面对各个设计阶段，以及软件、硬件不同的完备程度，团队可以采取不同抽象模型进行架构设计。Genesis 芯神匠提供的三种抽象模型，从最抽象的随机指标建模、系统架构建模、到周期精确建模，分别介绍如下：
随机指标建模
随机指标模型是为了用分析方法了解整个系统，针对潜在问题区域进行细化模型，以进行详细探讨。例如，较高的抽象/统计级别意味着它是在事务级别建模的。此类模型的功能精度范围为 60％ 到 80％，进入被调查元素的交易流的精度范围为 80％。具有详细处理元素的 75％ 至 80％ 的准确流量配置文件足以就峰值利用率，吞吐量或延迟做出有价值的设计决策。
随机指标模型从较为抽象的角度提供了对整个系统的洞察力。在创新方面，沿着平行但又分开的思路进行思考可以深入了解隐藏在细节中的系统构造。如果用户正在进行系统大小的第一级调整以完成系统架构，则统计级别的随机程序建模是正确的选择。
下图是具有三个级别的缓存层次结构的基于示例统计处理器的系统。统计过程是一种行为流，它根据处理器速度生成统计指令流。统计高速缓存分层块接受高速缓存请求，并根据定义的指令延迟请求，还检查高速缓存的命中率和未命中率，以将控制权转移到其他块以进行进一步处理。
随机指标模型
构建硬件，软件，网络和 RTOS 的体系结构模型，以确定技术选项对系统的影响。硬件级别模型的准确度范围为 80％ 到 95％，具体取决于模型的精确程度。
下图是示例硬件级别精度模型，该模型使用时序和功能精确的预构建库模块。在此建模级别上，将执行诸如 PCIe 与 RapidIO 或 LPDDR 与 DDR3 之类的标准的选择。此外，这种方法可以在更详细的粒度级别调整系统属性。
硬件级别架构模型
周期精确建模
在此抽象级别上，模型的准确性接近于实际，对地址数据，控制信号和数据移动将进行详细建模。Genesis 芯神匠具有庞大的周期精确模型库，这些模型已针对供应商时序图进行了验证，可用于解决内存中的数据交换，总线中的缓冲区阈值以及显示事件序列的时序图有关的设计选项。这些报告对于跟踪实现中的错误很有帮助，也可以为验证测试的实现设计者提供依据。
下图是一个周期精确级别架构模型，具有基于跟踪文件的流量生成器，周期精确缓存和 AHB 总线。在此级别开发的模型需要描述具体每个事务。该架构在此阶段是固定的，但属性仍然很灵活配置，例如 DDR3 vs DDR4。
周期精确模型
-889.png)
