FPGA加速

本文通过介绍基于FPGA 研发的超低延时行情系统,对FPGA 硬件设计与实现、延时性能等内容进行深入剖析，希望有助于交易团队、科技公司等相关方进一步探索FPGA的研究和应用，进而提升交易服务质量、改善投资环境。

赛灵思正式发布了 Alveo 加速卡之后，更是为金融行业量身定制了具有突破性的创新解决方案，从而满足客户和监管机构的需求。本次大咖直播间我们邀请到了赛灵思数据中心事业部及金融行业专家，共聚一堂与您共同探讨 FPGA 是如何助力金融科技的腾飞的。

在我们所有人的生活和工作因疫情陷入困顿之际，鼓舞我们大多数人继续前行的力量来自于社会与企业合作的一个又一个鲜活的抗疫案例，他们通过各种各样的技术和创新解决方案，助力抗击新冠疫情。与此同时， 新冠疫情也激发着各种新颖应用的加速实现。在此小编想介绍几个赛灵思的客户，他们正在积极开发并交付产品与服务，帮助预防、检测和治疗新冠病毒和其他疾病:

金仕达与全球领先的下一代自适应计算企业赛灵思达成深度合作意向。双方将基于金仕达 FPGA 极速行情系统，围绕交易、策略、风控量化或高频交易等场景全面打造基于 FPGA 的金融方案体系，加速 FPGA 在金融行业的全方位应用，助力金融行业高质量发展。

数据已经成为数字经济时代最重要的生产要素，成为企业和机构的核心资产，而数据价值的体现则是数据的隐私保护。传统的面向静态数据保护的安全手段已经无法满足数据在跨企业、跨机构之间流通的需求

移动互联网时代，每时每刻都在产生大量的图像和视频内容，内容提供商面临的主要问题是如何实现对内容的有效过滤，避免不允许的内容被公开。睿视演示了一种基于AI+FPGA的图像过滤方法，使用Xilinx Alveo加速器卡对特定图片/视频内容进行有效实时过滤。

在本次网络研讨会上，我们将展示 Vitis 和 Vitis AI 如何帮助开发人员在 Xilinx 平台上加速整个应用。

众所周知，实施一个完整的AI应用需要经历训练和推理两个过程。所谓“训练”，就是我们要将大量的数据代入到神经网络模型中运算并反复迭代，“教会”算法模型如何正确的工作

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。

针对卷积神经网络(CNN)在通用CPU以及GPU平台上推断速度慢、功耗大的问题，采用FPGA平台设计了并行化的卷积神经网络推断系统。通过运算资源重用、并行处理数据和流水线设计，并利用全连接层的稀疏性设计稀疏矩阵乘法器，大大提高运算速度，减少资源的使用