随着芯片变得越来越大、越来越复杂，接口越来越多，并且需要尽早完成硬件和软件代码集成，仿真和原型设计已成为验证领域必不可少的工具。而由于 5G、自动驾驶、人工智能 (AI)、机器学习 (ML) 和存储系统的重要性日益增加，硬件辅助验证 (HAV) 更是成了一项强制性投资。
● 为了解决 5G 设计的验证问题，有一套全面的、与从硅前知识产权 (IP) 模块级别开始一直到硅后测试实验室的流程集成在一起的工具非常必要。 ● 随着自动驾驶技术的不断发展，对高效、准确的原型设计和验证解决方案的需求也水涨船高。整套控制器都需要在现实环境中进行测试，以便对传感、计算和致动组件进行准确测试。 ● 在 AI/ML 芯片中，必须从验证角度、设计容量、设计结构、功耗分析和软件堆栈验证等方面对不同类型的架构进行考量。 ● 存储系统 (SSD和CSD) 的非确定性特性可以从基于仿真的虚拟验证中受益，包括能够高速执行完整的系统验证。
FPGA 特别适合于硬件辅助验证，因为它们具有灵活性和可重构性。其他验证工具很难能像 FPGA 那样有效地应对这些挑战。
运行时性能：
设计人员可以在真实场景条件下快速设计和测试自己的设计，以确保这些设计能够按照预想快速投入使用，从而在设计过程中提供重要的反馈循环。基于 FPGA 的硬件辅助验证实现的运行时性能要比传统 HDL 仿真快 2 到 5 倍。
上市时间：
FPGA 的可重构性使测试更具敏捷性，能够做到实时修改。开发人员可以针对新场景展开测试，并在需要时快速做出修改，从而缩短新芯片的开发过程和上市时间。
系统复杂性：
逻辑密度高的 FPGA 可为系统供应商降低电路板空间要求和复杂性。英特尔® Stratix® 10 GX 10M FPGA 是非常出色的大型 FPGA，具有 1020 万个逻辑元件 (LE) 和 2300 多个 I/O，可实现高级调试和设计调优功能。
可扩展的平台：
基于 FPGA 的仿真和原型设计系统具有可扩展能力。多个 FPGA 可以并行使用，每个 FPGA 对被测设计 (DUT) 的一部分进行仿真。DUT 通过高速 IO 引脚与“外部世界”连接。
高速调试：
基于 FPGA 的仿真也提供了灵活性，因为映射到逻辑资源的 DUT 可以实时重新配置。这样就可以实现高速调试，可见性也比 HDL 仿真要高。
性能和时延虚拟化：
FPGA 还支持基于仿真的虚拟化，使设计人员能够利用实际硅片的 5-10% 进行流片前原型化并评估其性能和时延。
软硬件并行开发：
软件开发和验证可以与硬件验证同时进行，从而缩短高质量产品的设计周期。
精确的功耗分析：
基于 FPGA 的硬件仿真器可以运行实际应用，以获得快速、高效、准确的功耗分析模型。
随着电子设计复杂性的提高，对具有成本和时间效益且可以满足不断增长的速度和准确性要求的验证平台的需求也在增加。基于 FPGA 的仿真和原型设计以其众多优势，近年来越来越受欢迎。与其他技术相比，高密度 FPGA 包含更多的逻辑，因此更适合大型设计。FPGA 具有灵活性、可重构性和可扩展性，能够支持不同的设计要求。它们可以以比其他技术高得多的速度运行，因此是高速设计的理想选择。更重要的是，与其他验证平台相比，FPGA 的单价性能更高，是当之无愧的经济高效的解决方案。
英特尔、英特尔标识、以及其他英特尔商标是英特尔公司或其子公司在美国和/或其他国家的商标。
➤ 更多产品信息
请访问英特尔FPGA官方网站
