最近，AWS宣布Arm将使用AWS进行云计算，包括大多数电子设计自动化（EDA）工作负载。 Arm正在使用基于AWS Graviton2的实例（受Arm Neoverse核心支持）将EDA工作负载迁移到AWS，并正在引领半导体行业的转型，传统上使用本地数据中心来验证半导体设计的计算密集型工作。

为了更有效地执行验证，Arm使用云来运行实际计算场景的模拟，并使用AWS几乎无限的存储和高性能计算基础架构来扩展可以并行运行的模拟数量。自从开始其AWS云迁移以来，Arm将AWS上的EDA工作流的性能时间提高了6倍。此外，通过运行遥测（从远程源收集和集成数据）并在AWS上进行分析，Arm产生了更强大的工程，业务和运营洞察力，有助于提高工作流程效率并优化整体成本和资源。 Arm最终计划在完成向AWS的迁移后，将其全球数据中心的占地面积至少减少45％，并将本地计算减少80％。 Arm将AWS上EDA工作流的执行时间提高了6倍。

此外，通过运行遥测（从远程源收集和集成数据）并在AWS上进行分析，Arm产生了更强大的工程，业务和运营洞察力，有助于提高工作流程效率并优化整体成本和资源。 Arm最终计划在完成向AWS的迁移后，将其全球数据中心的占地面积至少减少45％，并将本地计算减少80％。 Arm将AWS上EDA工作流的执行时间提高了6倍。此外，通过运行遥测（从远程源收集和集成数据）并在AWS上执行分析，Arm可以产生更强大的工程，业务和运营洞察力，从而有助于提高工作流程效率并优化整体成本和资源。 Arm最终计划在完成向AWS的迁移后，将其全球数据中心的占地面积至少减少45％，并将本地计算减少80％。

高度专业的半导体设备正在推动各种功能的持续增长，从智能电话到数据中心基础设施，从医疗设备到自动驾驶汽车。每个芯片可以包含数十亿个晶体管，并且这些晶体管的设计级别可以降低到个位数纳米级别（比人的头发小大约100,000倍），以在最小的空间内实现最佳性能。 EDA是使这种极端工程可行的关键技术之一。 EDA工作流程非常复杂，包括前端设计，仿真和验证，以及越来越大的后端工作负载，包括时序和功耗分析，设计规则检查以及其他准备将芯片投入生产的应用程序。传统上，这些高度重复的工作流程可能需要数月甚至数年才能生产出新设备，例如片上系统，并且具有巨大的计算能力。在本地运行这些工作负载的半导体公司必须不断平衡成本，进度和数据中心资源，才能同时推进多个项目。结果，他们可能会面临计算能力不足的问题，这将减慢进度或承担维持空闲计算能力的成本。

通过将其EDA工作负载迁移到AWS，Arm克服了传统管理的EDA工作流程的局限性，并通过可大规模扩展的计算能力获得了灵活性，从而使其能够并行运行仿真，简化遥测和分析，减少其半导体设计的迭代时间并增加了测试周期，而又不影响交货时间表。 Arm使用Amazon Elastic Compute Cloud（Amazon EC2）通过针对各种专用Amazon EC2实例类型优化EDA工作流来简化成本和时间表。例如，此公司使用基于AWS Graviton2的实例来实现高性能和可扩展性，运行数千台本地服务器，可以带来更具成本效益的运营。Arm使用AWS Compute Optimizer，

除了成本优势外，Arm还利用AWS Graviton2实例的高性能来提高其工程工作负载的吞吐量。与上一代基于x86处理器的M5实例相比，每美元的吞吐量始终提高了40％以上。此外，Arm使用AWS合作伙伴Databricks的服务在云中开发和运行机器学习应用程序。通过在Amazon EC2上运行的Databricks平台，Arm可以在其工程工作流程的每个步骤处理数据，从而为公司的硬件和软件组生成可行的见解，并在工程效率上实现可衡量的改进。

“通过与AWS合作，我们专注于提高效率和最大化吞吐量，从而为我们的工程师提供了宝贵的时间专注于创新，” Arm IPG总裁Rene Haas说道。 “现在，我们可以将AWS Graviton2实例与基于Arm Neoverse的处理器一起在Amazon EC2上运行。我们正在优化工程流程，降低成本并加快项目进度，使其比以往任何时候都更快，更经济。为我们带来强大的成果客户。”

” AWS提供了真正弹性的高性能计算，无与伦比的网络性能和可扩展存储，这是下一代EDA工作负载所必需的，这就是我们乐于与Arm合作运行我们的原因基于臂的Graviton2处理器为EDA工作负载提供了强大的支持。” AWS全球基础架构和客户支持高级副总裁Peter DeSantis说道。 “与当前基于x86的实例相比，Graviton2处理器可提供高达40％的价格优势。”