1. 验证自动化与回归平台工程导论

在数字芯片验证中，真正决定项目能否按期收敛的，往往不是某一条测试用例写得多么精巧，而是每天能否稳定、可重复、可追溯地跑完成千上万条用例，并在最短时间内把失败定位到具体的设计、验证环境或工具问题上。这正是验证自动化与回归平台工程要解决的核心问题。本章作为全课程的开篇，先建立一张“全景地图”：Synopsys 验证工具链由哪些环节构成，自动化与回归平台在其中扮演什么角色，以及本课程最终要交付什么。

一、Synopsys 验证工具链全景

Synopsys 的验证工具链可以按“设计输入—激励产生—仿真执行—结果检查—覆盖率收敛—调试定位”这条主线来理解。典型工具与职责如下：

• VCS：Verilog/SystemVerilog 编译与仿真引擎，负责把 RTL 与验证平台编译为可执行仿真镜像并运行，是回归执行的计算核心。
• Verdi：波形与源代码联合调试工具，通过 FSDB 波形、信号驱动追踪和 nTrace 快速定位失败原因。
• VCS Coverage / URG：收集代码覆盖率、功能覆盖率与断言覆盖率，URG 负责合并多轮回归的覆盖率数据库并生成报告。
• VCS NLP / 形式验证工具：对局部模块做形式化证明，补充动态仿真难以覆盖的边界场景。
• VC Formal、VC SpyGlass：分别面向形式属性验证与静态检查，用于早期发现结构性问题。
• VCS X-prop、UPF 低功耗仿真：处理 X 传播与低功耗域验证，属于回归中需要单独配置的专项任务。

这些工具并非孤立运行。一次完整的回归，通常由脚本驱动 VCS 编译、分发仿真任务、收集日志与覆盖率、调用 Verdi 生成可调试波形，再由 URG 汇总覆盖率。工具链的“接口”就是文件、日志、数据库和退出码，而自动化平台的价值，正是把这些接口串成一条可管理、可观测的流水线。

二、自动化与回归平台的核心价值

很多团队在项目初期靠“手工点仿真”也能推进，但一旦设计规模上升、用例数量过千，问题就会集中爆发：谁在跑、跑到哪、失败的是设计 bug 还是环境问题、覆盖率到底涨没涨。回归平台的价值可以归纳为四个可量化的维度。

第一，可重复性。每条用例的编译选项、仿真参数、随机种子、运行目录都被固化在配置中，任何人任何时间重跑，结果一致。这消除了“在我机器上是过的”这类争议。

第二，并行吞吐。假设单条用例平均仿真 8 分钟，共 1200 条，串行需要 9600 分钟，约 6.7 天。若用 64 个计算核并行，理论墙钟时间约 150 分钟，实际考虑调度与长尾用例，通常能压到 3～4 小时，实现“一夜回归”。

第三，失败可分类。平台把失败自动归为编译失败、仿真超时、断言失败、比对失配、覆盖率未达标等类别，并附带日志片段与波形路径，把调试入口直接推给工程师。

第四，趋势可观测。每天记录通过率、失败数、覆盖率、运行时长，形成趋势曲线。当通过率从 98% 掉到 91%，平台能在报告中直接标出新增失败用例清单，而不是等人去翻日志。

三、课程项目目标与交付物定义

本课程以一个贯穿始终的示例项目为载体：一个中等规模的 SoC 子系统验证环境，包含 RTL、UVM 验证平台、约 200 条测试用例，以及一套需要从零搭建的回归平台。课程结束时，你应当能够独立完成以下交付物。

需要强调的是，这些交付物不是“文档作业”，而是平台真实运行时产生的配置、脚本和报告。课程中的参数、用例数量和运行时间均为教学示例，实际项目中应按团队规模与机器资源调整。

四、从工具到平台：本课程的学习路径

后续章节将沿着“工具使用—脚本自动化—平台工程—回归优化”的路径展开。你会先掌握 VCS 编译与仿真、Verdi 调试、覆盖率收集这些基础操作，再学习如何用脚本把它们串起来，最后进入任务调度、并行分发、失败分类、覆盖率趋势分析等平台级主题。每一章都会围绕真实对象和可执行操作展开，而不是停留在概念介绍。

本章建立了全局认知：Synopsys 验证工具链提供编译、仿真、调试、覆盖率等能力；自动化把这些能力从手工操作变为可重复流程；回归平台则进一步把流程组织为可调度、可观测、可追溯的系统。接下来，我们将从最基础的 VCS 编译与仿真开始，逐步搭建属于你自己的验证自动化与回归平台。