FPGA人工智能时代的引擎!

引言：这是FPGA最好的时代，也是芯片技术最好的时代。我们相信，芯片作为人类文明史上最重要的成就之一，会继续推动更多的社会进步与技术创新。FPGA作为一种重要的芯片类别，将会在人工智能、大数据、云计算等多个领域不断焕发新生。而FPGA蕴含的技术思想，也将持续启发一代代智慧的研究者不断创新！

什么是FPGA？

FPGA叫“现场可编程逻辑阵列”，它本质是一种可编程的芯片。人们可以把硬件设计重复少些在他的可编程存储器里，从而使FPGA芯片可以执行不同的硬件设计和功能。另外，你也可以使用现场动态的改变它上面运行的功能，这就是为什么它们被称作现场可编程的原因。事实上，你可以每隔几秒就改变一次FPGA芯片上运行的硬件设计，因此这种芯片非常灵活。

处理器围绕一个CPU构建，一个CPU一次执行一个操作。此外，处理器通过以顺序方式执行指令来完成其任务，这意味着处理器的操作本质上受到限制：所需的功能必须适应可用的指令，并且在大多数情况下，不可能同时完成多个处理任务。指令集的设计非常通用，现在可以在极高的频率下执行指令。然而，这些特性并没有消除基于软件的数字设计方法的缺点。

替代方案是基于硬件的方法。如果每个新设计都可以围绕实现系统所需的确切功能的数字IC构建，那将是非常方便的：无需编写软件，无指令集限制，无处理延迟，只需一个具有输入引脚的IC ，输出引脚和数字电路精确地对应于必要的操作。

FPGA 通过什么实现可编程？

CLB（可配置逻辑模块），构成了FPGA可编程逻辑功能的核心。CLB需要彼此互联并与外部电路交互，出于这些目的，FPGA使用可编程互连和输入/输出（I / O）块矩阵。FPGA的“程序”存储在SRAM单元中，这些单元影响CLB的功能并控制建立连接路径的开关。通过硬件描述语言（HDL）最常见的两种VHDL和Verilog，去告诉硬件怎么做。

• 优点

• 可编程

• 灵活

• 低功耗

• 成本低

FPGA和CPU，GPU三者之间的区别？

CPU的工作方式基于一系列的计算机指令（指令集），CPU从内存中取一小部分数据放到寄存器或缓存中，使用一系列指令对这些数据进行操作，操作我牛逼后，将数据写回内存，提取另一小部分数据，再用指令进行操作，周而复始。”时域计算“，但有一个弊端就是在高速网络中当需要指令控制执行的数据集太大时，CPU不仅要处理复杂的指令，还要处理数据，根本忙不过来。

GPU、被称作是”单指令多数据流（SIMD）“的并行处理，实际上就是，在GPU中有着一堆相同的计算核心，可以处理类似但并不是完全相同的数据集，因此，可以使用一条指令，就让这些计算核心执行相同的操作，并且平行的处理所有数据。

FPGA、它实际上是CPU计算模型的转置。与其将数据锁定在架构上，然后使用指令流对其处理，FPGA将“指令”锁定在架构上，然后在上面运行数据流。，实际上就是将某种计算架构用硬件电路实现出来，然后持续的将数据流输入系统，并完成计算。可编程，可配置，就是修改控制数据流向的逻辑。

通俗理解

ASIC(定制化芯片): 比如商场里线程的玩具模型，小汽车、城堡等，这些买来就可以玩，是厂家给你做好的。喜欢什么就买什么，买了四个轮子的小汽车，发现四个轮子不好玩，其实想要三轮车，这就没办法，你只能再去掏钱买。

CPU或者ARM：买了一台游戏机，玩什么游戏另外插卡。没有游戏卡，就是废铁。

FPGA：相当于乐高积木，买来的是以大堆零件（FPGA里的IOB、SLICE、blockram等），车轮、屋顶这些零件集成度很高（相当于FPGA里的DCM、DSP等）；玩家根据图纸，可以搭出多种样式的模型。可以根据喜好想做成什么做成什么。

人工智能的发展

当前，人工智能有了很大的发展，而这很大程度上归功于深度学习技术的发展。人们逐渐认识到，当你有了深度学习算法、模型，并构建了深度神经网络时，需要足够多的数据去训练这个网络。只有加入更多的数据，才会让深度神经网络变的更大、更好。通过使用深度学习，我们在很多传统的AI领域取得了长足的进展，比如机器翻译、语音识别、计算机视觉等等。同时，深度学习也可以逐步替换这些领域发展多年的专用算法。

评价AI的几个维度：时延 处理速度 成本

5G 与 FPGA 有什么关联？

5G时代用的频率很可能从4G时代的1.8G提升至3.5G，这意味着其频率穿透性会变差，衰减也会更快，基站覆盖范围要远小于3G、4G基站。有数据显示，一个3G基站可以覆盖的区域可能需要4-5个5G基站覆盖。高通曾在旧金山做过实验，0.1个平方公里的区域，需要部署174个2.8G频段的小基站，然后才能达到5G的服务标准。这意味着需要运营商需要购买数倍的基站。

5G 网络的典型特点包括高速度、泛在网、低功耗、低延时，以及更高的可扩展性、智能性和异构性。为满足这些新的要求，5G 网络必须采用许多新的技术，比如海量 MI-MO、云 RAN、新的基带和 RF 架构 等，而这些新的技术存在不确定性和较长的优化和迭代过程，而且市场上短期内没有形成统一的方案， 在网络应用和运维通过较长时间达到最优之前，都需要 FPGA 方案解决。FPGA 两大国际巨头赛灵思和英特尔都将 5G 通信作为未来几年的战略方向之一。

什么驱动了FPGA的发展？

摩尔定律失效

摩尔定律,当价格不变时，集成电路上的元器件数目每隔1-2年就会翻一倍，性能也会增加一倍。现在纳米技术到达了瓶颈，导致了摩尔定律的失效。

数据量大，面对更多的数据和更复杂的计算，需要更快处理速度和算力，CPU已经不能够支持。

5G时代的到来，基建的建设，带动了人工智能的发展，数据量的增大，低延时，超强酸锂等等这些需求，都促使着FPGA的发展。

随着发展，处理速度的需求，能不能将多个FPGA像软件的集群一样，形成一个FPGA集群网络，不同的FPGA可以有不同的功能，如果用来模拟神经网络，不同的芯片来模拟复杂的神经元，形成一个大的神经网络.

精彩推荐 至芯科技12年不忘初心、再度起航11月12日北京中心FPGA工程师就业班开课、线上线下多维教学、欢迎咨询！ FPGA与CPU、GPU、ASIC的区别，FPGA在云计算中的应用方案 FPGA基础知识扫码加微信邀请您加入FPGA学习交流群

欢迎加入至芯科技FPGA微信学习交流群，这里有一群优秀的FPGA工程师、学生、老师、这里FPGA技术交流学习氛围浓厚、相互分享、相互帮助、叫上小伙伴一起加入吧！

点个在看你最好看

---

原文标题：FPGA人工智能时代的引擎!

文章出处：【微信公众号：FPGA设计论坛】欢迎添加关注！文章转载请注明出处。