在加速AI算法上，FPGA具有更高性能和灵活性

当前许多行业都采用人工智能来解决棘手问题，包括工业制造领域，随着工业4.0在2010年代早期进一步演进，AI在制造环境中的重要性与日俱增。

如今，许多应用都会利用AI来促进制造和业务经营、流程、安保和供应链等更加流畅高效。通过运用预测性算法，AI可以监控设备状况，优化维护日程，最终还能预报机械故障。

在持续兴旺发展的工业4.0和正在演进的工业5.0中，AI依然是一个重要的组成部分。然而，AI算法的蓬勃发展离不开实时数据。

与4G相比，5G网络可提供100倍的带宽和500倍的信道数量。5G网络与IoT结合之后，海量的输入数据在计算机领域中引出了一种新范式，即对数据加速器的需求。

FPGA在加速AI算法上的独特优势

数据加速的赛场上有三种各异的硬件方式，即GPU、FPGA和定制ASIC。ASIC的效率与性能最为出色，但功能完全固定，缺乏必需的灵活性，无法适应AI算法的变化、新兴技术的参数改动、供应商要求和负载优化。

GPU是传统核心数据中心的主力，仅限于纯粹运算这样的使用场景，而不能提供大多数场景中需要利用到的联网与存储加速的能力，并且能耗和成本较高。

FPGA可以加速联网、运算和存储，速度与ASIC相仿，也具备了必需的灵活性，能够为如今的核心与边缘数据中心提供理想的数据加速。

除了数据加速之外，FPGA还将在传感器融合和传入数据流合并等领域发挥关键作用，为数据消费打下了坚实的基础。

“FPGA提供了类似于ASIC的性能和比图形处理器（GPU）更高的灵活性。”Achronix产品营销高级经理Tom Spencer在接受电子发烧友采访的时候说到。

Achronix产品营销高级经理Tom Spencer

Achronix的产品解决AI/ML硬件中的普遍痛点

Achronix是一家高性能的现场可编程逻辑门阵列（FPGA）技术供应商，该公司不仅可以提供FPGA芯片解决方案，还能提供嵌入式FPGA（eFPGA）半导体知识产权（IP）。

包括与云计算和企业数据中心匹配的Speedster7t系列FPGA产品，以及通过集成到专用集成电路（ASIC）或系统级芯片（SoC）之中，进入到嵌入式应用的Speedcore嵌入式FPGA IP。

通过这样的产品组合，合作伙伴都可以为其人工智能/机器学习（AI/ML）解决方案找到合适的解决方案。

值得关注的是，Achronix的产品结合了三个关键的构建模块，可以解决当前AI/ML硬件中的普遍痛点：存储带宽、计算吞吐量和片上数据传输。

据Tom Spencer介绍，Achronix在其FPGA中率先利用二维片上网络（2D NoC）来连接所有其他功能块、I/O接口和FPGA逻辑阵列，这种新的内部通信设施即二维片上网络拥有20Tbps的双向带宽，这使得Speedster7t器件在整个FPGA市场在片上可以实现最快的数据传输。

同时，通过充分考虑当前各种机器学习和神经网络模型所需的计算资源，Achronix开发了一种独特的乘法和累加模块，并将其称为机器学习处理器或MLP。

MLP使用自己的内置存储器以实现极低的延迟，可以在一个时钟周期内执行多达32次乘法运算和1次累加运算。在Speedster7t系列AC7t1500 FPGA芯片中有超过2500个MLP，实现高达61 TOPS计算能力。

但是如果没有足够的存储器来支持计算资源，无论是MLP还是2D NoC都是不完整的，Achronix的7t1500 FPGA器件可以提供多达8个GDDR6控制器，总带宽为4Tbps。

结语

在解决方案中使用刚好足够的FPGA资源提供灵活性，同时强化使用传统ASIC模型不需要灵活性的电路，用户可以获得两全其美的效果，为所有固定功能提供ASIC级别的最高效率和性能，同时保持灵活性，可以适应不断变化的需求、终端用户的独特要求和不断变化的规范。

算法能和灵活性高性

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。