這將是FPGA的下一代形態？

人工智能賽靈思 ARM Altera 操作系統雲計算 GPU 設計半導體行業觀察 2019-07-03

早前，Xilinx宣佈其新一代基於ACAP架構的芯片系列Versal已經正式出貨給第一批客戶，並將在今年下半年正式大規模出貨。這也意味著Xilinx研發多年的新架構終於到了經歷市場檢驗的階段。

自從Xilinx從2018年發佈ACAP架構以來，該架構就得到了行業的高度關注。ACAP全稱“靈活計算加速平臺”（Adaptive Computation Acceleration Platform），該芯片不僅包含了FPGA的可配置邏輯，還包含了ARM核，以及AI Engine和DSP Engine。這意味著使用ACAP架構的芯片將可以滿足三種需求：ARM核可以運行一些通用化且對性能需求不高的任務，例如操作系統；FPGA可配置邏輯可以運行定製化邏輯；而AI Engine則可以運行AI相關的高性能專用計算，例如矩陣運算等。

ACAP架構裡新加入的AI Engine是大家關注的焦點。根據Xilinx發佈的資料，該AI Engine是一組SIMD核陣列，每個核都包含了完整的RISC處理器、定點SIMD處理單元、浮點SIMD處理單元以及本地內存。每個核之間還可以通過片上網絡（NoC）連接到一起，從而可以實現高度靈活的數據流。這樣的架構，事實上類似眾核架構。在這次發佈的Versal AI Core系列芯片中，將會集成128-400個AI Engine，從而實現43-133TOPS的INT8定點計算能力。

FPGA的演化邏輯

為什麼Xilinx會在FPGA裡面加入專用的AI Engine呢？我們不妨回顧一下FPGA的發展歷史。

在FPGA最初出現的時候，其最大的賣點是可以配置成任意的邏輯，只要邏輯容量不超過FPGA的上限即可。最初人們對於FPGA的期望是滿足其功能需求。

在這樣的預期下，使用FPGA的系統可以劃分為兩個部分，一個是使用通用處理器實現的高速處理部分，而另一部分是使用FPGA實現的特殊功能部分。換句話說，FPGA的主要角色是協處理器。

然而，隨著用戶的需求和FPGA公司的業務擴展，FPGA並不滿足於只當一個協處理器。從用戶角度來說，事實上這種主-從處理器的系統在設計和集成的時候會比較麻煩，如何正確處理主-從處理器之間的可靠互聯和數據通信協議設計都需要不少功夫。隨著FPGA容量的增大，不少用戶試著在FPGA上部署一個處理器核來跑OS並控制其餘部分的可編程邏輯。然而，這樣的效率很低，因為處理器核是一種通用處理器，而FPGA事實上最合適的領域是定製化邏輯而非通用處理器。從Xilinx和Altera這樣的FPGA公司業務來說，FPGA作為協處理器的市場可以提供的利潤率顯然會小於整個系統的利潤率。因此，基於供需雙方的需求，Xilinx推出了包含了ARM硬核和FPGA的Zynq系列芯片，而Altera也推出了類似概念的Altera SoC系列產品。

在Zynq和Altera SoC這類的產品中，包含了一個ARM處理器硬核，以及可編程邏輯。由於處理器是硬核，因此可以運行在GHz這樣的頻率範圍，相比之前跑在FPGA上的軟核只能跑到100MHz這樣的頻率，可以說集成ARM硬核是大大提升了通用處理器核的性能，使其不再成為系統的性能瓶頸。此外，由於ARM硬核和FPGA集成在同一塊芯片上，因此處理器和FPGA之間有著豐富的高速互聯資源，從而讓ARM硬核和FPGA邏輯之間的數據交換變得高效。同時在工具鏈上，對於ARM核+FPGA的協同工作也提供了很好的支持。這樣幾個要素組合在一起，就實現了一個重要的突破，即這樣一個包含ARM核和FPGA的芯片在不少場景下可以直接作為一個系統工作，而不再依賴於其他主處理器了。因此，集成了ARM核的FPGA就不再是一個協處理器，而是可以作為一個主處理器。

到了今天，隨著FPGA目標人工智能市場，事實上又出現了之前同樣的情況：不少用戶希望用FPGA實現人工智能計算，但是FPGA實現人工智能計算的能力有限，而另一方面主流人工智能計算其實都相當規則，基本都是基於矩陣運算，因此Xilinx在ACAP的架構中主動加入了能靈活支持這類人工智能運算的硬核——AI Engine，從而希望能作為完整的系統支持人工智能計算，並慢慢從芯片廠商走向系統廠商。

ACAP對於人工智能市場的影響

ACAP主要針對的市場是雲端和邊緣計算市場。雲端市場即數據中心的服務器，在此類應用中，ACAP可望作為用於加速人工智能計算的加速卡進入服務器。目前，亞馬遜AWS已經有不少部署了Xilinx FPGA的服務器，隨著ACAP的發佈，可望會有更多FPGA進入此類雲計算市場。值得注意的是，ACAP主要的強項是低精度定點計算（INT8），因此針對的AI應用主要是推理，而作為雲端人工智能重要應用的訓練仍然會需要擅長浮點運算的GPU。而在AI推理方面，FPGA相比GPU的優勢是功耗小並且可定製，因此會在該領域與GPU競爭市場份額。然而，相比GPU完整的開發者生態，FPGA的開發生態仍然不夠成熟，因此工具鏈等開發生態可能會成為充分開啟FPGA潛力的關鍵點。

在雲端市場之外，邊緣計算將是ACAP的重點市場。邊緣計算介於終端節點和雲之間，邊緣服務器部署在物聯網終端附近，它收集終端設備的信息並做就近處理，同時將必要的信息再上傳至雲端。物聯網、5G和自動駕駛技術在大大增加邊緣計算市場潛力的同時，也對邊緣計算提出了新的需求，需要邊緣計算在做網絡操作和數據存儲之外，還要能實現實時人工智能計算，而這也是ACAP主要針對的市場。事實上，通信基站本來就是FPGA的主要市場之一，因此隨著5G結合邊緣計算和人工智能的概念，ACAP顯然也能迎合這樣的潮流，從而有望隨著5G+概念的崛起佔領更多通信市場。

對於人工智能芯片初創公司來說，ACAP將會在雲端和邊緣計算端成為一個有力的競爭者。考慮ACAP的計算能力（40-100TOPS），我們認為ACAP在邊緣計算方面將有非常強的競爭力（在雲端對於算力的需求將會很快超過100TOPS，因此ACAP或許將更多發揮其在可配置而非算力方面的優勢）。由於FPGA成本較高，因此我們認為ACAP將會更多面對高端市場，但是從整體上來說，我們認為ACAP將會成為Xilinx進軍人工智能市場的一把利器。

對於Xilinx FPGA的老對手——Intel來說，應對Xilinx ACAP的策略並非針鋒相對推出另一款功能相近的芯片，而是利用自身在封裝工藝上的優勢以虛擊實。今年四月，Intel發佈了下一代FPGA構架AgileX，該架構利用EMIB封裝，可以把FPGA和其他芯片粒封裝在一起。因此，如果客戶選擇在AgileX的系統中集成一塊用於AI加速的芯片粒，則可以實現和Xilinx ACAP類似的效果。這樣一來，Intel的AgileX方案比起Xilinx來說更加靈活，因為Xilinx的ACAP只針對AI相關計算優化，而Intel的AgileX優化的計算取決於客戶選擇集成什麼芯片粒。然而，現在芯片粒的生態還未完善，因此無論是成本、工具鏈還是產能來說都要打個問號，因此我們認為Intel的AgileX架構的第一批客戶還主要是針對希望能和Intel深度合作使用EMIB技術並且有技術實力理解甚至定製芯片粒系統的大客戶，這樣看來，我們認為Xilinx的ACAP是賭定了AI市場，並且希望能快速覆蓋更多的客戶；而Intel還不願意放棄FPGA的靈活性，因此並不希望這麼早就把FPGA和AI深度綁定，而是希望FPGA能作為其芯片粒生態的先鋒部隊。這另一方面和兩家公司的架構也有關：FPGA只是Intel的一個事業部，其產品定義必須服從Intel整體的戰略；而FPGA產品對於Xilinx來說就是全部，所以一切都圍繞FPGA。

對於中國芯片公司來說，意識到FPGA與專用加速器以及處理器硬核集成的趨勢也是重要的。雖然我們在FPGA領域尚需追趕，但是FPGA SoC的架構與FPGA更像是一種橫向擴展而非縱向加深，也即完全可以在與研發FPGA並行進行，從而在未來更快追上FPGA發展的步伐。從另一個角度來說，我們也可以認為FPGA下一步的發展已經不只是如何把FPGA邏輯規模做大速度做快，而是如何把FPGA搭配其他應用組成在靈活度和性能方面都足夠好的SoC。隨著FPGA IP的發展，中國芯片公司也可以考慮購買FPGA IP搭配專用加速器IP，從而實現我們自己的“ACAP”。

*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯繫半導體行業觀察。

今天是《半導體行業觀察》為您分享的第1992期內容，歡迎關注。

這將是FPGA的下一代形態？

相關推薦