本文由半導體產(chǎn)業(yè)縱橫（ID：ICVIEWS）編譯自semiengineering

不斷增長的應用案例包括生命科學人工智能、減少內(nèi)存和I/O 瓶頸、數(shù)據(jù)準備、無線網(wǎng)絡(luò)以及作為不斷發(fā)展的協(xié)議的保障。

FPGA 在人工智能、高速無線通信、醫(yī)療和生命科學技術(shù)以及復雜的芯片架構(gòu)等領(lǐng)域找到了新的應用，它們可以改善數(shù)據(jù)流。

現(xiàn)場可編程門陣列(FPGA) 使設(shè)計人員能夠在芯片部署后重新編程或重新配置數(shù)字邏輯，這在人工智能領(lǐng)域至關(guān)重要，因為算法的更新速度遠超芯片架構(gòu)的更新速度。FPGA 的前期成本較低，因此可以用作專用集成電路 (ASIC) 等固定功能芯片的原型設(shè)計工具，或作為工作負載確定前的臨時解決方案。但由于其制造成本較高，F(xiàn)PGA 通常用于小批量、高性能的特殊應用，例如戰(zhàn)斗機或?qū)嶒炇覝y量設(shè)備。

盡管如此，F(xiàn)PGA市場仍在不斷擴大。新的應用領(lǐng)域包括：

• 基于云的服務(wù)器能夠?qū)碗s的算法從數(shù)據(jù)中心卸載到醫(yī)療和科學應用中，這些應用涉及3D 數(shù)學；
• 通過混合原型系統(tǒng)進行低成本虛擬硬件驗證；
• 緩解SoC和NoC中的內(nèi)存和I/O瓶頸；
• AI 基礎(chǔ)設(shè)施、數(shù)據(jù)平面管理以及在數(shù)據(jù)到達 CPU 或 GPU 之前對其進行準備；
• 為基站和核心網(wǎng)絡(luò)設(shè)備開發(fā)的5G/6G 芯片；
• 通過橫向產(chǎn)品差異化提供定制化的硬件功能，以及防范安全法規(guī)和威脅的變化。

高端FPGA的主要大批量用戶包括電信公司（無線和有線）、數(shù)據(jù)中心、網(wǎng)絡(luò)以及軍事、航空航天和政府部門。“這些應用領(lǐng)域的年用量從數(shù)千到數(shù)十萬顆不等，”Altera業(yè)務(wù)管理集團負責人Venkat Yadavalli表示?！霸趹妙I(lǐng)域方面，F(xiàn)PGA集成了更多功能，例如嵌入式Arm內(nèi)核和AI張量模塊，這提高了FPGA在更廣泛的嵌入式和邊緣AI應用中的使用率。”

機器人技術(shù)是正在蓬勃發(fā)展的一個領(lǐng)域，它需要確定性的延遲，并利用來自攝像頭和傳感器的異構(gòu)數(shù)據(jù)在邊緣端進行實時決策?！八梢允钦Z音、視頻，或者任何需要傳感器融合的數(shù)據(jù)，”亞達瓦利說道。

另一個重要的應用場景是醫(yī)學成像技術(shù)，從驗光師掃描視網(wǎng)膜到核磁共振成像系統(tǒng)，無所不包。“你需要處理原始的模擬數(shù)據(jù)，對其進行濾波、處理，并用它來重建圖像，還要進行大量的矩陣運算，”AMD自適應和嵌入式產(chǎn)品營銷高級經(jīng)理Rob Bauer表示，“FPGA在這方面表現(xiàn)出色。人工智能引擎非常擅長矩陣運算，因此它們是這類體積成像應用的理想選擇。”

在當今快速變化、高度互聯(lián)且人工智能賦能的環(huán)境中，對于設(shè)計人員應該使用FPGA、ASIC 還是其他類型的 IC，并沒有一個統(tǒng)一的答案。

Arteris公司產(chǎn)品管理和市場營銷副總裁Andy Nightingale表示：“你不會在兩種解決方案之間隨意切換。 你擁有的是多種方案的組合或融合。互連技術(shù)促進并支持FPGA的混合應用，例如用于網(wǎng)絡(luò)安全或緩解I/O瓶頸。FPGA可以實現(xiàn)原型設(shè)計，但客戶可能會在系統(tǒng)中保留某些FPGA，他們可能會說：‘我們希望在SoC中使用定制硬件，但我們會保留一些FPGA技術(shù)，因為這樣做的好處大于定制硬件所需的時間，即使最終發(fā)現(xiàn)規(guī)范或標準發(fā)生了變化。’如果網(wǎng)絡(luò)安全標準發(fā)生變化，他們就必須重新實現(xiàn)和處理，而FPGA可能包含可以重新編程的內(nèi)容。即使功耗方面會有略高的開銷，但它可能不在關(guān)鍵路徑上，因此可以繞過這個問題?！?/p>

在權(quán)衡各種方案時，考慮FPGA中每個邏輯單元的成本很有幫助。“與ASIC相比，你需要一些架構(gòu)設(shè)計才能獲得成本效益，”Yadavalli說道?！芭cASIC或ASSP相比，你總會略微處于劣勢，因為它們的功能是固定的，經(jīng)過精心設(shè)計和優(yōu)化，只實現(xiàn)你所需的功能，而不是讓你自己創(chuàng)建所有可編程性。在這種情況下，你在實現(xiàn)以太網(wǎng)或PCIe方面會有一些額外的開銷。你可以切換所有這些功能。你需要所有這些電路，而這會帶來成本。最終取決于投資回報率，以及市場是否已經(jīng)穩(wěn)定到你需要ASIC的地步?！?/p>

這關(guān)乎于在設(shè)計上做出權(quán)衡，以解決特定問題?！叭绻阌^察FPGA的用戶，你會發(fā)現(xiàn)他們正試圖完成越來越復雜的任務(wù)，”鮑爾說道?！霸谖锢砣斯ぶ悄茴I(lǐng)域，人們正嘗試將人工智能集成到邊緣系統(tǒng)中，從傳感器獲取數(shù)據(jù)并立即進行處理，延遲極低。數(shù)據(jù)速率在不斷提高，安全要求也在不斷提高。這是一個優(yōu)化問題?！?/p>

不斷發(fā)展的算法

AI/ML 模型是一個不斷變化的目標，雖然可以重新編程 FPGA 來匹配它們，但隨著情況的變化，選擇最佳芯片是一個循環(huán)過程。

“如果工作負載經(jīng)常變化，那么我需要通用計算，”Movellus首席執(zhí)行官Mo Faisal 表示?！拔铱梢赃M行更多優(yōu)化，并將其性能發(fā)揮到極致。但最終你會意識到，‘這種高度靈活的通用計算不再有價值。我需要進行定制。我們正處于一個周期，我的問題陳述變化如此之大，以至于我可能通過采用可重編程計算獲得更多收益。’最終，我們會耗盡這方面的潛力，回到過去 ASIC 和 FPGA 的發(fā)展歷程。當然，你可以開發(fā)專門針對 FPGA 的特定算法。例如，如果你想談?wù)劻Ｗ蛹铀倨鞯囊?guī)模，他們使用 10,000 個 FPGA 來處理以特定速率輸出的數(shù)據(jù)。但如果你想大規(guī)模地實現(xiàn)這一點，目前只有 CERN 和費米實驗室。如果你想要 10,000 個 FPGA 呢？你需要重新考慮 FPGA。”

其他人也認為這需要具體情況具體分析?！笆欠袷褂每删幊蘁PGA取決于你面臨的工作負載類型，軟件開發(fā)也是如此，”ChipAgents研究主管張克勛表示。“生命科學領(lǐng)域的研究人員正在設(shè)計不同的模型架構(gòu)。我看到一些領(lǐng)域和方向的模型架構(gòu)探索遠未趨于一致，這就是為什么人們?nèi)匀恍枰幾g器，仍然需要硬件以合理的速度運行其定制的模型架構(gòu)。而FPGA正是在這些領(lǐng)域大放異彩?！?/p>

對于消費市場和其他大眾市場而言，成本和效率結(jié)構(gòu)并不合理。“在數(shù)據(jù)中心，原型設(shè)計或針對非常具體的AI變更，或許能從中受益，”Baya Systems首席商務(wù)官Nandan Nayampally表示?！袄?，如果你從事高頻交易，算法會定期變更，那么就需要進行優(yōu)化。如果我沒有足夠的業(yè)務(wù)量或成本來支持ASIC，那么我可能會堅持使用FPGA。許多新型AI架構(gòu)都采用可編程組件和可編程引擎，集成在同一芯片或多個芯片上，這既能提高效率，又能保持靈活性?！?/p>

在FPGA上，可以根據(jù)FPGA的規(guī)模，構(gòu)建盡可能多的硬連線并行計算單元，只要資源允許即可。“與通用GPU核心相比，F(xiàn)PGA可以根據(jù)您的應用進行定制，”Nightingale說道，“您還可以自定義并行度?！?/p>

用于復雜算法和驗證的虛擬FPGA 機器

基于云的FPGA 也可用于將計算密集型工作負載從數(shù)據(jù)中心卸載，例如，通過使用 Amazon Web Services EC2 虛擬服務(wù)器。“你可以訪問 AWS 并配置一臺虛擬機，”西門子EDA項目總監(jiān)Russell Klein 表示?！斑@是一臺物理機，它配備了所謂的 F2 實例。它內(nèi)置一張 PCIe 卡，上面有八個 Xilinx FPGA，所有這些 FPGA 都可以通過 PCIe 總線與主處理器進行編程。我一直在與他們合作，利用我們的高級綜合工具來對這些 F1 實例進行編程，并告訴他們：‘這里有一個函數(shù)，讓我們通過 PCIe 總線將其推送到 FPGA 架構(gòu)上?！覀儎倓倢崿F(xiàn)了這個功能，我可以獲取一個函數(shù)，通過我們的高級綜合工具對其進行編譯，然后通過 Xilinx 工具將其與處理器上運行的軟件進行交互。”

此外，F(xiàn)2實例還被用于卸載非常復雜的算法。“他們主要在生命科學領(lǐng)域看到這種應用——從事DNA分析或化學反應分析的人員需要處理非常復雜的3D數(shù)學運算，他們負責對FPGA進行編程，并讓FPGA與主機上運行的處理器進行交互，”Klein說道?！八麄兛梢酝ㄟ^PCIe連接將所有這些設(shè)備連接起來，從而加速這些非常復雜的算法。我們將在人工智能領(lǐng)域看到這種應用的廣泛普及，因為它速度更快、能耗更低。這顯然是構(gòu)建更快、更高效的推理和訓練環(huán)境的下一步。這種能力已經(jīng)具備，我們需要讓整個行業(yè)開始利用它?！?/p>

F2實例的另一個應用場景是低成本硬件驗證?！癝iFive剛成立的時候，他們需要在RISC-V設(shè)計上啟動操作系統(tǒng)，才能制造芯片，”Klein說道?！八麄兿氚堰@作為驗證步驟。他們沒有購買FPGA原型系統(tǒng)，而是以每小時6美元的價格在AWS上租用FPGA板。他們可以將一個CPU實例集成到一個芯片上，然后通過編程到多個FPGA和多個板卡上，運行多CPU、多核設(shè)計。他們利用這些數(shù)據(jù)中心CPU搭建了自己的低成本仿真器。AWS對此非常感興趣，并為此開發(fā)了相關(guān)工具，能夠利用系統(tǒng)中的FPGA架構(gòu)建模部分進行邏輯仿真。他們可以將所有這些功能結(jié)合起來運行，速度更快。這就像一個混合FPGA原型系統(tǒng)?！?/p>

圖1. FPGA 長期以來一直被用作 ASIC 的原型設(shè)計工具，例如這款 proFPGA 桌面原型設(shè)計系統(tǒng)。來源：西門子EDA

整張卡都連接到服務(wù)器上的一個處理器?！八麄儠谝慌_服務(wù)器上插入多張這樣的卡，每張卡都插在不同的 PCIe 插槽中，這樣就可以將多個程序連接到多張卡上，”克萊因解釋說?！澳憧梢苑浅？焖俚貑雍完P(guān)閉它。這些是數(shù)據(jù)中心的 FPGA 卡，可以加速硬件驗證、生物科學和人工智能的發(fā)展。這是一種應對我們當今計算挑戰(zhàn)的可行技術(shù)。”

與此同時，F(xiàn)PGA正在助力實現(xiàn)左移設(shè)計?！叭绻憧纯慈斯ぶ悄茯?qū)動下的新芯片開發(fā)呈爆炸式增長，以及2nm等先進制程節(jié)點的成本，就會發(fā)現(xiàn)確保設(shè)計正確性比以往任何時候都更加重要，”AMD的鮑爾表示?！败浖こ虉F隊可以利用這些仿真原型平臺，在最終ASIC芯片流片之前就開發(fā)出相應的軟件?！?/p>

減少瓶頸，數(shù)據(jù)準備

FPGA 還可以通過優(yōu)化數(shù)據(jù)傳輸來幫助減少 SoC 和芯片中的內(nèi)存和 I/O 瓶頸，從而節(jié)省數(shù)據(jù)中心的功耗并提高性能。

Altera 近期選擇 Arteris 來協(xié)助解決這個問題?！癋PGA 可以直接放置在數(shù)據(jù)路徑中來管理數(shù)據(jù)流，從而最大限度地減少緩沖，優(yōu)化吞吐量，”Nightingale 表示?！巴ㄟ^在線管理數(shù)據(jù)，F(xiàn)PGA 可以對傳入的數(shù)據(jù)進行預處理，這減輕了 CPU、GPU 或其他處理單元的工作量，從而緩解了 AI 系統(tǒng)性能中最主要的瓶頸。因此，出現(xiàn)的內(nèi)存和 I/O 瓶頸也得以減少。”

這與在線處理類似，即將FPGA直接嵌入到數(shù)據(jù)流中?！坝捎谌缃襁@些設(shè)備的容量都非常大，你可以在數(shù)據(jù)流經(jīng)的同時對同一批數(shù)據(jù)進行更多處理，”Nightingale說道?！拔覀兛吹紽PGA技術(shù)貫穿整個數(shù)據(jù)傳輸過程，與數(shù)據(jù)處理緊密結(jié)合。”

在數(shù)據(jù)中心，F(xiàn)PGA 被用作帶有本地內(nèi)存的智能網(wǎng)卡?！澳銜龅椒浅｝嫶蟮木W(wǎng)狀拓撲結(jié)構(gòu)，必須能夠快速地將數(shù)據(jù)從一個點移動到另一個點，”Bauer 說?！癋PGA 的可重構(gòu)特性，加上其超高速的連接性、內(nèi)存容量和低延遲，使其非常適合與 AI 計算單元（無論是 GPU 還是 ASIC）并排使用。這樣，客戶就可以精確地定義數(shù)據(jù)的移動位置。我們將大容量內(nèi)存直接放置在計算單元旁邊。在 AI 應用中，內(nèi)存和計算單元的鄰近性至關(guān)重要。這才是高端應用?！?/p>

另一方面，GPU集群或服務(wù)器主板上也使用非常小的FPGA，用于執(zhí)行板級編排、管理和電源時序控制?！拔覀兎Q之為服務(wù)器I/O類型的用例，”鮑爾說道。“服務(wù)器上的FPGA控制著各個板級，確保所有組件都能正確供電。此外，還有FPGA負責將數(shù)據(jù)傳輸?shù)絻?nèi)存以及在不同的計算單元之間進行通信?！?/p>

FPGA 的另一個新角色是 AI 基礎(chǔ)設(shè)施，它需要處理進入 GPU 或 CPU 的基礎(chǔ)設(shè)施數(shù)據(jù)?！皵?shù)據(jù)進入系統(tǒng)后，這些數(shù)據(jù)包的管理方式具有很高的可編程性，”Yadavalli 說?！澳阈枰环N更智能的方式來管理網(wǎng)絡(luò)接口卡、智能網(wǎng)卡功能，或者某種數(shù)據(jù)平面管理，這些都需要在數(shù)據(jù)進入 CPU 或 GPU 之前完成。FPGA 的作用就在于接收這些數(shù)據(jù)，并以一種能夠被后端所有大型 GPU 和 CPU 使用的方式對其進行預處理?！?/p>

圖2：利用 FPGA 加速 AI 基礎(chǔ)設(shè)施。來源：Altera

數(shù)據(jù)預處理和清洗是另一個新興領(lǐng)域。人工智能應用的效果取決于數(shù)據(jù)的質(zhì)量?！澳憧赡軗碛凶钕冗M的模型或邏輯層模型（LLM），但如果數(shù)據(jù)本身噪聲很大，無論是業(yè)務(wù)數(shù)據(jù)還是任何商業(yè)數(shù)據(jù)，都會出現(xiàn)‘垃圾進，垃圾出’的情況，”Yadavalli說道?！皵?shù)據(jù)預處理是指將所有輸入的信息自動轉(zhuǎn)換為標準格式。你可以輸入PPT、語音命令、文本等等。另一方面，邏輯層模型只能處理某些特定的原始數(shù)據(jù)，這些數(shù)據(jù)需要經(jīng)過特殊處理才能提供最佳信息。FPGA恰好非常適合這項工作，它們可以對這些輸入的多樣化數(shù)據(jù)進行空間處理?！?/p>

無線通信基礎(chǔ)

設(shè)施：5G、6G、Open RAN 和基帶應用等通信協(xié)議是 FPGA 的重要市場，Altera 和 BigCat 近期 合作 ，旨在擴展基于 FPGA 的無線接入網(wǎng)技術(shù)。“隨著無線標準的演進，前四到五年的部署周期通常都采用 FPGA，”Arteris 的 Yadavalli 表示。“由于標準尚未完全定型，像 Erickson、諾基亞、三星以及全球其他大型設(shè)備供應商都無法及時開發(fā)出 ASIC。你需要提前兩年預購整個規(guī)范，才能著手開發(fā) ASIC。一旦規(guī)范最終確定，你就需要這些芯片能夠及時上市，以便將網(wǎng)絡(luò)過渡到下一代技術(shù)。”

人工智能算法在網(wǎng)絡(luò)領(lǐng)域也在快速發(fā)展，這為FPGA帶來了機遇。“在6G領(lǐng)域，與網(wǎng)絡(luò)相關(guān)的AI處理技術(shù)正在被廣泛討論，但目前還沒有標準化的方案，而且人們對6G的部署時間也充滿疑慮，”Yadavalli說道?！昂芏嗳丝赡軙谀承┓矫媛浜?、領(lǐng)先或誤入歧途。他們需要在AI計算方面具備靈活性。此外，還有各種規(guī)模的計算機。有些計算機可以真正將計算推向基帶，那里已經(jīng)搭建了大型云平臺。但也有很多技術(shù)部署在無線電側(cè)，以及位于大型天線下方的基帶設(shè)備。這些都需要FPGA作為輔助組件。”

在5G領(lǐng)域，AMD的自適應SoC在波束成形應用中的使用量顯著增加?！斑@是標準推廣推廣的重要組成部分，”鮑爾說道。

橫向產(chǎn)品差異化

垂直整合的公司可以將特定的加速器或功能集成到專用集成電路（ASIC）中，但該行業(yè)的大部分業(yè)務(wù)都是橫向整合的。一家生產(chǎn)各種嵌入式處理器的公司不太可能開發(fā)固定的加速器功能，因為這會縮小其整體市場機會。

西門子克萊因表示：“這些公司可以將嵌入式FPGA架構(gòu)集成到他們的設(shè)備中，或者使他們的SoC能夠與外部FPGA連接。我們看到很多制造商都開始這樣做。這可以為他們的系統(tǒng)提供定制化的硬件功能。雖然它比ASIC級別的實現(xiàn)方式體積更大、功耗更高，但比軟件實現(xiàn)方式速度更快、能效更高。”

例如，如果一家公司希望可穿戴設(shè)備的電池無需充電即可續(xù)航一周，他們就必須考慮將部分功能從處理器上轉(zhuǎn)移出去。“如果他們要進行橫向整合，并且不自行研發(fā)SoC，那么他們就需要可編程邏輯來轉(zhuǎn)移部分功能，”克萊因解釋說。“無論這種可編程邏輯是嵌入在他們購買的SoC中，還是作為獨立的組件單獨使用，F(xiàn)PGA都能幫助他們實現(xiàn)更高的性能和更低的能耗。”

嵌入式FPGA還能夠通過稀疏性和混淆來保護某些知識產(chǎn)權(quán)。“也許某個軟件開發(fā)商或軟件程序擁有自己的秘密算法，”QuickLogic的知識產(chǎn)權(quán)銷售副總裁Andy Jaros說道，“他們希望擁有一個與之配套的硬件加速器。他們開發(fā)了算法，并將其放置在ASIC上的eFPGA中，而無需與任何人共享?！?/p>

盡管FPGA 可以重新編程以應對不斷變化的法規(guī)和日益增長的威脅（例如量子黑客的幽靈），但人們?nèi)匀粨鷳n新興的安全威脅。

“我們看到FPGA的應用日益廣泛，旨在確保這些系統(tǒng)上運行的代碼的真實性，并防止篡改，”鮑爾說道?！按送?，對于數(shù)據(jù)的在線加密，一些客戶擁有自己的專有技術(shù)，而可編程邏輯非常適合這些技術(shù)。其他客戶則對我們已經(jīng)集成的標準方法感到滿意。我們擁有用于實現(xiàn)端到端在線加密的硬加密模塊?！?/p>

其他應用場景包括無線或有線連接以及防火墻?！叭藗冋谑褂肍PGA進行基于人工智能的數(shù)據(jù)包檢測，以查找威脅，”鮑爾說?！澳阈枰咚龠B接，然后還需要將模型直接集成到網(wǎng)絡(luò)架構(gòu)中。”

然而，也存在一些缺點?！蔼毩⑹胶颓度胧紽PGA提供了極大的靈活性，但如果比特流配置數(shù)據(jù)的機密性和完整性管理不當，尤其是在數(shù)據(jù)中心等共享環(huán)境中，這種優(yōu)勢可能會帶來安全風險，”Rambus公司硅IP高級技術(shù)總監(jiān)Scott Best表示。“與數(shù)據(jù)中心ASIC和SoC為不同用戶運行半獨立虛擬機所面臨的風險類似，數(shù)據(jù)中心FPGA也需要強大的配置和訪問控制，以防止在用戶共享可編程架構(gòu)時發(fā)生未經(jīng)授權(quán)的重新編程或側(cè)信道攻擊?！?/p>

現(xiàn)在許多FPGA都內(nèi)置了加密系統(tǒng)。“代表FPGA編程的比特流的保護措施已經(jīng)有所改進。但它們?nèi)匀皇枪粽咦顭嶂缘哪繕耍粽咴噲D以此聲稱自己已經(jīng)入侵了系統(tǒng)，修改了程序的一個比特位，將其傳輸?shù)紽PGA上并使其運行，”Synopsys 產(chǎn)品管理高級總監(jiān)Dana Neustadter說道。他指出，攻擊FPGA與安全啟動等技術(shù)類似?！霸谔幚砥黝I(lǐng)域，我們使用安全啟動來確保處理器上運行的是正確的程序。在FPGA領(lǐng)域，同樣的任務(wù)由加密和認證引擎來完成，該引擎會驗證FPGA的編程?！?/p>

結(jié)論

FPGA 前期成本低，因此仍將作為原型設(shè)計工具發(fā)揮作用，但在當今高科技領(lǐng)域，它們也正在承擔越來越多的新角色。為了跟上人工智能的發(fā)展步伐并抵御黑客攻擊，設(shè)計人員可能會認為最佳解決方案是將固定功能器件和可編程器件混合使用。

*聲明：本文系原作者創(chuàng)作。文章內(nèi)容系其個人觀點，我方轉(zhuǎn)載僅為分享與討論，不代表我方贊成或認同，如有異議，請聯(lián)系后臺。