大語言模型帶來的智能涌現(xiàn)，讓人們意識到：強人工智能的時代真正來臨。大語言模型與強化學(xué)習(xí)的結(jié)合讓機器與人類的行為實現(xiàn)對齊，甚至體現(xiàn)了更高水平的洞察力。第四次工業(yè)革命的技術(shù)底座由5G、物聯(lián)網(wǎng)、機器學(xué)習(xí)構(gòu)成，而人工智能將這些拼圖融合在一起。

多模態(tài)的信息輸入、預(yù)處理、學(xué)習(xí)、推理……這些關(guān)鍵性流程的應(yīng)用門檻迅速降低，推動企業(yè)數(shù)字化轉(zhuǎn)型進入新的階段。許多領(lǐng)域正在積極引入機器學(xué)習(xí)的成果，市場處于快速變化的狀態(tài)。數(shù)據(jù)中心的性能需求旺盛，機器學(xué)習(xí)等訓(xùn)練任務(wù)促進了云上性能的發(fā)展，不論是算力，還是網(wǎng)絡(luò)帶寬。來自邊緣側(cè)的需求也在提升——數(shù)據(jù)的本地化需要，或者嚴格的實時性要求等。FPGA是提升新型工作負載效能的理想選擇之一，其具有硬件級的性能，又擁有適應(yīng)多樣任務(wù)需求的靈活性，且可以非?？焖俚剡M入市場。

11月14日，英特爾在北京舉辦了以“創(chuàng)新加速，塑造FPGA芯未來”為主題的2023年英特爾FPGA技術(shù)日，展示了FPGA的新品及全矩陣應(yīng)用，以及行業(yè)伙伴在數(shù)據(jù)中心、AI、網(wǎng)絡(luò)、嵌入式等關(guān)鍵領(lǐng)域的諸多應(yīng)用。

全面的產(chǎn)品組合 ? ? ?

在技術(shù)日中，英特爾推出了六款FPGA新產(chǎn)品和平臺，其中包括：Agilex 3、Agilex 5、Agilex 7、Nios V軟核處理器、開放式FPGA堆棧（OFS）、F2000 IPU平臺。在2023年底，還會有約10款新產(chǎn)品進入市場。覆蓋高、中、低端市場的產(chǎn)品組合，靈活、定制化的平臺功能和強大的可擴展性，輔以高效率的軟件棧，以及極具韌性的供應(yīng)鏈，英特爾FPGA產(chǎn)品可以幫助開發(fā)人員在復(fù)雜的環(huán)境中快速構(gòu)建從云到邊緣的解決方案，滿足各層級的需求。

Agilex 7系列：采用英特爾10制程工藝，支持CXL提高帶寬和連接性能，并借助HBM加快內(nèi)存訪問速度，該具有性能功耗比優(yōu)勢的Agilex 7 M、F和I系列FPGA現(xiàn)已上市。其中，Agilex 7 FPGA R-Tile相較于其他同類FPGA產(chǎn)品，其每個端口的PCIe5.0帶寬速度提高了2倍，CXL帶寬提高了4倍。

Agilex 7開發(fā)板

Agilex 5系列：采用第二代英特爾Hyperflex FPGA架構(gòu)和英特爾7制程工藝，對晶體管的每瓦性能進行了優(yōu)化，從而實現(xiàn)出色的能耗。同時采用英特爾上一代高端產(chǎn)品中嵌入的業(yè)界首個針對AI優(yōu)化的模塊，并將其擴展至Agilex 5 FPGA的中端產(chǎn)品中，為邊緣AI應(yīng)用提供了理想選擇。其中，Agilex 5 E系列FPGA在功耗和尺寸上進行了優(yōu)化。

Agilex 3系列：外形小巧，在功耗和成本上進行了大幅優(yōu)化，且擁有廣泛的IO支持。其中，即將推出的Agilex 3 B系列FPGA面向電路板和系統(tǒng)管理，包括服務(wù)器平臺管理（PFM）應(yīng)用；C系列FPGA則針對一系列復(fù)雜可編程邏輯設(shè)備（CPLD）和FPGA應(yīng)用提供更多功能以用于垂直市場領(lǐng)域。

值得一提的是，英特爾的定制邏輯芯片不止于FPGA，也包括eASIC和ASIC。三管齊下的組合提供了極高的靈活度，以支持市場對于不同功耗、成本和上市時間的多樣化需求。與FPGA相比，eASIC（結(jié)構(gòu)化ASIC）的開發(fā)時間較長，可滿足更低的功耗和單位成本需求，適合以十萬計的產(chǎn)品數(shù)量。ASIC（標準單元ASIC）在功耗、成本、性能方面更有優(yōu)勢，但開發(fā)時間是eASIC的兩倍，適合百萬級以上的產(chǎn)品數(shù)量。

智能、互聯(lián)對FPGA的挑戰(zhàn) ? ? ?

當AI進入大模型時代，算力和互聯(lián)帶寬需求激增，甚至遠遠超過了CPU性能的增長速度，系統(tǒng)對各種加速器的需求極其旺盛。對于高性能加速器（含F(xiàn)PGA），面臨三大挑戰(zhàn)，也是發(fā)展趨勢。

芯片創(chuàng)新步伐：不斷變化的標準、層出不窮的工作負載、對更高性能和更高功效的旺盛需求，人們迫不及待的需要用硅來解決各種難題，傳統(tǒng)的半導(dǎo)體設(shè)計方法已經(jīng)很難適應(yīng)快速迭代的需要。新的芯片需要加快創(chuàng)新步伐、快速集成新功能，選擇適宜的制造工藝、IP、代工服務(wù)?；贑hiplet的異構(gòu)集成已經(jīng)被證明是后摩爾時代的理想解決方案。Agilex 7便是典型的Chiplet設(shè)計，由Core Fabric芯粒和R-Tile、F-Tile芯粒構(gòu)成。其中Core Fabric負責(zé)提供運算等核心功能，F(xiàn)-Tile負責(zé)提供主流的PCIe 4.0收發(fā)器, R-Tile負責(zé)支持前衛(wèi)的PCIe 5.0、CXL2.0等特性的收發(fā)器。

數(shù)據(jù)激增：海量的數(shù)據(jù)需要更大的存儲容量和帶寬，內(nèi)存墻正日益成為設(shè)計的瓶頸——再強大的加速器都需要充足的數(shù)據(jù)來喂飽。AI應(yīng)用是典型的受限于內(nèi)存的場景。Agilex也積極支持最新的內(nèi)存接口標準，包括DDR5、LPDDR5和HBM2e。

設(shè)計復(fù)雜性：加速器的工作負載變得日益復(fù)雜，更高的性能、更多的控制平面，同一芯片可能需要支持不同的指令集，這些都導(dǎo)致設(shè)計復(fù)雜性增加。AI負載的需求進一步加劇了這個問題，譬如不同的數(shù)據(jù)精度、跨平臺的協(xié)同等。開發(fā)人員需要簡便的 FPGA 開發(fā)、AI 和工作負載加速工作流，開放式的加速生態(tài)系統(tǒng)。英特爾OFS、OpenVINO、Quartus等軟件棧資源有助于縮短開發(fā)時間，簡化跨平臺部署的難度。

快速滿足邊到云的AI擴展需求 ? ? ?

AI應(yīng)用場景日趨多元化，需要復(fù)雜多樣的產(chǎn)品才能滿足需求。我們可以將場景分成三類：云端、網(wǎng)絡(luò)、邊緣。

云端的AI需求主要就是大批量的處理，包括深度學(xué)習(xí)、機器學(xué)習(xí)等。其特點是數(shù)據(jù)量龐大、運算負荷大，帶寬要求高，但實時性通常不高，甚至允許錯誤回滾。網(wǎng)絡(luò)的AI需求包括數(shù)據(jù)包檢測、擁塞控制等，對于無線網(wǎng)絡(luò)，AI還會用于波束成形等。邊緣側(cè)的應(yīng)用，通常需要較高的實時性，譬如工業(yè)、醫(yī)療、交通中的識別與控制，以及金融分析等應(yīng)用，有嚴格的時延要求。多樣化的應(yīng)用場景需要不同類型的AI算力支撐，數(shù)字底座由多層次的、不同指令集的異構(gòu)算力構(gòu)成。

邊緣側(cè)

對于邊緣側(cè)應(yīng)用，尤其是嵌入式設(shè)備，AI是創(chuàng)新的爆發(fā)點。將AI稱為嵌入式世界轉(zhuǎn)型的中心舞臺毫不為過，利用AI可以提高生產(chǎn)力、效率、質(zhì)量、體驗……譬如，在技術(shù)日的現(xiàn)場展示就包括通過機器學(xué)習(xí)增強計算視覺，快速地在生產(chǎn)線中構(gòu)建缺陷檢測系統(tǒng)。再譬如通過傳感器跟蹤豐富的、超越人類經(jīng)驗感知的設(shè)備信息并加以學(xué)習(xí)和推理，可以為預(yù)防性維護提供參考。物聯(lián)網(wǎng)從數(shù)字化到智能化，會產(chǎn)生巨大的市場需求。5G的普及、AI實施門檻降低，使得各種規(guī)模、數(shù)字化水平的工廠都有機會進入工業(yè) 4.0時代。

工業(yè)缺陷檢測實時平臺演示

邊緣側(cè)的應(yīng)用存在于大量的細分領(lǐng)域，通常是個性化的，具有小批量的特點，適合FPGA進行滿足。邊緣側(cè)還可能需要多功能疊加，同時處理多個卷積神經(jīng)網(wǎng)絡(luò)。需要靈活性，譬如I/O接口類型、可定制的數(shù)值精度等。這些特點對開發(fā)工具也提出了更高的要求。通過英特爾OpenVINO和FPGA AI Suite開發(fā)套件，可以快速生成IP和進行RTL硬編碼，快速開發(fā)和迭代FPGA，驗證和部署更優(yōu)的深度學(xué)習(xí)推理模型。

對于邊緣側(cè)，尤其是工業(yè)界的應(yīng)用，AI應(yīng)用的鏈條很長，場景多樣。從數(shù)據(jù)采集開始，需要涉及多種模式的傳感器及數(shù)據(jù)，部分數(shù)據(jù)還涉及傳感器融合。眾多的數(shù)據(jù)經(jīng)過預(yù)處理匯入數(shù)據(jù)湖，進行進一步的處理。其中的一些事件作為推理（預(yù)測或異常檢測）的輸入，實時處理并控制相應(yīng)的執(zhí)行器。一部分事件和整個數(shù)據(jù)湖積累的數(shù)據(jù)，可以通過機器學(xué)習(xí)、生成式AI助力，幫助流程、產(chǎn)品、設(shè)備的重新設(shè)計。在整個流程當中，會涉及到包括FPGA、ASIC、CPU、GPU等硬件能力，以及Quartus、OpenVINO等軟件棧。

數(shù)據(jù)中心

FPGA在數(shù)據(jù)中心的應(yīng)用非常廣泛，其中，數(shù)據(jù)中心的加速功能主要包括兩個方面：架構(gòu)加速和應(yīng)用加速。

一方面是對數(shù)據(jù)中心基礎(chǔ)設(shè)施的加速，也就是架構(gòu)上的加速。數(shù)據(jù)中心的資源包括計算、存儲、網(wǎng)絡(luò)，通過重構(gòu)，可以降低成本、提升效率，提升整個數(shù)據(jù)中心的TCO。

對于計算優(yōu)化型實例，CPU只是單純的使用計算的功能，對于用戶而言，虛擬的存儲資源都在IPU下面。相應(yīng)的，是存儲型的節(jié)點，有的存儲服務(wù)器會把盤直接掛在 CPU 上，但會受到PCIe通道數(shù)量的限制，也有的存儲服務(wù)器把盤掛在FPGA下。在數(shù)據(jù)傳輸?shù)倪^程中，可以有很多的事情交給FPGA來做，譬如壓縮解壓、加密解密，或者一些數(shù)據(jù)的預(yù)處理，效率會比通過CPU進行處理要高的多。

傳統(tǒng)服務(wù)器的內(nèi)存是安裝在服務(wù)器內(nèi)，容量是固定的，不能隨意增減。隨著CXL協(xié)議的成熟，用戶可以用FPGA來做內(nèi)存的管理。首先是做內(nèi)存容量的擴展，第二個階段是內(nèi)存的池化，將內(nèi)存動態(tài)的分配給需要的計算節(jié)點。在內(nèi)存盒子中，還可以讓NVMe SSD充當內(nèi)存（如內(nèi)存語義SSD），或者讓內(nèi)存充當SSD緩存，可以降低成本或者提升性能，這些對于主機可以是透明的。除了內(nèi)存、存儲節(jié)點，數(shù)據(jù)中心還可以把GPU或者加速節(jié)點解耦出來。

另一方面是應(yīng)用的加速，包括AI的加速、數(shù)據(jù)處理的加速，典型如DPU、智能網(wǎng)卡，可以卸載一些原本CPU的處理工作，或者做一些特定的數(shù)據(jù)處理。加速卡具體承擔哪些方面的處理，是根據(jù)對應(yīng)用、協(xié)議的理解進行的，F(xiàn)PGA的可編程性就很適合這種場景。

FPGA還有一個特點是低時延，它的數(shù)據(jù)處理通過特定的每一個門，工作流的時延是可預(yù)測的。這種超低時延的特點對于金融分析、處理非常有價值，如高頻交易等。LMS和BittWare基于Agilex7 FPGA開發(fā)的專為金融服務(wù)業(yè)設(shè)計網(wǎng)卡，時延降低了61%，吞吐量提高200%，性能一致性提升超千倍。

構(gòu)建可信任、有韌性的供應(yīng)鏈 ? ? ?

供應(yīng)鏈是技術(shù)日中多次被提及的重點話題。半導(dǎo)體芯片的需求持續(xù)高速增長，芯片出貨量在2021年已達到1.15萬億個，且預(yù)計到2030年的平均增長率可以達到8%。但是，眾所周知，在過去幾年中，全球供應(yīng)鏈面臨著非常復(fù)雜、廣泛的危機。英特爾的FPGA產(chǎn)品線針對供應(yīng)鏈難題提出了韌性供應(yīng) (Supply Resilience) 計劃，將投資重點放在加強端到端供應(yīng)鏈、提高產(chǎn)能、增加冗余和增加緩沖庫存，以提升供應(yīng)鏈的彈性和控制力，不但要滿足客戶需求，還要降低未來再次遭遇供應(yīng)鏈中斷的風(fēng)險。相關(guān)的舉措包括優(yōu)化產(chǎn)品組合，增加采購來源，如對更多基板供應(yīng)商進行認證、擴大測試和組裝能力，與包括臺積電、三星、格芯在內(nèi)的晶圓代工廠合作擴大晶圓產(chǎn)能等。PSG 全球銷售總經(jīng)理 Sean Dougherty表示，目前PSG已經(jīng)完全擺脫供應(yīng)困局，所有產(chǎn)品的交付周期也已恢復(fù)到正常水平。

預(yù)計到2023年第四季度，英特爾主要FPGA產(chǎn)品的交貨時間將達到16周或更短時間。產(chǎn)品供應(yīng)周期將長達15年或更長時間?？深A(yù)測的交付和長生命周期，加上敏捷的原型設(shè)計，將極大提升FPGA客戶的信心。

作者：南宿

編輯：黃飛

?