoncé aujourd’hui, cette collaboration marque le premier déploiement global des outils EDA accélérés par GPU, promettant d’accélérer les cycles de conception des puces par des ordres de grandeur.

Ce n’est pas seulement une mise à niveau ; c’est un changement de paradigme. Voici pourquoi cela compte.

L’accroche : Pourquoi cela change tout

La conception d’un processeur phare moderne implique de simuler des billions de transistors et de vérifier leur comportement sous des scénarios infinis. Traditionnellement, cela nécessitait d’énormes fermes de serveurs CPU fonctionnant pendant des semaines.

Synopsys fait maintenant pivoter toute sa suite d’outils de conception pour fonctionner sur la plateforme CUDA de Nvidia et les superchips GH200 Grace Hopper. Le but ? Simulations jusqu’à 100 fois plus rapides.

« Ce partenariat sera révolutionnaire pour l’ensemble de l’industrie », a déclaré le PDG de Nvidia, Jensen Huang. « Nous sommes en mesure d’apporter l’informatique accélérée par GPU au secteur industriel du monde pour la toute première fois. »

Pour le consommateur, cela signifie des cycles d’innovation plus rapides. Les puces de votre téléphone, ordinateur portable et voiture pourraient devenir plus puissantes et efficaces, plus vite que jamais auparavant.

Analyse technique : Sous le capot

Le cœur de cette annonce est l’intégration de la pile EDA de premier plan de Synopsys avec les bibliothèques de calcul accéléré de Nvidia.

1. Simulation accélérée par GPU

Synopsys VCS, la norme de l’industrie pour la vérification, peut maintenant décharger d’énormes charges de travail de simulation parallèle sur les GPU Nvidia. Contrairement aux processeurs, qui excellent dans le traitement en série, les GPU sont conçus pour le type de parallélisme massif nécessaire pour simuler des milliards de portes simultanément.

2. Optimisation pilotée par l’IA

Au-delà de la vitesse brute, le partenariat exploite les cadres d’IA de Nvidia pour optimiser automatiquement les mises en page des puces (placement et acheminement). Synopsys.ai, la suite EDA pilotée par l’IA de l’entreprise, fonctionnera maintenant nativement sur Nvidia DGX Cloud, lui permettant d’apprendre des conceptions précédentes pour prédire et prévenir les erreurs avant qu’elles ne se produisent.

3. Accélération de la photolithographie

La lithographie informatique - le processus mathématiquement lourd de simulation de la façon dont les motifs lumineux s’impriment sur le silicium - est l’une des charges de travail les plus exigeantes en calcul au monde. En déplaçant cela vers les GPU (en utilisant cuLitho de Nvidia), Synopsys revendique un bond de performance de 40 fois sur les méthodes actuelles basées sur le processeur.

Contexte : Le goulot d’étranglement du processeur

Pour comprendre l’ampleur de cela, vous devez regarder l’histoire de l’EDA.

• 1980-2020 : Les outils EDA ont été écrits pour les processeurs. À mesure que les puces devenaient plus complexes, nous avons simplement ajouté plus de cœurs de processeur.
• Le problème : La loi de Moore pour les processeurs a ralenti, mais la complexité des puces en cours de conception explose (grâce à l’IA).
• La solution : Nous devons utiliser les puces d’IA que nous construisons pour concevoir la prochaine génération de puces d’IA. C’est un cycle vertueux.

Ce mouvement valide la thèse de « l’informatique accélérée » que Jensen Huang prêche depuis des années : l’informatique à usage général (processeurs) a atteint un mur pour ces charges de travail spécifiques et à forte intensité.

Impact : Activer l’ère Angstrom

Nous nous rapprochons de l’« ère Angstrom » (nœuds plus petits que 1 nm). À cette échelle, les effets quantiques et les écarts physiques rendent la conception incroyablement difficile.

• Pour les fabricants de puces (Intel, AMD, Apple) : Ils peuvent itérer plus rapidement. Un bug qui prenait une semaine à simuler pourrait maintenant être trouvé en une heure.
• Pour l’IA : De meilleures puces signifient de meilleurs modèles d’IA. Ce partenariat accélère le matériel qui alimente ChatGPT, Gemini et tout ce qui vient après.
• Pour l’énergie : L’accélération GPU est beaucoup plus efficace énergétiquement pour ces charges de travail, abaissant potentiellement l’empreinte carbone des centres de données de conception de puces.

Conseils d’achat : L’avis de l’investisseur

Bien que nous ne donnons pas de conseils financiers, les implications du marché sont claires.

• Synopsys (SNPS) : Cela consolide leur leadership. En étant le premier à adopter pleinement la pile de Nvidia, ils créent un fossé contre les concurrents comme Cadence (bien que Cadence se déplace également dans cette direction). Ils sont les « pioches et pelles » pour la ruée vers l’or de l’IA.
• Nvidia (NVDA) : Cela élargit leur TAM (Marché total adressable) dans l’espace des logiciels industriels. Il ne s’agit plus seulement de vendre des GPU pour l’entraînement des LLM ; il s’agit d’alimenter le logiciel qui construit le matériel.

Le verdict : C’est un signal haussier pour toute la chaîne d’approvisionnement des semiconducteurs. Si vous suivez le « cycle du silicium », c’est la mise à niveau du moteur qui alimentera la prochaine décennie de croissance.

Sources

• Nvidia and Synopsys Announce Strategic Partnership (VMblog)
• Synopsys Investor Relations
• Jensen Huang on CNBC