對FPGA工程師而言，耗費數月精力做出的設計卻無法滿足時序要求，這是一件令人相當郁悶的事情。一般來說，解決時序問題的方式無非是修改設計源代 碼，并手動進行優化。這樣的傳統設計流程，受限于工程師的經驗，因為修改時很可能會引入新的Bug，或者在解決了一條關鍵路徑的時序問題時，影響到另外一 條關鍵路徑等等，因此并不高效，甚至是徒勞無益的。對于已有的優秀設計實現，并沒有相應機制確保這些經驗能夠應用到下一次設計中，這對公司來說是個極大的 浪費。

　　Plunify 工程師對FPGA設計流程的諸多挑戰感同身受，基于多年的行業經驗開發了FPGA設計優化專家－－－InTime。InTime結合大數據分析和人工智 能，使得工程師可以調動海量服務器級別的資源來改善設計，而不僅是傳統的計算能力有限的單一計算機。這極大地增強了每個工程師的設計實現和解決問題的能 力，使其能夠關注于設計大局，而不是止步于代碼修改。憑借“InTime”這一開創性軟件，Plunify公司也順利成為了Altera全球合作伙伴中的 一員。

Plunify公司聯合創始人張偉雄

　　Plunify公司聯合創始人張偉雄表示，InTime軟件借助于計算資源和機器學習技術，快速地生成解決設計問題的優化策略，可以為工程師節省將近10倍的開發時間。

　　那么InTime到底是一款怎樣的設計軟件呢？據張偉雄介紹，InTime其實是一個針對FPGA綜合與布局布線問題的專家軟件，它的獨特價值在于，可以自動尋找不同的工具參數設置組合，搜索最優解決方案，在無需修改RTL代碼的前提下，即可滿足時序要求。

　　InTime：為FPGA時序設計量身打造的優化軟件

　　隨著大型器件的普及和設計功能復雜度的變化，滿足時序要求變得更加困難，這不僅延長了產品上市周期、也增加了開發成本，包括人力資源成本。 Plunify公司的聯合創始人張偉雄先生指出：“Altera認可我們的產品也是基于這個考慮：能夠幫助客戶更快、更好的地完成設計。例如在設計收尾階 段，用戶會面臨來自項目進度的巨大壓力。而InTime自身的優勢使其能助用戶一臂之力。”

　　張偉雄表示，InTime內置了很高的智能，它會從宏觀的角度來檢查設計，并理解設計結果、FPGA器件和工具參數之間的互相關系，而不僅僅局限于設 計的關鍵路徑。首先，InTime會理解設計特點，例如設計類型，然后采用正確的FPGA工具設置組合，這些組合也稱為“ 策略” ， 是InTime 融合了機器學習和大數據分析算法而生成的。策略能協助設計師解決問題，讓項目實現最好的結果。

　　張偉雄進一步指出，InTime安裝快速、使用方便。“InTime支持業界通用的LSF（負載共享系統）、SGE（Sun Grid 引擎）等。此外，大型工作站互聯網絡通常十分繁忙，需要一個機制來確保任何一個程序的運行不會占用過多的資源。作為InTime主程序的助 手，InTime Agent插件能幫助實現這一目標。Agent負責協調服務器計算資源，分配作業并監測運行情況，定時上報各工人服務器工作狀態供主服務器決策。比如若主 服務器發現某個工人服務器CPU利用率較高，便不再繼續分配新作業。”

　　業界首次把大數據分析和人工智能結合應用到芯片設計領域

　　張偉雄強調，InTime之所以能夠做到根據項目特點推薦最佳的工具參數組合，除了利用機器學習的功能外，大數據分析同樣起到了至關重要的作用。這也 是業界首次將大數據分析和人工智能結合應用到芯片設計領域的案例。采用大數據分析的優點在于，項目產生的數據量越多，InTime越能從中找出有利于設計 的策略。目前，InTime 的數據庫已累積了超過4萬個小時的測試經驗。利用從不同的設計學到的經驗，InTime不只能推薦最優越的策略，還會從新的編譯結果學習，不斷地自我改 良。InTime 不像“掃種子”，它產生的結果并不是隨機的或不相關。InTime會自動整理不同的結果，然后分析為一體。 這就是說下次的編譯作業，InTime會推薦適當的參數組合，基于之前的結果分析。

　　“另外，InTime可以在多種IT環境下靈活布署。根據用戶計算資源的不同，布署類型包括：1、Linux工作站 ；2、本地PC機 ；3、Linux工作站 ＋本地PC機等三類情況。這使得用戶能夠充分利用現有的計算資源來改善設計，避免額外的投入。”張偉雄補充道。

　　優化設計的最高頻率

　　作為設計出身的創始人，張偉雄先生對于工程師朋友的需求可以說得上是了若指掌。他指出，FPGA 工程師期待能利用現有的器件，提高設計頻率，以達到更為卓越的時序特性。對此，InTime依靠機器計算能力彌補人為經驗的不足。設計者可以在已達到時序 要求的工程上手動調高設計頻率，InTime會嘗試不同的編譯策略組合，尤其是那些與設計頻率關系密切的編譯選項，諸如流水線優化等，根據海量的編譯結果 分析，結合數據庫知識，不斷優化組合，直到達到設定的時序目標。相比于修改代碼，更換更高等級的器件等方式，高效而且極大降低解決問題的的復雜度。