AI芯片新救星 | FPGA领域头号玩家有“野心”的半导体帝国缔造者

要说在FPGA领域的地位，绝对没有哪家企业可以撼动赛灵思，毕竟FPGA就是人家发明的，而赛灵思的“野心”绝不止于此。除了发明FPGA，它还推出了许多项第一：第一家Fabless公司；第一个嵌入式处理器的FPGA；第一个3D架构的FPGA等。

英特尔赛灵思双雄争霸！FPGA开启第二春

1、由“硬”变“软”的赛灵思：从FPGA到ACAP

作为FPGA的开山鼻祖，尽管赛灵思长期镇守着FPGA业界龙头的位置，它并没有故步自封，而是早在几年前就开始试图脱下FPGA供应商的帽子，转型成为一家完全可编程公司。2018年，赛灵思的雄伟蓝图掀开了更崭新的篇章。新上任的赛灵思第四任CEO Victor Peng自出场以来就一直连放大招，先是提出“以数据中心为先、加速主流市场增长、推动自适应计算”的三大战略，紧接着就秀出了超越FPGA的颠覆式新招牌——自适应计算加速平台ACAP。

ACAP具有高度模块化和可扩展化的特点，据称可实现CPU和GPU所无法企及的性能和功耗比。在这一全新框架下，赛灵思发布采用台积电7nm工艺的业界首款ACAP加速平台Versal系列，预计将在今年交付给客户。

此外，赛灵思还发布了Alveo系列AI加速卡，进一步推进了赛灵思向平台公司的转型。

2、双管齐下的英特尔：独立芯片与协加速器齐飞

当然，看到FPGA在数据中心的广阔市场的公司不止赛灵思，2015年，英特尔以167亿美元的高价收购FPGA领域老二Altera，这也是英特尔迄今为止最大的收购。收购Altera后，英特尔引入领先的FPGA技术，并开始将FPGA技术与英特尔其他的CPU、GPU等技术和资产集成在一起，从而开拓新的高增长细分市场。

FPGA器件主要由两类用途。一是将FPGA作为一种独立的在线加速器，预处理大量非结构化数据；二是将FPGA放在CPU旁边作为离线加速器，通过将英特尔至强处理器和加速软件堆栈无缝协作。

通过这两种策略，英特尔扩展了FPGA加速平台产品组合，并与英特尔至强处理器、eASIC、Nervana、Mobileye、Atom等英特尔其他产品协同作用，用于解决从边缘到云端、以及网络转型和企业级应用中的复杂问题。

赛灵思推出16纳米制程全球容量最大FPGA

日前，全球领先的FPGA厂商赛灵思宣布，推出全球容量最大的Virtex UltraScale+ VU19P FPGA（以下简称“VU19P”），扩展旗下Virtex UltraScale+系列产品。

赛灵思表示，VU19P由台积电16nm制程打造而成，内含350亿个电晶体，拥有有史以来单颗元件上最高的逻辑密度与I/O数，用以支援未来最先进的ASIC与SoC技术之模拟与原型开发，亦能支援测试、量测、运算、网络以及航太与国防等相关应用。

赛灵思进一步指出，VU19P拥有900万个系统逻辑单元，并且搭配高达每秒1.5 Terabit的DDR4存储器频宽、加上高达每秒4.5 Terabit的收发器频宽及超过2000个使用者I/O，不但能促成现今最复杂SoC的原型开发与模拟，还能支援各种复杂的新兴演算法的开发，包括用在人工智能、机器学习、视讯处理及传感器融合等领域的演算法。

另外，VU19P的容量比前一代业界最大容量的“20nmVirtex UltraScale 440 FPGA”高出1.6倍。

赛灵思产品线行销与管理资深总监Sumit Shah表示，VU19P不仅能协助开发者加速硬件验证，还能助其在ASIC或SoC可用之前就率先进行软件整合。这是赛灵思刷新世界纪录的第3代FPGA，前两代分别为Virtex-7 2000T与Virtex UltraScale VU440，现在则推出Virtex UltraScale+VU19P。

此外，伴随此次新产品的推出，将不仅是精进的芯片技术，赛灵思还为之提供了稳定且经验证的工具与IP支援。

针对相关验证的工具与IP支援部分，赛灵思也指出，藉由一系列广泛的除错、可视性工具与IP支援，VU19P为客户快速设计与验证新一代的应用与技术，并提供了一个全方位的开发平台。而且，在软硬件的协同验证让开发者能在取得实体元件前，就先着手软件与定制化功能的建置。

此外，透过运用赛灵思Vivado设计套件能协同最佳化设计流程，以降低成本与投片风险、改善效率并缩短上市时程。至于，VU19P的上市时间将会在2020年的秋季，开始对客户供货。

芯片背后离不开的FPGA

AI、5G技术的发展对芯片架构和软件支持提出了越来越高的要求，芯片设计更加复杂，业界需要更大容量的FPGA实现高效的仿真和功能验证。

芯片行业是一个高投入、高风险、慢回报的行业。与软件可以修正和快速迭代不同，芯片的迭代周期会很长。如果已经流片，纠正一个错误可能需要半年以后花成千上百万美元再去流一次片。

一方面，芯片厂商需要依靠FPGA进行仿真和原型设计；另一方面，CPU、GPU、FPGA和ASIC这些不同处理器厂商在AI市场的竞争也越来越激烈。

即使是赛灵思和英特尔等芯片巨头在设计CPU等芯片时，都会先在FPGA上仿真后再流片，更不用说近几年不少AI算法公司发布的AI专用芯片。

文章来源: https://www.toutiao.com/group/6748307090156028424/