为什么eFPGA比以前更重要？

通过摩尔定律，一颗微处理器芯片上的晶体管数量每两年左右将会翻倍, 半导体的性能与容量将以指数级增长，这种方式正在减弱。8nResmc

看看下面这张图，1986年到2003年保持着52%性能提升，但是到了2003-2011年变为23%，2011-2015年为12%，而到了2015-2018年仅为3.5%。8nResmc

8nResmc

人工智能与深度学习的应用在未来将呈跳跃式增长，因为它将不是在特定领域，而不是覆盖所有的事物。从台式电脑、笔记本电脑的上亿出货量级、到智能手机十几亿的出货量级，再看AI时代，这个量级毫无疑问将更大。8nResmc

8nResmc

 8nResmc

在摩尔定律的逐渐失效以及AI海量市场面前，需要针对特定应用形成新的计算架构。8nResmc

Achronix公司推崇的方式是运用eFPGA和FPGA加速人工智能、机器学习以及网络硬件加速应用。最新推出第四代Speedcore eFPGA IP，新一代独立FPGA也即将发布。8nResmc

Achronix Semiconductor公司市场营销副总裁Steve Mensor日前在深圳举办的媒体见面会上展开交流。他解析，下面这张图很好地说明，不同的应用场景需要怎样性能的产品。例如在计算加速领域，需要高性能计算，Achronix提供独立FPGA，在边缘计算领域对低功耗有要求，eFPGA是更好的选择。8nResmc

8nResmc

 8nResmc

当然，硬件加速可以采取CPU ,GPU,FPGA，ASIC四种方式。Steve分析，ASIC能力最强，但缺少灵活性，若有新的算法，很难满足需求。具有可编程能力的是GPU和FPGA，他们用于不同的应用，兼顾功耗与运算性能，例如GPU在服务器、云端用得更多，eFPGA用在边缘计算则能够发挥功耗低的优势。8nResmc

Achronix推出的第四代嵌入式FPGA产品Speedcore Gen4 eFPGA IP，支持客户将FPGA功能集成到他们的SoC之中。Speedcore Gen4将性能提高了60％、功耗降低了50％、芯片面积减少65％，同时保留了原有的Speedcore eFPGA IP的功能，即可将可编程硬件加速功能引入广泛的计算、网络和存储应用，实现接口协议桥接/转换、算法加速和数据包处理。8nResmc

8nResmc

在Speedcore Gen4架构中，Achronix将机器学习处理器（MLP）添加到Speedcore可提供的资源逻辑库单元模块中。MLP模块是一种高度灵活的计算引擎，它与存储器紧密耦合，从而为人工智能和机器学习（AI / ML）应用提供了性能/功耗比最高和成本最低的解决方案。8nResmc

8nResmc

 8nResmc

8-bit ALU和Bus maximum function增加了对人工智能和机器学习的强化，其余的改进则是通用层面对性能的提升。8nResmc

通过增加BUS走线，另外增加一层，专门应对人工智能，不占用现有逻辑单元与走线，这样做更有效率。这一层走线与存储层距离更近，不需要经过逻辑层，从而大幅提高存储和数据传输效率。8nResmc

 8nResmc

8nResmc

Achronix将率先推出基于台积电7nm工艺的Speedcore Gen4 eFPGA IP，后续还将于2019年中推出16nm工艺产品，另外，独立器件将于明年一季度发布。8nResmc

最近的消息是，Micron宣布推出其GDDR6存储器，它是Micron最快、最强大且支持图形的存储器，将成为支持Achronix采用台积电（TSMC） 7nm工艺技术的下一代独立FPGA芯片的首选高性能存储器。GDDR6针对包括机器学习等诸多要求严苛的应用进行了优化，这些应用需要数万兆比特（multi-terabit）存储宽带，从而使Achronix在提供FPGA方案时，其成本能够比其他使用可比存储解决方案的FPGA低出一半。Achronix的高性能FPGA与GDDR6存储器相结合，可为业界提供带宽最高的存储解决方案，用于数据中心和汽车应用中机器学习工作负载的加速。8nResmc

 8nResmc

8nResmc

Steve指出，SmartNIC智能网卡、边缘计算、5G等都将是嵌入式FPGA瞄准的市场。例如智能网卡现有方案用板卡+网络芯片+FPGA，今后可以嵌入FPGA并加入MLP，实现高整合度与AI功能。边缘计算由于成本与低功耗要求，传统独立的FPGA器件无法满足，也是eFPGA的市场。Achronix在2017年的业务比重当中，独立器件占比高于IP，不过2018年IP业务比重不断增加，Steve预计，5G和云计算的高涨将带动IP业务持续增长。8nResmc