國產突破！芯片設計核心調度器實現完全自主自研！
2023-08-25 12:07:26 速石本篇一共五個章節：
一、介紹一下主角——速石自研調度器Fsched
二、只要有個調度器，就夠了嗎？
三、全面對比：速石研發平臺 VS LSF Suite
四、如果你想嘗試AI——
五、不止半導體領域。。。。
介紹一下主角 速石自研調度器Fsched 01 我們的Fsched調度器到底厲害在哪？
Fsched性能指標 吞吐量： 1000 jobs/second 響應時間： 1 ms 集群規模： 單個Fsched集群能夠支持的最大節點數：1000 單個Fsched集群能夠支持的最大CPU核數：30000
02 代碼級技術支持有什么不一樣？ 03 Slurm之上，我們還做了什么？ 只要有個調度器 就夠了嗎？
答案自然是否定的。
為什么？
或許，我們可以換個角度來回答這個問題。
就像汽車出現之前，用戶的期望永遠是——1匹更快的馬一樣。
在當下芯片設計研發領域，我們如果把調度器類比馬，那么汽車是什么呢？
我們給大家簡單描繪一下：
一個站在整個芯片設計研發體系和架構視角來滿足EDA行業用戶性能、功能、體驗的產品。
1. Ta是完整的一體化產品，功能緊密耦合，且經過層層實戰考驗；
2. Ta解決的是完整生命周期的芯片設計業務問題，調度器只是其中一個模塊；
3. Ta具有對企業未來發展的彈性，能擴展至不同規模和更多業務路線，比如AI。
而這，正是我們與其他很多產品最大的區別之一。
我們的產品在設計之初就是面向EDA應用，服務芯片設計研發業務場景的。這也決定了我們解決問題的出發點永遠是：是否滿足研發業務需求，然后從上至下地解決問題。
01 一整套上中下層聯動的芯片研發環境
我們提供的是一整套上中下層聯動的芯片設計研發環境：
1. 連接上層EDA應用，對應用本身的運行提供支持和優化；
2. 連接底層資源，給用戶提供更靈活，更高效使用資源的能力；
3. 結合EDA應用和底層資源的聯動和適配，給出最佳實踐經驗。
02 功能面向實際業務場景設計和提供
我們的功能都是面向實際業務場景設計和提供的：
1. License調度優化，可幫助企業用戶最大化提升License利用率，更好地規劃License購買策略，控制整體使用成本；
2. 我們能多維度監控任務狀態，提供基于EDA任務層的監控、告警、數據統計分析功能與服務，讓團隊管理者監控各個重要指標變化，從全局角度掌握項目的整體任務及資源情況，為未來項目合理規劃、集群生命周期管理、成本優化提供支持；
3. 日常數據統計與運營分析管理，實現問題可追溯，可追蹤，降低成本，提升整體項目管理效率。
03 交互方式不改變EDA用戶使用習慣
我們的交互方式不改變EDA用戶的使用習慣。原來怎么用，現在還怎么用。
速石研發平臺 VS LSF Suite
半導體行業用戶最熟悉的調度器是LSF，就不多介紹了。
不過，它背后的LSF Suite大家就不一定熟悉了。
來來，我們盤一下，我們速石研發平臺跟LSF Suite的區別是什么？
01 根本區別：設計理念不一樣 02 性價比：速石研發平臺TCO更低
下圖是我們研發平臺與LSF Suite的橫向對比圖，可以清楚地看到，兩者的收費模式差別很大。
我們Fsched調度器是包含在平臺費用里的，相關組件也都是隨產品一起內置的，不單獨收費。
而LSF Suite除了核心調度器按使用核數收費以外，所有功能組件都需要額外收費。
從總擁有成本來看，對用戶來說，速石研發平臺付出的成本更低，獲得的東西更多。還有很多隱性成本沒有列在表格里，比如對接調試時間成本，人工成本，售后支持成本等等。
總結一下，我們跟LSF Suite的五大主要區別：
如果你想嘗試AI——
路線一：AI+EDA工具
Synopsys、Cadence與Siemens等公司紛紛在其最新工具中使用了AI技術，覆蓋先進數字與模擬芯片的設計、驗證、測試和制造環節，讓開發者在芯片開發的每一個階段都可以采用借助AI的自主學習能力，提供芯片設計生產力。
當然，越來越多EDA工具也支持借助GPU進行運算加速。
路線二：AI算法模型訓練
Google研究人員使用10,000個芯片布局圖來訓練他們的深度學習模型——PRIME，人工智能生成的芯片的設計時間不到六個小時。
而NVIDIA設計了另一種用于芯片設計的深度學習方法——PrefixRL模型，NVIDIA使用其RL工具設計的電路比人類使用當今EDA工具設計的電路小25%，但性能相似。
路線一需要支持全流程EDA工具的一整套研發環境，以及構建異構資源（CPU+GPU、本地+云上）的調度及管理平臺的能力。
路線二需要的支持企業從ML/LLM模型構建、大規模訓練到最終部署需求的MLOps模塊。
我們都有。
另外，我們剛剛發布的一款行業知識庫聊天應用Megrez，面向企業客戶提供大語言模型的私有化部署能力，允許用戶自定義行業知識庫，實現領域知識的問答。
Megrez基于芯片設計領域提供的支持
不止半導體領域。。。。
在半導體以外的其他行業，如生命科學、汽車/智能制造，我們也表現不錯：
汽車/智能制造
這樣跑COMSOL，是不是就可以發Nature了
LS-DYNA求解效率深度測評 │ 六種規模，本地VS云端5種不同硬件配置
怎么把需要45天的突發性Fluent仿真計算縮短到4天之內？
從4天到1.75小時，如何讓Bladed仿真效率提升55倍？
生命科學
王者帶飛LeDock！開箱即用&一鍵定位分子庫+全流程自動化，3.5小時完成20萬分子對接
1分鐘告訴你用MOE模擬200000個分子要花多少錢
155個GPU！多云場景下的Amber自由能計算
提速2920倍！用AutoDock Vina對接2800萬個分子
