Xilinx All Programmable器件的加速能力越来越重要

作者:Steve Leibson,编译:Stark

随着物联网(IoT)、人工智能(AI)、大数据(Big Data)和云计算等新兴产业的不断告诉发展,处理并分析这些应用产生的大量数据需要更多的计算资源,这些行业对于高性能低功耗处理器的需求也日益增加,例如基于高主频CPU的云计算架构存在成本高、利用率低、耗电量大等问题(云计算耗电惊人占全球用电量的8%),因此新型高能效的处理器架构才能支撑未来应用的发展。

图1:Xilinx最早推出的ZYNQ-7000 All Programmable SoC架构

图1:Xilinx最早推出的ZYNQ-7000 All Programmable SoC架构

众所周知GPU曾一度代替CPU在深度学习加速领域得到广泛的应用,但是还有很多的应用场景是GPU无法满足的,更何况GPU被两大厂商所垄断,价格昂贵不便进行自定义开发。因此人们开始将注意力转移到FPGA(可编程逻辑门阵列),其实FPGA比CPU、GPU在吞吐量、硬件加速、能效等方面要更具优势。作为FPGA设计生产的领导厂商Xilinx最早推出了Zynq系列SoC器件,将“异构计算”的概念转换为产品。

Xilinx全可编程SoC系列产品将处理器的软件可编程性与FPGA的硬件可编程性集成在一起,除了Zynq-7000系列,后续又相继推出了Zynq UltraScal+ MPSoC、Zynq UltraScale+ RFSoC系列,逐渐应用到机器学习、5G无线通信、嵌入式视觉、工业物联网和云计算等领域,例如互联网厂商亚马逊、阿里巴巴都采用Xilinx All Programmable器件搭建云计算服务器;基于Zynq UltraScale+ MPSoC的自动驾驶平台MAX等

图2:Xilinx推出的reVISION Stack机器视觉技术栈

图2:Xilinx推出的reVISION Stack机器视觉技术栈

当然除了硬件平台,Xilinx还积极推动软件方面的开发,最初进行FPGA开发工程师必须具备一些硬件设计知识,比如硬件语言Verilog/VHDL等,而All Programmable则需要软硬件协同设计,现如今的硬件、软件设计工具、流程和知识体存在很大差别,因此这无疑增加了开发门槛。为了Xilinx与其生态伙伴共同推动这方面的变革,比如HLS、SDSoC、reVISION Stack等让软件开发者可以借助高层次编程语言(C/C++/OpenCL)进行应用的开发,专注于应用加速而不用关心硬件底层。

虽然这个推广还需要一定的时间,但是Xilinx All Programmable SoC在各领域体现出的优势使它越来越受到人们的关注,期待其更好的发展。

声明:本文来源于Xilinx Xcell Daily Blog,由创新网赛灵思中文社区编译,转载请注明作者、出处及原文链接