FPGA市场复苏与新应用领域 - FPGA在数据中心受挫后，在人工智能、高速无线通信、医疗和生命科学技术以及复杂芯片架构等领域找到新应用，改善数据流[1] - FPGA使设计人员能够在芯片部署后重新编程或重新配置数字逻辑，在AI领域至关重要，因为算法更新速度远超芯片架构更新速度[1] - FPGA前期成本较低，可作为专用集成电路（ASIC）等固定功能芯片的原型设计工具，或作为工作负载确定前的临时解决方案[1] - 由于制造成本较高，FPGA通常用于小批量、高性能的特殊应用，例如战斗机或实验室测量设备[1] FPGA的新兴应用场景 - 基于云的服务器将复杂算法从数据中心卸载到医疗和科学应用中，这些应用涉及3D数学[1] - 通过混合原型系统进行低成本虚拟硬件验证，缓解SoC和NoC中的内存和I/O瓶颈[1] - AI基础设施、数据平面管理以及在数据到达CPU或GPU之前进行数据准备[1] - 为基站和核心网络设备开发的5G/6G芯片[1] - 通过横向产品差异化提供定制化的硬件功能[1] - 防范安全法规和威胁的变化[1] 高端FPGA的主要用户群体 - 电信公司（无线和有线）、数据中心、网络以及军事、航空航天和政府部门是高端FPGA的主要大批量用户[2] - 这些应用领域的年用量从数千到数十万颗不等[2] - FPGA集成更多功能，例如嵌入式Arm内核和AI张量模块，提高在更广泛的嵌入式和边缘AI应用中的使用率[2] 机器人技术和医学成像应用 - 机器人技术需要确定性的延迟，并利用来自摄像头和传感器的异构数据在边缘端进行实时决策[2] - 医学成像技术，从验光师扫描视网膜到核磁共振成像系统，需要处理原始的模拟数据，进行滤波、处理、图像重建和大量矩阵运算[3] - AI引擎非常擅长矩阵运算，是这类体积成像应用的理想选择[3] FPGA与ASIC的权衡 - 设计人员不会在FPGA和ASIC之间随意切换，而是采用多种方案的组合或融合[4] - 互连技术促进并支持FPGA的混合应用，例如用于网络安全或缓解I/O瓶颈[4] - 与ASIC相比，FPGA需要一些架构设计才能获得成本效益，在实现以太网或PCIe方面会有一些额外的开销[4] - 最终取决于投资回报率，以及市场是否已经稳定到需要ASIC的地步[5] AI/ML模型与FPGA的适配 - AI/ML模型是一个不断变化的目标，可以重新编程FPGA来匹配它们，但随着情况的变化，选择最佳芯片是一个循环过程[6] - 如果工作负载经常变化，需要通用计算，但最终可能需要进行定制[6] - 生命科学领域的研究人员正在设计不同的模型架构，模型架构探索远未趋于一致，因此需要编译器硬件以合理的速度运行定制的模型架构[6] - 在数据中心，原型设计或针对非常具体的AI变更，或许能从中受益，例如高频交易算法定期变更需要进行优化[6] 基于云的FPGA应用 - 基于云的FPGA可用于将计算密集型工作负载从数据中心卸载，例如通过使用Amazon Web Services EC2虚拟服务器[8] - F2实例内置一张PCIe卡，上面有八个Xilinx FPGA，所有这些FPGA都可以通过PCIe总线与主处理器进行编程[8] - F2实例被用于卸载非常复杂的算法，主要在生命科学领域，例如DNA分析或化学反应分析人员需要处理非常复杂的3D数学运算[8] - F2实例的另一个应用场景是低成本硬件验证，例如SiFive以每小时6美元的价格在AWS上租用FPGA板，运行多CPU、多核设计[9] FPGA在数据中心的优化作用 - FPGA可以通过优化数据传输来帮助减少SoC和芯片中的内存和I/O瓶颈，从而节省数据中心的功耗并提高性能[11] - FPGA可以直接放置在数据路径中来管理数据流，从而最大限度地减少缓冲，优化吞吐量[11] - 通过在线管理数据，FPGA可以对传入的数据进行预处理，这减轻了CPU、GPU或其他处理单元的工作量[11] - 在数据中心，FPGA被用作带有本地内存的智能网卡，FPGA的可重构特性，加上其超高速的连接性、内存容量和低延迟，使其非常适合与AI计算单元并排使用[11] 无线通信基础设施中的应用 - 5G、6G、Open RAN和基带应用等通信协议是FPGA的重要市场[13] - 随着无线标准的演进，前四到五年的部署周期通常都采用FPGA，因为标准尚未完全定型，大型设备供应商无法及时开发出ASIC[13] - 在6G领域，与网络相关的AI处理技术正在被广泛讨论，但目前还没有标准化的方案，需要在AI计算方面具备灵活性[13] - 在5G领域，AMD的自适应SoC在波束成形应用中的使用量显著增加[13] 横向产品差异化与安全应用 - 垂直整合的公司可以将特定的加速器或功能集成到ASIC中，但该行业的大部分业务都是横向整合的[15] - 公司可以将嵌入式FPGA架构集成到他们的设备中，或者使他们的SoC能够与外部FPGA连接，这可以为他们的系统提供定制化的硬件功能[15] - 嵌入式FPGA还能够通过稀疏性和混淆来保护某些知识产权，软件开发商可以开发算法，并将其放置在ASIC上的eFPGA中，而无需与任何人共享[15] - FPGA可以重新编程以应对不断变化的法规和日益增长的威胁，例如量子黑客[17] - 人们正在使用FPGA进行基于人工智能的数据包检测，以查找威胁[18]