8月8日，英特爾在美國(guó)總部召開(kāi)了名為“以數(shù)據(jù)為中心（Data-Centric）”的創(chuàng)新峰會(huì)。在會(huì)上，以英特爾執(zhí)行副總裁、數(shù)據(jù)中心集團(tuán)總經(jīng)理Navin Shenoy為首的各產(chǎn)品線主要負(fù)責(zé)人介紹了英特爾在大數(shù)據(jù)時(shí)代的發(fā)展愿景和布局，對(duì)“以數(shù)據(jù)為中心的計(jì)算（Data-Centric Computing）”的潛在市場(chǎng)進(jìn)行了分析，并且公布了若干英特爾相關(guān)軟硬件產(chǎn)品的發(fā)展路線圖。

本次峰會(huì)披露了很多關(guān)于FPGA的重大動(dòng)態(tài)，其中包括正式宣布了基于英特爾FPGA的智能網(wǎng)卡產(chǎn)品線，以及其第一款代號(hào)為“Cascade Glacier（冰川瀑布）”的量產(chǎn)版智能網(wǎng)卡。作為這款產(chǎn)品的FPGA研發(fā)團(tuán)隊(duì)的主要成員之一，筆者從立項(xiàng)之初就參與了它的各項(xiàng)研發(fā)工作，并負(fù)責(zé)了多個(gè)軟硬件模塊和系統(tǒng)的設(shè)計(jì)與驗(yàn)證任務(wù)。因此對(duì)于這款產(chǎn)品的正式對(duì)外發(fā)布，我倍感欣喜，并希望通過(guò)本文進(jìn)一步梳理和分析峰會(huì)的技術(shù)細(xì)節(jié)，以及從以下幾個(gè)方面探討FPGA在大數(shù)據(jù)時(shí)代的各種機(jī)遇和挑戰(zhàn)：

1.英特爾“泛數(shù)據(jù)中心”業(yè)務(wù)及其潛在市場(chǎng)

2.基于FPGA的智能網(wǎng)卡產(chǎn)品線的正式發(fā)布

3.英特爾人工智能計(jì)算加速器產(chǎn)品系列的相關(guān)布局

4.FPGA開(kāi)發(fā)的痛點(diǎn)與潛在方案

英特爾“泛數(shù)據(jù)中心”業(yè)務(wù)

近年來(lái)，英特爾一直積極的尋求業(yè)務(wù)轉(zhuǎn)型，即從一家以個(gè)人計(jì)算機(jī)和CPU為主的企業(yè)，轉(zhuǎn)向以數(shù)據(jù)為中心并圍繞其發(fā)展全棧式解決方案的公司。為了實(shí)現(xiàn)這一目標(biāo)，這幾年英特爾先后收購(gòu)了FPGA大廠Altera（167.5億美金），自動(dòng)駕駛大廠Mobileye（153億美金），人工智能芯片初創(chuàng)公司Nervana、機(jī)器視覺(jué)公司Movidus等眾多公司擴(kuò)展其產(chǎn)品線，并同時(shí)招攬了兩位芯片設(shè)計(jì)大神Jim Keller和 Raja Koduri分別擔(dān)任半導(dǎo)體工程總負(fù)責(zé)人和芯片總架構(gòu)師，負(fù)責(zé)統(tǒng)領(lǐng)英特爾各類(lèi)芯片（特別是高端數(shù)據(jù)中心芯片）的整體架構(gòu)和路線圖規(guī)劃。另外，英特爾旗下的風(fēng)投部門(mén)僅在2017年就投資了包括地平線在內(nèi)的十余家AI初創(chuàng)企業(yè)，各領(lǐng)域總投資額超過(guò)五億美元。

推動(dòng)這場(chǎng)變革的主要力量，就是目前方興未艾的大數(shù)據(jù)浪潮。目前，全世界現(xiàn)有的超過(guò)90%的數(shù)據(jù)都是在過(guò)去的兩年內(nèi)產(chǎn)生的。隨著人工智能、自動(dòng)駕駛、5G、云計(jì)算等各種技術(shù)的不斷發(fā)展，各類(lèi)數(shù)據(jù)將會(huì)基于源源不斷的產(chǎn)生，預(yù)計(jì)到2025年時(shí)，數(shù)據(jù)總量將比現(xiàn)在增長(zhǎng)10倍。由于上述技術(shù)的發(fā)展都基于對(duì)大數(shù)據(jù)的研究和分析，因此有人形象的將數(shù)據(jù)比作未來(lái)人工智能時(shí)代的石油。

隨著數(shù)據(jù)量的增長(zhǎng)和技術(shù)的發(fā)展，對(duì)數(shù)據(jù)進(jìn)行處理的能力也有了長(zhǎng)足的進(jìn)步。特別是隨著摩爾定律的延續(xù)，從2012年至2017年，處理數(shù)據(jù)所需的計(jì)算和存儲(chǔ)成本分別下降了56%和77%；同時(shí)，處理數(shù)據(jù)的性能相較2006年則提升了41倍，如圖1所示。然而即便如此，現(xiàn)如今只有不到1%的數(shù)據(jù)被有效的進(jìn)行了處理、分析和利用。由此可見(jiàn)，如何高效的以數(shù)據(jù)為中心進(jìn)行現(xiàn)有系統(tǒng)的優(yōu)化設(shè)計(jì)、升級(jí)和創(chuàng)新，擁有著巨大的市場(chǎng)潛力和前景。

圖1：摩爾定律的延續(xù)帶來(lái)的數(shù)據(jù)處理性能的增長(zhǎng)

在本次峰會(huì)上，英特爾對(duì)其2022年的大數(shù)據(jù)相關(guān)的潛在市場(chǎng)規(guī)模（Total Addressable Market – TAM）做了自己的預(yù)測(cè)，如下圖所示：

圖2：2022年英特爾大數(shù)據(jù)相關(guān)的潛在市場(chǎng)規(guī)模

英特爾的各類(lèi)以數(shù)據(jù)為中心的業(yè)務(wù)部門(mén)主要包括四個(gè)子業(yè)務(wù)群：第一，傳統(tǒng)的數(shù)據(jù)中心業(yè)務(wù)，包括Xeon處理器、網(wǎng)絡(luò)、連接等；第二，非易失性存儲(chǔ)業(yè)務(wù)；第三，物聯(lián)網(wǎng)和自動(dòng)駕駛業(yè)務(wù)，包括各類(lèi)人工智能相關(guān)的業(yè)務(wù)部門(mén)；第四，F(xiàn)PGA業(yè)務(wù)。我在本文中將將其統(tǒng)一稱(chēng)作“泛數(shù)據(jù)中心”集團(tuán)。至2022年，泛數(shù)據(jù)中心集團(tuán)的潛在市場(chǎng)規(guī)模將超過(guò)2000億美元，并由此成為英特爾歷史上最大的市場(chǎng)機(jī)遇。其中，各個(gè)子業(yè)務(wù)群的市場(chǎng)規(guī)模分別為，傳統(tǒng)數(shù)據(jù)中心業(yè)務(wù)超過(guò)900億美元、非易失性存儲(chǔ)業(yè)務(wù)750億美元，物聯(lián)網(wǎng)和自動(dòng)駕駛業(yè)務(wù)330億美元，F(xiàn)PGA相關(guān)的業(yè)務(wù)也超過(guò)80億美元。

為此，英特爾提出了“全棧式”的數(shù)據(jù)中心系統(tǒng)解決方案路線圖，并由此打造以數(shù)據(jù)為中心的基礎(chǔ)架構(gòu)，如下圖所示。

圖3：英特爾全棧式數(shù)據(jù)中心解決方案

可以看到，這個(gè)路線圖主要由“三駕馬車(chē)”進(jìn)行驅(qū)動(dòng)，分別是傳輸、存儲(chǔ)和計(jì)算。值得注意的是，圖中在傳輸和計(jì)算的部分都明確標(biāo)出了FPGA的存在。下文將進(jìn)一步分析FPGA在這兩個(gè)領(lǐng)域中所面臨的主要機(jī)遇和挑戰(zhàn)。

使用FPGA智能網(wǎng)

卡加速數(shù)據(jù)中心網(wǎng)絡(luò)

（1）數(shù)據(jù)中心網(wǎng)絡(luò)市場(chǎng)高速增長(zhǎng)

在2022年，F(xiàn)PGA的數(shù)據(jù)中心相關(guān)業(yè)務(wù)的潛在市場(chǎng)規(guī)模將達(dá)到80億美元，較現(xiàn)在增長(zhǎng)將超過(guò)30億美元。就英特爾FPGA業(yè)務(wù)部（原Altera）而言，其數(shù)據(jù)中心相關(guān)業(yè)務(wù)的年同比增長(zhǎng)率在今年一季度達(dá)到了140%，與高端FPGA器件相關(guān)的增幅達(dá)50%，而整體業(yè)務(wù)也有超過(guò)兩位數(shù)的增長(zhǎng)，見(jiàn)下圖所示。

圖4：英特爾可編程業(yè)務(wù)部年增長(zhǎng)率

FPGA的一個(gè)最主要的應(yīng)用領(lǐng)域就是對(duì)各類(lèi)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行并行化處理。這里的網(wǎng)絡(luò)，既包括傳統(tǒng)的有線通信網(wǎng)絡(luò)，也包括正在興起的5G無(wú)線網(wǎng)絡(luò)，以及在數(shù)據(jù)中心里的各類(lèi)網(wǎng)絡(luò)連接。

（2）FPGA智能網(wǎng)卡產(chǎn)品線發(fā)布

前文中提到，作為本次峰會(huì)的一大亮點(diǎn)，英特爾發(fā)布了全新的基于FPGA的智能網(wǎng)卡產(chǎn)品線，以及其中的首款量產(chǎn)級(jí)產(chǎn)品，代號(hào)為“Cascade Glacier（冰川瀑布）”。由此進(jìn)一步擴(kuò)充了英特爾的以太網(wǎng)硬件產(chǎn)品線，形成了傳統(tǒng)網(wǎng)卡（ASIC）+智能網(wǎng)卡（FPGA）+網(wǎng)絡(luò)功能加速卡（FPGA）的完整產(chǎn)品組合，如下圖所示。

圖5：英特爾數(shù)據(jù)中心以太網(wǎng)硬件產(chǎn)品線

這類(lèi)智能網(wǎng)卡的產(chǎn)生背景是為了應(yīng)對(duì)數(shù)據(jù)中心網(wǎng)絡(luò)流量的爆炸性增長(zhǎng)。從下圖可以看到，全球數(shù)據(jù)中心的網(wǎng)絡(luò)流量將從2016年的6.8Z字節(jié)(1ZB等于10的12次方GB)暴增至2021年的20.6Z字節(jié)，年復(fù)合增長(zhǎng)率約為25%。同時(shí)值得注意的是，這其中大部分的網(wǎng)絡(luò)流量都是在數(shù)據(jù)中心內(nèi)部的，因此如何優(yōu)化處理這類(lèi)網(wǎng)絡(luò)流量就成了亟需解決的課題。另外，在目前的通信及云服務(wù)提供商的數(shù)據(jù)中心里，部分CPU核心被用來(lái)實(shí)現(xiàn)必須的存儲(chǔ)和網(wǎng)絡(luò)功能，如針對(duì)虛擬化交換的OVS（Open Virtual Switch），以及針對(duì)I/O虛擬化的Virtio等等，這樣使得寶貴的CPU資源被非用戶(hù)任務(wù)占用，造成可用CPU資源的壓縮和緊張。為解決這些問(wèn)題，Cascade Glacier智能網(wǎng)卡由此產(chǎn)生。

圖6：全球數(shù)據(jù)中心網(wǎng)絡(luò)流量增長(zhǎng)率

如圖7所示，Cascade Glacier基于英特爾Arria10系列FPGA，能為云數(shù)據(jù)中心的網(wǎng)絡(luò)流量提供2x25GbE的數(shù)據(jù)處理加速。

圖7a：FPGA智能網(wǎng)卡Cascade Glacier

與傳統(tǒng)網(wǎng)卡以及現(xiàn)有的其他智能網(wǎng)卡相比，它提供了業(yè)界唯一的對(duì)Virtio協(xié)議的硬件支持和加速，使得云數(shù)據(jù)中心里的虛擬機(jī)可以進(jìn)行無(wú)縫的動(dòng)態(tài)遷移，而不需要安裝額外的驅(qū)動(dòng)，極大的擴(kuò)展了數(shù)據(jù)中心的部署靈活性。另外，它將原本在CPU上實(shí)現(xiàn)的OVS功能完全卸載到FPGA上實(shí)現(xiàn)，釋放了寶貴的CPU資源。另外，它還提供了FPGA靈活的可編程以及低功耗的特點(diǎn)，方便在數(shù)據(jù)中心中大規(guī)模部署，以及對(duì)常用網(wǎng)絡(luò)功能進(jìn)行定制化加速。作為英特爾獨(dú)立開(kāi)發(fā)的量產(chǎn)級(jí)智能網(wǎng)卡產(chǎn)品，Cascade Glacier會(huì)與英特爾”泛數(shù)據(jù)中心“架構(gòu)中的其他組成部分，如Xeon CPU、存儲(chǔ)器、AI協(xié)處理器和加速器等，進(jìn)行軟硬件深度整合，從而提供完整的端到端的系統(tǒng)解決方案。目前，Cascade Glacier已經(jīng)進(jìn)入了最后的批量裝配階段，并預(yù)計(jì)將于2019年一季度正式出貨。

圖7b：使用智能網(wǎng)卡進(jìn)行CPU功能卸載

Cascade Glacier可以算是英特爾針對(duì)云數(shù)據(jù)中心而設(shè)計(jì)開(kāi)發(fā)的第一代基于FPGA的智能網(wǎng)卡量產(chǎn)產(chǎn)品，很好的解決了行業(yè)痛點(diǎn)，因此已經(jīng)吸引了很多大型云服務(wù)提供商的關(guān)注。相信在不久的將來(lái)，會(huì)有更多關(guān)于這款產(chǎn)品的詳細(xì)信息和部署情況被正式公布，屆時(shí)我會(huì)更深入的介紹關(guān)于Cascade Glacier的更多性能特點(diǎn)。

（3）針對(duì)網(wǎng)絡(luò)功能虛擬化和加速的FPGA智能網(wǎng)卡

我曾經(jīng)在之前的博文《白皮書(shū)技術(shù)解析 - 為下一代電信基礎(chǔ)設(shè)施尋找有效的虛擬網(wǎng)絡(luò)體系架構(gòu)》中詳細(xì)分析了FPGA是如何應(yīng)用在網(wǎng)絡(luò)功能虛擬化（Network Function Virtualization – NFV）這一新興場(chǎng)景，并幫助中國(guó)電信實(shí)現(xiàn)電信網(wǎng)絡(luò)的轉(zhuǎn)型升級(jí)的。

圖8：網(wǎng)絡(luò)功能虛擬化與FPGA

通過(guò)NFV技術(shù)，電信數(shù)據(jù)中心網(wǎng)絡(luò)可以實(shí)現(xiàn)轉(zhuǎn)發(fā)面與控制面解耦分離，從而只需使用標(biāo)準(zhǔn)的服務(wù)器、存儲(chǔ)和網(wǎng)絡(luò)硬件設(shè)備，并借由FPGA的硬件加速，就能完成各類(lèi)核心網(wǎng)絡(luò)功能，而無(wú)需再購(gòu)買(mǎi)配置各類(lèi)專(zhuān)用的網(wǎng)絡(luò)設(shè)備。NFV是目前電信網(wǎng)絡(luò)發(fā)展的大趨勢(shì)，并非由英特爾提出。但可以發(fā)現(xiàn)，其核心思想與上文提到的英特爾“泛數(shù)據(jù)中心”的三駕馬車(chē)不謀而合。英特爾也是目前唯一一家可以提供結(jié)合了傳輸、存儲(chǔ)和計(jì)算的全棧式半導(dǎo)體解決方案的公司。

在2017年的甲骨文開(kāi)發(fā)者大會(huì)上，英特爾公布了一款正在開(kāi)發(fā)中的智能網(wǎng)卡原型機(jī)，如下圖所示，并對(duì)使用這款智能網(wǎng)卡進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)加解密的性能進(jìn)行了現(xiàn)場(chǎng)展示。這款智能網(wǎng)卡基于英特爾Arria10系列FPGA，并包含一枚英特爾XL710以太網(wǎng)控制器，因此可以同時(shí)實(shí)現(xiàn)高速網(wǎng)絡(luò)數(shù)據(jù)處理以及靈活的基于FPGA的定制計(jì)算需求。作為這款板卡最早期的FPGA開(kāi)發(fā)者之一，我認(rèn)為這款產(chǎn)品及其后續(xù)的升級(jí)版本將會(huì)在數(shù)據(jù)中心的網(wǎng)絡(luò)功能加速領(lǐng)域有著廣闊的前景。

圖9：針對(duì)NFV與網(wǎng)絡(luò)功能加速的FPGA智能網(wǎng)卡

人工智能計(jì)算加速器

產(chǎn)品系列的相關(guān)布局

在本次峰會(huì)上，英特爾宣布了Xeon處理器的詳細(xì)路線圖，即基于英特爾14nm工藝的Cascade Lake（2018年底出貨），基于14nm工藝的Cooper Lake（2019年出貨），以及基于10nm工藝的Ice Lake（2020年出貨）。這三款Xeon處理器都在內(nèi)部集成了對(duì)深度學(xué)習(xí)加速器的原生支持，從而更好的針對(duì)人工智能應(yīng)用進(jìn)行計(jì)算和加速。除此之外，英特爾還展示了“泛數(shù)據(jù)中心”業(yè)務(wù)群中針對(duì)人工智能應(yīng)用的全棧芯片產(chǎn)品組合。

圖10：英特爾人工智能芯片產(chǎn)品組合

在人工智能的計(jì)算和加速領(lǐng)域，F(xiàn)PGA也被廣泛用作硬件加速模塊來(lái)使用，并被部署于數(shù)據(jù)中心本身以及很多邊緣計(jì)算的場(chǎng)合。

首先，在數(shù)據(jù)中心領(lǐng)域，最有名的例子就是微軟在其數(shù)據(jù)中心對(duì)FPGA使用進(jìn)行的一系列針對(duì)人工智能計(jì)算的開(kāi)創(chuàng)性的探索。例如，微軟在它最新公布的“腦波項(xiàng)目（Project Brainwave）”中，使用了英特爾FPGA，構(gòu)建了實(shí)時(shí)深度學(xué)習(xí)平臺(tái)。它利用了FPGA的低延時(shí)、高并行、低功耗的特點(diǎn)，實(shí)現(xiàn)了對(duì)Bing搜索服務(wù)、微軟Azure云平臺(tái)等多項(xiàng)業(yè)務(wù)的跨越式加速。關(guān)于微軟的FPGA項(xiàng)目已有很多文章進(jìn)行介紹，本文不再展開(kāi)。

其次，英特爾于2017年發(fā)布了用于Xeon服務(wù)器的新一代標(biāo)準(zhǔn)化的“可編程加速卡（Programmable Acceleration Cards – PACs）”，以及配套的加速棧開(kāi)發(fā)軟件和用戶(hù)接口，如下圖所示，并已經(jīng)得到了包括戴爾、富士通、浪潮等服務(wù)器大廠的采用和配套支持。這款加速卡可以使用戶(hù)在多個(gè)領(lǐng)域進(jìn)行定制計(jì)算加速，包括人工智能、大數(shù)據(jù)、高性能計(jì)算等。

圖11：英特爾基于FPGA的可編程加速卡

第三，F(xiàn)PGA的應(yīng)用也逐步擴(kuò)展到網(wǎng)絡(luò)邊緣和端點(diǎn)，例如智能安防、視頻采集和處理、自動(dòng)駕駛和機(jī)器人等等，直接在數(shù)據(jù)來(lái)源進(jìn)行計(jì)算加速，并進(jìn)行人工智能模型的推斷和處理。

圖12：FPGA在邊緣網(wǎng)絡(luò)計(jì)算中的應(yīng)用場(chǎng)景

邊緣計(jì)算+人工智能通常是國(guó)內(nèi)外初創(chuàng)企業(yè)切入市場(chǎng)的主要領(lǐng)域。這一方面是由于數(shù)據(jù)中心市場(chǎng)太過(guò)龐大，因此被巨頭牢牢把持難以進(jìn)入，另一方面也是由于在這個(gè)領(lǐng)域更容易通過(guò)創(chuàng)新的算法和方案獲得一席之地。我國(guó)的兩個(gè)主要代表企業(yè)就是地平線和深鑒科技。其中，前者已獲得英特爾領(lǐng)投的A+輪近一億美元投資，并通過(guò)此次投資將FPGA 事業(yè)部負(fù)責(zé)人Dan McNamara安排加入了地平線的董事會(huì)；而后者已在A+輪融資后被另一個(gè)FPGA大廠Xilinx全資收購(gòu)。由此，可以十分清晰的看到FPGA公司對(duì)邊緣計(jì)算和人工智能領(lǐng)域的積極布局。

FPGA開(kāi)發(fā)的

痛點(diǎn)與潛在方案

至此可以看到，英特爾已經(jīng)在泛數(shù)據(jù)中心領(lǐng)域開(kāi)展了全面的布局和規(guī)劃。其中，F(xiàn)PGA在驅(qū)動(dòng)大數(shù)據(jù)傳輸和計(jì)算這兩個(gè)關(guān)鍵領(lǐng)域均扮演著重要角色，并且覆蓋了從云端到網(wǎng)絡(luò)邊緣的各個(gè)部分。然而，盡管FPGA被某些國(guó)內(nèi)媒體熱捧為“萬(wàn)能芯片”，真正的實(shí)現(xiàn)對(duì)FPGA的廣泛使用還是存在很多難點(diǎn)亟待克服。

第一，學(xué)界和業(yè)界仍然沒(méi)有開(kāi)創(chuàng)性的方法簡(jiǎn)化FPGA的開(kāi)發(fā)，這可以說(shuō)是現(xiàn)階段制約FPGA廣泛使用的最大障礙。和CPU或GPU成熟的編程模型和豐富的工具鏈相比，高性能的FPGA設(shè)計(jì)仍然大部分依靠硬件工程師編寫(xiě)RTL模型實(shí)現(xiàn)。RTL語(yǔ)言的抽象度很低，往往是對(duì)硬件電路進(jìn)行直接描述，這樣一方面需要工程師擁有很高的硬件專(zhuān)業(yè)知識(shí)，另一方面在開(kāi)發(fā)復(fù)雜的算法時(shí)會(huì)有更久的迭代周期。因此，F(xiàn)PGA標(biāo)榜的可編程能力與其復(fù)雜的編程模型之間，形成了鮮明的矛盾。

近五到十年來(lái)，高層次綜合（High Level Synthesis - HLS）一直是FPGA學(xué)術(shù)界研究的熱點(diǎn)，其重點(diǎn)就是希望設(shè)計(jì)更加高層次的編程模型和工具，利用現(xiàn)有的編程語(yǔ)言比如C、C++等，對(duì)FPGA進(jìn)行設(shè)計(jì)開(kāi)發(fā)。在這期間有趣的成果層出不窮，其中有代表性的HLS初創(chuàng)公司有多倫多大學(xué)Jason Anderson教授及其學(xué)生創(chuàng)辦的LegUp Computing，以及UCLA叢京生教授創(chuàng)辦的Falcon Computing等。

在工業(yè)界，兩大FPGA公司都選擇支持基于OpenCL的FPGA高層次開(kāi)發(fā)，并分別發(fā)布了自己的API和SDK等開(kāi)發(fā)工具。這在一定程度上降低了FPGA的開(kāi)發(fā)難度，使得C語(yǔ)言程序員可以嘗試在FPGA平臺(tái)上進(jìn)行算法開(kāi)發(fā)，特別是針對(duì)人工智能的相關(guān)應(yīng)用。盡管如此，程序員仍然需要懂得基本的FPGA體系結(jié)構(gòu)和設(shè)計(jì)約束，這樣才能寫(xiě)出更加高效的OpenCL模型。另外，基于OpenCL的FPGA設(shè)計(jì)移植性不是很好，且嚴(yán)重基于廠商提供的開(kāi)發(fā)工具和底層模塊的性能，調(diào)試起來(lái)也不甚便利。

在數(shù)據(jù)中心網(wǎng)絡(luò)應(yīng)用領(lǐng)域，兩大FPGA公司也開(kāi)始支持名為P4的網(wǎng)絡(luò)編程語(yǔ)言。P4語(yǔ)言大約于2014年由斯坦福大學(xué)的Nick McKeown教授提出，主要用來(lái)描述網(wǎng)絡(luò)交換、路由選擇和數(shù)據(jù)包處理規(guī)則，非常適合數(shù)據(jù)中心里高速網(wǎng)絡(luò)通信的應(yīng)用場(chǎng)景。關(guān)于P4的具體內(nèi)容在本文中不再展開(kāi)，其內(nèi)容值得再寫(xiě)一篇文章詳細(xì)探討。其實(shí)相比全通用的HLS設(shè)計(jì)而言，類(lèi)似于P4的針對(duì)某類(lèi)特定應(yīng)用的HLS工具或許有更大和更快的發(fā)展前景。

類(lèi)似的還有英特爾最新發(fā)布的OpenVINO（Open Visual Inference & Neural Network Optimization - 開(kāi)放的視覺(jué)推理和神經(jīng)網(wǎng)絡(luò)優(yōu)化）開(kāi)發(fā)套件。顧名思義，OpenVINO專(zhuān)為計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)在邊緣計(jì)算的應(yīng)用場(chǎng)景進(jìn)行優(yōu)化，其最大特點(diǎn)是支持英特爾的全棧視覺(jué)加速方案，包括CPU、GPU、FPGA以及Movidius VPU等，并支持多種深度學(xué)習(xí)框架。其中，在FPGA上使用OpenVINO進(jìn)行開(kāi)發(fā)，可以取得高達(dá)19倍的性能提升，如下圖所示。

圖13：使用OpenVINO實(shí)現(xiàn)深度學(xué)習(xí)的性能提升

第二，F(xiàn)PGA并非適用于各種應(yīng)用場(chǎng)景。特別是對(duì)于一些邊緣計(jì)算和嵌入式應(yīng)用，它們對(duì)價(jià)格、功耗、性能以及可靠性的統(tǒng)籌要求很高，其中往往價(jià)格會(huì)是主要的考慮因素。這樣基于FPGA的方案相比于GPU、SoC或者ASIC的方案并沒(méi)有很大的優(yōu)勢(shì)，這是由于FPGA并非針對(duì)某一特殊應(yīng)用場(chǎng)景而設(shè)計(jì)優(yōu)化。

為了解決這個(gè)問(wèn)題，英特爾近日收購(gòu)了“結(jié)構(gòu)化ASIC”設(shè)計(jì)公司eASIC，并計(jì)劃將其整合到公司的FPGA事業(yè)部中。結(jié)構(gòu)化ASIC設(shè)計(jì)可以看成是FPGA與ASIC的折中，如下圖所示。它通過(guò)犧牲FPGA的可編程性換取低功耗、低成本和高性能，同時(shí)通過(guò)犧牲ASIC的優(yōu)化設(shè)計(jì)和布局換取更快的設(shè)計(jì)流片時(shí)間。因此對(duì)于很多對(duì)成本和功耗敏感的應(yīng)用場(chǎng)景，這種結(jié)構(gòu)化ASIC的設(shè)計(jì)方法有著很強(qiáng)的競(jìng)爭(zhēng)力。

圖14：FPGA與結(jié)構(gòu)化ASIC設(shè)計(jì)比較

結(jié)語(yǔ)

本文總結(jié)了在英特爾“以數(shù)據(jù)為中心（Data-Centric）”的創(chuàng)新峰會(huì)上發(fā)布的和FPGA相關(guān)的主要技術(shù)內(nèi)容，并由此延伸探討了FPGA在人工智能和大數(shù)據(jù)時(shí)代的機(jī)遇和挑戰(zhàn)。可以說(shuō)，如今FPGA在泛數(shù)據(jù)中心應(yīng)用領(lǐng)域再次煥發(fā)新生，各種全新機(jī)遇接踵而至。同時(shí)我們看到，機(jī)遇往往伴隨著挑戰(zhàn)，只有勇于應(yīng)對(duì)挑戰(zhàn)，才能在新的時(shí)代不斷前進(jìn)。

作者簡(jiǎn)介：

石侃博士，于倫敦帝國(guó)理工大學(xué)電子系取得博士學(xué)位，后加入英特爾公司可編程解決方案事業(yè)部任高級(jí)FPGA研發(fā)工程師至今。石侃在半導(dǎo)體行業(yè)有多年的學(xué)術(shù)研究和工業(yè)界開(kāi)發(fā)經(jīng)驗(yàn)，尤其深耕于FPGA、高性能與可重構(gòu)計(jì)算、計(jì)算機(jī)網(wǎng)絡(luò)和虛擬化等領(lǐng)域。他曾在多個(gè)學(xué)術(shù)界頂級(jí)會(huì)議和期刊如DAC、FCCM、TVLSI等發(fā)表過(guò)論文。在工業(yè)界，他主要從事使用FPGA進(jìn)行數(shù)據(jù)中心網(wǎng)絡(luò)加速器、網(wǎng)絡(luò)功能虛擬化、高速有線網(wǎng)絡(luò)通信等相關(guān)技術(shù)的研發(fā)和創(chuàng)新工作。