全屏网站网址,青岛模板建站,dedecms确定网站风格,如何构思公司网站来源#xff1a;AI前线作者#xff1a;Oskar Mencer 等译者#xff1a;盖磊策划#xff1a;陈思FPGA 自上世纪 80 年代进入市场以来#xff0c;就与通用 CPU、ASIC 乃至 GPU 竞争共存。FPGA 的低功耗、可编程、规格适中等特性#xff0c;使其在市场中占据一席之地。本文分… 来源AI前线作者Oskar Mencer 等译者盖磊策划陈思FPGA 自上世纪 80 年代进入市场以来就与通用 CPU、ASIC 乃至 GPU 竞争共存。FPGA 的低功耗、可编程、规格适中等特性使其在市场中占据一席之地。本文分析了通信、HPC、数据中心等多个领域的现状对市场、价格和竞品对比等方面进行了概要分析并预测了 FPGA 未来的一些发展方向对了解 FPGA 提供了很好的参考。本文概要总结了 2019 年 9 月在斯坦福大学一次三小时讨论情况其中汇聚了来自多家企业和研究机构的实践经验包括 Zilog、Altera、Xilinx、Achronix、Intel、IBM、Stanford、MIT、伯克利、威斯康星大学、Technion、Fairchild、贝尔实验室、Bigstream、谷歌、DIGITALDEC 、SUN诺基亚、SRI、日立、Silicom、Maxeler Technologies、VMware、施乐 PARC、思科等。上述各家并不对本文内容承担任何责任只是在某种程度上激发了作者们的思考进而构成了 FPGA 的多维发展之路。FPGA现场可编程门阵列Field-Programmable Gate Arrays) 自诞生以来就与 ASIC 社区纠缠不清。上世纪 80 年代中期Ross Freeman 及其同事从 Zilog 处购买了该项技术初创了面向 ASIC 仿真和教育市场的 Xilinx 公司。Zilog 来自于埃克森美孚石油公司其创立源自于上世纪 70 年代人们对石油将在 30 年内耗尽的担忧——尽管时至今日这一说法依然大行其道。几乎与此同时以类似技术为核心的 Altera 成立。FPGA 是支持电路编程的芯片实现对该电路的“仿真”。对于 ASIC 中的实现这种仿真的运行性能要慢于实际的电路。它的时钟频率更低耗能更高但可以每几百毫秒重新编程一次。FPGA 用于在 ASIC 制造商做光罩并提交工厂制造前仿真 ASIC。Intel、AMD 等企业在芯片生产前使用 FPGA 仿真芯片。电信领域的争夺FPGA 一直在电信行业大量使用。由于电信标准的不断变化增加了电信设备的制造难度因此能率先给出电信解决方案的企业往往会占领最大的市场份额。ASIC 的制造周期很长而 FPGA 提供了一种快捷方式。电信设备开始在初期版本上采用 FPGA这引发了 FPGA 价格的波动。尽管 ASIC 仿真市场并不受 FPGA 价格的影响但芯片的价格对电信企业却至关重要。多年前ATT 和朗讯制造了自己的 FPGA称为 ORCA优化的可重配置单元阵列optimized reconfigurable cell arrays。但与 Xilinx 或 Altera 相比它们在硅片的速度和规格上并不具有竞争优势。如今华为已成为 FPGA 的最大客户。美国制造的 FPGA 可能正是中美之间最近的紧张关系的导火索。这些芯片令华为在 5G 电信设备交付上占据优势领先世界上其他任何准备参与竞争的供应商达两年。FPGA 价格之争FPGA 很早就用于 SDR软件无线电software-defined radios。SDR 技术可同时支持多种通信标准的无线电类似于一部可讲多种语言的电话。这一次 FPGA 遇上了麻烦因为 SDR 技术走上了两条不同的采用道路。一方面商业供应商基于成本效益考虑开发了很多解决方案并在当前地球上所有的基站都部署了 SDR 技术。另一方面在国防领域大型国防承包商是为了保护有利可图的传统产品线而构建 SDR 的。这导致基于 FPGA 的无线电产品的价格居高不下以至美国的部分国防市场一直抵制它们的应用。下一步FPGA 试图进入 DSP 和嵌入式市场发展开始推出部分使用硬核微处理器的 FPGA。但销售这些新型 FPGA 的压力很大以至于如果客户拒绝这一新系列的芯片就会被芯片厂商列入黑名单有时甚至会拒绝提供服务数月。鉴于 FPGA 企业攻克新市场频频失败FPGA 市场的增长压力依然巨大。因为 FPGA 的芯片面积巨大涉及的知识产权众多所以 FPGA 产品难以降低价格。在 HPC 和数据中心领域碰壁在过去数年中FPGA 试图在 HPC高性能计算和数据中心市场中发展。2017 年微软宣布在数据中心使用 Altera FPGA而英特尔则收购了 Altera。2018 年Xilinx 宣布了其“数据中心优先”战略。其 CEO 面对广大分析师时宣称 Xilinx 不再是一家单纯的 FPGA 企业。这颇具戏剧化但这是历史必然。在 HPC 和数据中心使用 FPGA主要障碍在于布局布线place route即运行 FPGA 供应商特定软件将电路映射mapping为 FPGA 元件所耗费的时间。针对大型 FPGA使用快速的 CPU 服务器布局布线耗时可能多至三天。并且在很多情况下三天之后软件依然无法找到映射。在石油天然气领域碰壁2007 年前后石油和天然气领域的应用形成了利基市场。在传统计算机上模拟钻探地球发现石油所花费的时间比现场实际施工和钻探的时间还要长。使用 FPGA 加速器极大地改变了这种耗时颠倒的情况。首个用于计算地震图像的石油企业数据中心的 FPGA是由 Maxeler Technologies 制造并交付给 Chevron 的。FPGA 在油气领域的应用经过了数年扩展直到来自 ASIC 产业的压力才让标准的 CPU 技术重新回归。当下预测和仿真在油气领域依然重要地震成像大多使用 CPU 和 GPU 完成不过 FPGA 依然占据了一席之地。我们知道“当前的新事物会成为明日黄花”。当然人工智能和对数据的关注是当前的新事物。尽管如此FPGA 依然是一种进入市场的快捷方式、获取竞争优势的简单方法以及许多关键任务中必不可少的技术。FPGA 的每个芯片价格要比 ASIC 昂贵但是对 HPC 和数据中心而言相比 CPU 和 GPU 而言需要的 FPGA 芯片更少制冷开销更低因此 FPGA 的运行费用要显著低于在 CPU 或 GPU 上运行软件。FPGA 使得数据中心规模更小这会使运营商感到不安因为他们担心自己的数据中心可能会缩水。ASIC vs. FPGAFPGA 的另一用途是作为 ASIC 的补充。构建 ASIC 的目的在于实现固定的功能添加 FPGA 则可为产品的最新更改以及适应不同的市场提供一定的灵活性。现代 FPGA 集成了越来越多的硬核功能变得越来越像是 ASIC。而 ASIC 也时常会在设计中添加一些 FPGA 结构以便于调试、测试、现场修复以及增加添补小功能的灵活性。但 ASIC 团队却一直在与 FPGA 概念做抗争。ASIC 设计师询问“用户需要什么功能”并在得到“我也不确定”的回答后会失去耐心。无人驾驶汽车行业就是这样的一个新战场。由于算法的不断变化并且法律法规可能会在汽车入场时发生变化需要不断对驾驶技术做相应调整这需要灵活可变的解决方案。FPGA 的时钟频率更低、散热片较小物理尺寸小于 CPU 和 GPU。更低的功耗和更小的尺寸使 FPGA 成为显而易见的选择。尽管如此GPU 更易于编程并且不需要耗时三天的布局布线。另一个至关重要的考虑是出于模拟和测试等方面的考虑需要在汽车上和云中运行相同的代码。这样需要 FPGA 必须在云中可用然后才能在汽车中使用。由于上述问题许多开发人员更喜欢选择 GPU。FPGA 的演进FPGA 正处于不断发展中。现代接口正使 FPGA 更易于编程更为模块化更易于与其他技术协作。FPGA 支持 AXI高级可扩展接口Advanced Extensible Interface总线使其更易于编程但也会引入很多严重的效率损失结果降低了 FPGA 的性能最终导致其竞争力下降。一些学术工作提出了解决布线问题的研究例如 Eric Chung 的关于 FPGA 动态网络的论文但是这些先进的理念尚未为产业界所接受。FPGA 是如何连接的对于具有大量数据流的 HPC 工作负载可以使用 PCI Express并部署通信隐藏技术。但是像 NFV网络功能虚拟化network function virtualization这样的小规模但却能同时为大量用户提供服务的工作负载呢VMware 最近的调查结果指出对于 NFV 和虚拟机加速FPGA 必须直接连接到 CPU并使用缓存一致性作为通信机制。当然一个关键的特性是 FPGA 的崩溃不会导致 CPU 崩溃反之亦然。大型技术企业正在重新审视 IBM 大型机时代的需求意图使用标准化平台涵盖越来越多的复杂性。在大众化的企业市场也存在着机会。在提供 FPGA 平台时企业即便没有进行 ASIC 开发的预算也不了解最新的硅制造挑战和解决方案也可以去开发电路并在其产品中建立竞争优势。例如新兴的物联网IoT边缘计算实现在近传感器、显示器端甚至在数据流经过时进行计算。同时FPGA 企业正将技术栈上推直至 CPU 插槽。英特尔在该市场上占据主导地位其掌握了 NFV 特殊指令等技术。在数据中心中添加新 CPU 和 FPGA 的主要障碍不仅是速度和成本还在于所有可能的 I/O 设备的软件和驱动程序是否可用。在数据中心中推行 FPGA 的关键是易用性。例如使用自动工具去驱动 FPGA 的应用避免产生布局布线上的难题。微软率先在大型数据中心中使用 FPGA 来加速 Bing、NFV 和人工智能算法此外还构建了抽象、领域特定语言和灵活的硬件基础结构。在商业上FPGA 的主要问题在于入市策略。构建新的芯片后才去考虑软件就为时已晚了。如何让硬件适应软件而从现有软件中获益这也提供了重新思考 FPGA 架构的机会。但是需要警告的是硅产业是个吞金兽。构建 ASIC 是一种赌注多年持续攀升的扑克游戏。这是一场赢家通吃的比赛在比赛初期就剔除了 FPGA 的威胁。FPGA 正在为硅项目带来额外的不良风险。利基市场正如软件设计师常说“软件能完成的事情就应由软件实现”。ASIC 设计师会说“ASIC 能完成的事情就应由 ASIC 来完成。”最有趣的说法是“如果可以用软件完成那么就不必和一切 FPGA 思维的人打交道了。”相比 ASIC 的团队规模以及全球范围内软件开发人员的规模FPGA 的公司很小社区也很小其中只有一些甚至是古怪的程序员。英特尔正在推进 FPGA 的灵活性。在遵循“构建硬件以运行现有软件”这一原则的公司中英特尔是最成功的一家。FPGA 性能可能比 CPU 和 GPU 更快但是来自产业界和投资界的切实经验教训是自计算机出现以来的绝大多数时间中速度和实时性并没那么重要。很少有人仅仅为了高性能而购买计算机。尽管此事时有发生却不能根据这样的随机事件去建立业务市场。此外FPGA 缺失标准没有开源代码也没有令人愉悦的编程模型。因此并没有标准市场支持可在所有 FPGA 芯片上工作或易于交叉编译的 FPGA 程序。Maxeler Technologies 具有提供此类接口的高级解决方案但广泛的行业采用需要的是信任。信任才能推动技术从早期采用者的玩物发展到让所有人受益但这需要现有数据中心领域供应商的推动和支持。现实中应用的用户会说“我并不在乎具体方法只要能完成我想要做的事情。” 在尚未广泛探索的应用领域中哪些是 FPGA 可一展身手的对于实时计算FPGA 可用于工业界。对于无人机上的计算机视觉FPGA 在重量和功耗上具有优势。在卫星上的硬件升级代价很大对此 FPGA 提供了至关重要的长期灵活性。FPGA 需要的是休戚与共的产品。此类产品必须易于编程光是硬件或软件还不够还需要生态系统需要完整的解决方案。实时编译和自动 FPGA 程序生成是拓宽当前市场局限的好方法。说起来容易但做起来难但是随着人工智能对应用空间的突破越来越多的机会出现了。当前一切皆可由人工智能完成甚至油气领域地震成像等的传统算法也都采用了人工智能。处理人工智能模块需要科学和工程上的解决方案。FPGA 可提供一个很好的出发点从连接 AI 模块开始进而整合到 FPGA 架构中。例如Xilinx 的下一代芯片将人工智能架构、CPU、100G 接口和 FPGA 单元整合到同一个 7 纳米芯片中。从另一个角度来看随着人工智能芯片生成并处理大量数据需要 FPGA 提供大量输入并迅速取走输出。随着用于人工智能处理的新 ASIC 的面世FPGA 将在人工智能芯片公司大展身手。预 测将出现成功的 CPUFPGA 服务器芯片或直接访问 CPU 缓存层次结构的 FPGA。有人赞同有人否定。SoC片上系统system on a chipFPGA 芯片将不断发展壮大带动医疗、下一代电信和汽车等行业。开发人员将使用 FPGA 实现神奇的事情推动世界的进步但对内部存在 FPGA 的事实必须秘而不宣。FPGA 的名称将会保留称为 FPGA 的芯片也会继续出现但是其内部将大相径庭。一旦我们为简化 FPGA 编程而放弃数据流优化FPGA 的性能将降低进而将无法与易于编程的 CPU 竞争。FPGA 将具有动态布线、不断发展的互连以及运行时灵活的数据移动。和 FPGA 之上完整的软件栈一样布局布线软件将会开源。Yosys 和 Lattice FPGA 已经着手于此。所有半导体架构都将组合为融合了 TPU、GPU、CPU、ASIC 和 FPGA 的单个芯片。芯片中可融合所有技术也可融合部分技术。更多的芯片将聚焦于特定应用空间只有少部分实现通用用途。从某种意义上说一切都会成为 SoC。结束语本文阐明了多少问题又提出了多少新问题从这个意义上讲问题是对现有工作方式的挑战。当前的做事方式会影响人们的思维方式进而影响他们的行为方式。但或许更重要的是将影响我们这样开发人员的谋生方式。原文链接https://queue.acm.org/detail.cfm?id3411759未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
