算力大爆炸时代,加速云的FPGA有啥妙招在手?

2018-05-04 15:41:54 来源:EEFOCUS
标签:

AlphaGo在围棋上对人类的“肆虐”让人工智能火了,这个1956年就诞生的词汇为什么在近两年再次被推到了风口浪尖之上?这背后离不开三大要素:算法、数据、算力。而算力是附着于芯片之上,没有芯片,人工智能就是一纸空谈。

 

那么问题来了,怎样的芯片才是人工智能的最佳助推器?

 

众所周知,GPU 最早是为生成基于多边形网络的计算机图形而设计的。在最近几年,由于计算机游戏和图形引擎领域的需求和复杂度需要,GPU积累了强大的处理性能。英伟达是 GPU领域的领军者,能生产有数千个内核的处理器,这些内核的设计工作效率可以达到 100%。实际上这些处理器也非常适用于运行神经网络和矩阵乘法方面的计算。

 

那素有“芯片皇冠上的明珠”之称的FPGA又处于什么地位呢?

 

加速云创始人兼CEO邬刚,拥有15年以上FPGA领域经验,在接受与非网记者采访时也只能表示:“在深度学习领域,FPGA并不是全部能够搞定。”但是FPGA也拥有让这个领域无法拒绝的理由。

 

加速云创始人兼CEO 邬刚

 

“对低延时要求很高的场景,只能选择FPGA;在做LSTM方面,GPU很烂,FPGA很强;虽说FPGA不能做训练,但所有ASIC的前提都是FPGA的战场,因为它是可配置的处理器。与专用神经网络处理器相比,FPGA的优势就是开发周期短。”为FPGA站台的这份自信,不仅得益于技术本身,还有加速云存在的意义让邬刚感怀良多。

 

在2018年4月27日,加速云推出了四大产品:两个系列硬件加速产品(SC-OPS, SC-VPX)、两个IP库 (FDNN, FBLAS)、三大解决方案(深度学习解决方案、高性能计算及数字信号处理解决方案、边缘计算解决方案)。

 

 

工控是一个绝佳选择

2014年10月英特尔在IDF大会上宣布X86+FPGA处理器,本就有用FPGA来做异构计算的邬刚开始“心动”了。这个时代对高效计算系统的贪婪,让异构计算被推到了时代的前沿。而加速云选择了工控领域来展现X86+FPGA的实力,为什么做出这个选择呢?

 

邬刚表示:“一方面传统工控机就是PC,采用的是比笔记本低两代的芯片,无法满足日益复杂的控制算法。其次,工控领域是一个强实时的领域,而FPGA具有纳秒级的反应。并且,随着工业领域传感器不断增多,人工智能概念的不断渗透,传统PC是扛不住的。”

 

据资料显示,加速云的基于FPGA的智能工控加速方案采用Intel Arria GX660器件,单颗芯片集成1.5TFLOPS单精度浮点处理能力,提供PCLe3.0高速接口与X86系统互联,支持40Gbps的传输带宽,根据客户需求定制PCIE3.0/USB3.0/SATA3.0/HDMI/DVI/MIPI/CSI多种高速IO接口,也支持CAN/UART/SPI/TTL等低速扩展接口。支持高性能计算FBLAS库和深度学习FDNN库,支持OPenCL开发支持包。

 

在谈及FPGA的短板,邬刚毫不避讳的谈到FPGA的生态与GPU比,可以用烂来形容。GPU的生态靠英伟达常年积累而成,而现在的FPGA生态只处于GPU做库达的阶段。邬刚表示:“虽然FPGA的设计思想不一样,但还是希望干出一个类似CUDN库的东西。未来FPGA也越来越不像FPGA,我们也在发展上层语言,来弥补生态,这需要时间,这也是我们这种公司存在的理由。”

 

参会嘉宾参观展台

 

与非网报道内容,未经许可,不得转载!

 
关注与非网微信 ( ee-focus )
限量版产业观察、行业动态、技术大餐每日推荐
享受快时代的精品慢阅读
 

 

作者简介
张亚
张亚

与非网编辑,网名亚亚君,光电与半导体材料专业出身,喜欢音乐和看书。只愿与你相识在文字中。

继续阅读
高云半导体公司发布基于晨熙家族FPGA的RISC-V微处理器 早期使用者计划

中国广州,2018年8月16日,国内领先的可编程逻辑器件供应商——广东高云半导体科技股份有限公司(如下简称“高云半导体”),今日宣布发布基于高云半导体FPGA的RISC-V微处理器早期使用者计划

麒麟980曝光,7nm制程+24核GPU够不够看?
麒麟980曝光,7nm制程+24核GPU够不够看?

从曝光的图片来看,麒麟980为7nm制程工艺,采用8核心设计,拥有4个Cortex-A77大核心以及4个Cortex-A55小核心,大核心的主频达2.8GHz,从曝光的参数看,麒麟980的整体性能应该会有较大的提升,十分值得期待。

从易到难总结几种FPGA时序约束方法

从最近一段时间工作和学习的成果中,我总结了如下几种进行时序约束的方法。按照从易到难的顺序排列如下:

做好FPGA设计还需要具备的其它相关硬件技能

FPGA在各个领域都是必不可少的一种硬件工具,掌握并有效使用FPGA对当代的电子设计工程师来讲是非常必要的,如前面文章曾讲过的,要做到较好的FPGA设计需要具备的基本素质

实现混合渲染/光线追踪速度提高25倍/引入AI,英伟达最新图灵架构GPU号称要颠覆整个行业

最近这段时间,有关英伟达新图灵架构的消息陆陆续续地从其位于圣克拉拉的公司总部泄露出来,因此,英伟达今天在其Siggraph主题演讲中宣布推出这款新架构以及三款面向专业工作站显卡的Quadro系列产品时,大家一点都没有感到惊讶。

更多资讯
如何使用一个DSP block实现4个11位浮点型数据乘法运算

随着深度学习的发展,为了解决更加抽象,更加复杂的学习问题,深度学习的网络规模在不断的增加,计算和数据的复杂也随之剧增。INTEL FPGA具有高性能,可编程,低功耗等特点,为AI应用加速提供了一种灵活、确定的低延迟、高通量、节能的解决方案。

FPGA时序约束方法汇总,从易到难的都有

从最近一段时间工作和学习的成果中,我总结了如下几种进行时序约束的方法。按照从易到难的顺序排列如下:

PCB设计中BGA器件布局布线经验谈
PCB设计中BGA器件布局布线经验谈

SMT(Surface Mount Technology 表面安装)技术顺应了智能电子产品小型化,轻型化的发展潮流,为实现电子产品的轻、薄、短、小打下了基础。SMT技术在90年代也走向成熟的阶段。

什么?Python+FPGA!?

早年,虽然Python是一款比较容易上手的脚本语言,而且有强大的社区支持,一些非计算机专业领域的人都选它作为入门语言。遗憾的是,它不能实现一些非常底层的操控,所以在硬件领域并不起眼。

一文读懂为什么要选择 Python做机器学习

随着机器学习的兴起,Python 逐步成为了「最受欢迎」的语言。它简单易用、逻辑明确并拥有海量的扩展包,因此其不仅成为机器学习与数据科学的首选语言,同时在网页、数据爬取可科学研究等方面成为不二选择。此外,很多入门级的机器学习开发者都是跟随大流选择 Python,但到底为什么要选择 Python 就是本文的核心内容。

电路方案