Xilinx 7-系列 FPGA 和 SoC 能为航空航天与军用、医疗、科学、石油天然气、金融、通信以及生命科学等应用提供节能型高性能处理解决方案。FPGA 架构固有的平行结构和定制架构适合高吞吐量数据处理和软件加速。这些器件以 28nm 芯片工艺为基础，集成 HKMG 技术以更低的功耗将系统性能实现最大化。所有 Xilinx 器件都具有很长的产品生命周期，可降低淘汰风险。这些因素的综合使基于 Xilinx 器件的 HPC 平台能以单芯片提供高达 2 TFLOPS 的高处理性能，且功耗远低于 GPU 和多核 DSP
在此视频中，我们展示了一个 Xilinx 实时视频服务器一体机参考架构，该一体机使用 8 个 Alveo™U50 数据中心加速卡构建。使用此架构，在带有 AMDEPYC® 处理器的 HPE Proliant DL-385 服务器上实现高质量 1080p 实时视频流的实时解码/编码。
近期，在推动 IT 基础设施向异构计算转型的过程中，赛灵思与 VMware 展开协作，在 VMware 的云计算虚拟化平台vSphere上测试 FPGA 加速。由于赛灵思 FPGA 越来越广泛地应用于 ML 推断加速，本文将展示的是如何将赛灵思 FPGA 与 VMware vSphere 相结合，在虚拟部署和裸机部署上实现基本相同的高吞吐量、低时延 ML 推断性能。
赛灵思大中华区解决方案与业务发展总监朱勇发表了题为 “自适应计算加速数字化产业升级与转型” 的主题演讲，向与会领导和嘉宾分享了从本质上如何分析和看待现今的产业发展态势，并如何借助灵活应变的下一代自适应计算技术实现数字化产业升级与转型。小编就不过多剧透了，以下为新鲜出炉的演讲全记录。
对实时视频流的需求给视频服务提供商带来了严峻挑战，因为他们必须在管理基础设施和互联网带宽运营成本的同时，还要为客户提供高质量体验。鉴于视频转换的计算强度，转码不断推升对灵活应变硬件加速的需求。
随着对视频直播的需求不断增长，更快的工作负载成为重中之重。视频服务提供商在控制其基础架构和运营成本的同时，还面临着提供高质量用户体验的挑战。鉴于转换视频的计算密度，转码需要灵活应变的硬件加速平台。
区块链具有广泛的互联网应用。它可通过设计来分散，因此是许多传统事务处理系统的替代方案。为了使区块链系统可行（可扩展性、可互操作性和可持续性），与区块链相关的复杂耗时／耗电的加密工作应该转移到加速系统中。我们的解决方案是一款安全的公共密钥基础架构引擎，可用来卸载计算密集型公共密钥工作，比如签名生成与验证
本文描述了为实现深度学习神经网络推理应用程序中的矩阵乘法加速而设计的大型乘法脉动阵列的实现和评估。
ThunderImage 是深维科技的旗舰级产品，它基于赛灵思 Alveo 加速器卡进行图像处理加速。利用 ThunderImage，数据中心用户可以将图像处理性能提高多达 20 倍，延迟降低 5 倍，同时 QoS 却保持不变，电源效率提高了 10 倍，TCO 降低了 5 倍
云计算已经成为了一种新的计算范式。对于云计算而言，虚拟化是一项必不可少的技术，通过将硬件资源虚拟化，我们可以实现用户之间的隔离、系统的灵活可扩展，提升安全性，使得硬件资源可被充分利用
IBM PowerAI Vision 可简化 AI 模型的构建与部署过程，无需 AI 专业技术，便可实现图像分类和对象检测等功能。 现在，您可使用 IBM PowerAI Vision 通过 Xilinx Alveo U50 灵活应变的加速卡来加速推断。 IBM PowerAI Vision 使用 Xilinx Vitis AI 与 FPGA 集成，因此不必成为 FPGA 开发人员，便可利用其优势
