算力大爆炸时代，加速云的FPGA有啥妙招在手？

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！