MWC媒体报道:在可配置与定制化之间巧妙平衡的RFSoC

作者:王树一,来源:TechSugar微信公众号(ID:techsugar)

在“软件定义一切”思想的推动下,ASIC方案越来越强调可配置,虽然可配置资源不如FPGA多,但可配置度提升在日益增长。而从性能及系统应用成本优化考虑,FPGA越来越呈现出专用特质,比如RFSoC系列产品,显然为射频应用专门做了优化,其命名也更像一颗ASIC。当然,RFSoC似乎在可配置与定制化之间巧妙地找到了平衡点。

2019年是5G(第五代移动通信技术)商用化部署元年,移动通信产业链上各核心厂商纷纷从练兵状态进入实战状况,不管以前喊的口号有多大,立的旗子有多高,都要真刀实枪地接受市场检验。

在2019上海世界移动通信大会前的新闻发布会上,赛灵思(Xilinx)通信业务部市场总监Gilles Garcia对5G商用化前景进行了分析,他对赛灵思在5G市场表现信心十足,表示赛灵思已经为5G到来做好了全面准备,无论是连接、计算,还是标准适配,赛灵思都有成熟的方案供业界选择,“三星明确宣布,其5G全线产品都将采用赛灵思的解决方案。”

Gilles Garcia, 赛灵思通信业务部市场总监

Gilles Garcia, 赛灵思通信业务部市场总监

RFSoC是赛灵思在5G射频应用中推出的最重要的产品系列。这是当前“仅有的满足移动通信所有行业应用需求的单芯片自适应射频平台,并具备可扩展性。”RFSoC第一代产品已于2018年实现量产,第二代将于7月初实现量产,第三代产品将于2019年11月量产。5G标准还在不断修订,频谱划分是其中变化较多的部分,三代产品的模拟带宽分别为4、5、6GHz,分别应对当时已经明确划定的5G频谱规划,其中第三代产品已完全覆盖6GHz以下频段,三代产品都有扩展的毫米波接口,支持24GHz至60GHz区间的毫米波应用波段。

5G射频开发三大挑战

Gilles Garcia告诉探索科技(techsugar)等媒体,5G应用对射频开发带来诸多挑战。首先,由于更多频段引入,第五代移动通信技术相比第四代(4G)的无线电管理复杂度大幅上升。

移动通信需要向后兼容,传统解决方法是每增加一个频段,就增加一条射频通路,射频频段从2G到4G已经增加很多,5G网络要能支持4G服务,而且引入了更多频段,所以射频模块如何处理成为设备厂商痛点--复杂度与成本都在持续攀升。过去几年主流射频器件厂商市场表现都很好,一方面是智能手机市场当时还在增长,另外一方面就是相比2G、3G手机,4G手机需要更多射频器件。

赛灵思的RFSoC将射频信号链路集成在单芯片上,采用“射频直接采样”技术取代传统的分立数据转换器,直接降低了射频开发的成本及复杂度,并拥有更好的扩展性。

据赛灵思介绍,传统上大部分系统都采用称为中频或零中频(IF 或 Zero-IF)采样的模拟化方案,需要将原始信号下变频到 模数转换器能支持的采样频率。下变频电路包含混频器、高质量振荡器以及其他模拟器件。相比数字化处理方式,模拟电路不够灵活,需要高度专业化的设计和复杂的器件选择。

而利用直接射频采样技术,可对接收到的射频信号直接采样,无需事先进行下变频。信号被数字化之后,利用数字信号处理技术在更为灵活的数字域中完成下变频和信号处理。这些射频ADC支持更高的采样率,由于数字域有更好的滤波技术,因此能够更好平衡设计参数制约,得到更佳的动态范围、信噪比和信号带宽。

第二个困难是如何管理前传带宽(Fronthaul BW)。Gilles Garcia解释,4G有CPRI连接。5G引入了XRAN、eCPRI、ETH等协议,要实现多协议支持,达到“融合接入”,需要有足够的带宽及冗余设计资源来支持还在逐渐演化的5G协议。而RFSoC系列产品能够提供足够的带宽及设计资源。

第三大困难是由于回传吞吐量增加所导致的实时处理压力。5G回传吞吐量将是4G的10倍以上,这样大的数据量,非常考验后续处理能力,而FPGA目前仍是大数据实时处理方案的首选。



自适应计算加速

RFSoC第四代产品已经在开发中,赛灵思表示,以目前计划来看,第四代RFSoC将在2023年实现量产。第四代RFSoC也被称为Versal平台。与前三代相比,最大的区别是引入人工智能计算引擎,即自适应计算加速平台(ACAP)。

自适应计算加速平台是一个高度集成的多核异构计算平台,可以在软硬件两个层面随时进行更改,从而更动态地适应5G网络、数据中心、汽车等应用的工作负载要求。

事实上,Versal系列器件Versal AI Core和Versal Prime的试用版,已经交付到客户手上。这两个系列产品每款器件都包含双核Arm Cortex A72应用处理器,一个双核Arm Cortex R5F实时处理器,自适应硬件资源超过200万个逻辑单元,有3000多个位高精度浮点计算优化过的DSP引擎,这些DSP引擎也均经过低延时优化,Versal AI Core器件提供400个AI引擎,专用于人工智能推断及信号处理工作负载优化。

Gilles Garcia告诉探索科技(techsugar):“我们认为,在5G下一轮部署中,Versal将人工智能和无线算法结合在一起,会带给赛灵思很大的增长潜力。”

ASIC还是FPGA?

有分析认为,当5G进入商业化部署之后,在成熟应用中将出现专用芯片(ASIC)方案。事实上,已经有一些芯片厂商推出ASIC方案。Gilles Garcia表示,无论是ASIC方案,还是FPGA方案,都会比分立方案更有成本和功耗的优势。

但ASIC的问题在于难以实现实时更新,标准一有变化时就会过时。从移动通信标准组织(3GPP)的计划来看,5G标准今年将修改到第17版(R17),而ASIC开发时间通常需要18到24个月,如果现在开始着手开发一颗通信芯片,将铁定难以支持第17版的新功能。

而赛灵思的可编程系列产品RFSoC,则保留了足够的弹性与扩展性,容许用户随时更新设计来实现对更新后标准的支持。

在笔者看来,实际上不同厂商做产品的思路也在相互融合。在“软件定义一切”思想的推动下,ASIC方案越来越强调可配置,虽然可配置资源不如FPGA多,但可配置度提升在日益增长。而从性能及系统应用成本优化考虑,FPGA越来越呈现出专用特质,比如RFSoC系列产品,显然为射频应用专门做了优化,其命名也更像一颗ASIC。

当然,RFSoC似乎在可配置与定制化之间巧妙地找到了平衡点。既有射频专用模块,方便移动通信应用快速开发,又有足够的可配置资源,可随时应对需求更新。

其实命名都不重要,不管是ASIC方案,还是FPGA方案,能否被主流市场接受最重要。

“通信应用中ASIC一定会存在,但只能在小众市场生存,”Gilles Garcia判断。

“现在营收还不大,2019年估计也就几千万美元,未来RFSoC将是赛灵思业务增长的重要推动力之一。”虽然没有回答笔者关于出货量预期的问题,但Gilles Garcia乐观看待RFSoC在移动通信市场的表现。

最新文章

最新文章