AMD董事会主席兼首席执行官苏姿丰在COMPUTEX2024上介绍FPGA在边侧AI中的应用

　　这两年，FPGA市场显得有些“冷清”。

　　一方面，各大芯片设计厂商为争抢大算力市场频繁推出新款GPU、GPGPU、NPU、TPU等算力、加速卡，FPGA针对该市场的出新举措却凤毛麟角。另一方面，自2023年第二季度以来，全球最大三家FPGA厂商的相关业务——AMD嵌入式业务、IntelAltera、莱迪思营收频频下滑。根据财报，2024年第二季度，AMD的嵌入式业务营收同比下滑41%，莱迪思营收同比下降35%；今年上半年，Altera营收仅相当于去年同期的一半。

　　理论上，在生成式AI算法丰富多变的当下，FPGA的可编程特性和并行计算优势能够在芯片企业的前期研发和应用调试中发挥作用。可这种优势，却没有体现在企业营收和市场反应上。大规模AI算力的这波红利，FPGA当真吃不到了？

　　“辅助者”的角色

　　现有数据中心中，FPGA扮演着“辅助”的角色。

　　灵活性强是FPGA最大的特点。CPU、GPU等类型的处理器，自生产出来，其逻辑功能就被“固化”在芯片上。尽管很多芯片可以通过对片上寄存器进行编程，但这种编程更多的是改变芯片的配置，并不会改变其本身的逻辑功能。如果想要对它的逻辑功能进行更改，或者修复设计的缺陷和漏洞，就要重新对芯片进行设计、验证和制造，这一过程需要耗费大量的时间、人力、金钱，也将为设计公司带来更高的投入和风险。

　　FPGA的优势在于只包含最基本的逻辑门，通过某种方式对这些逻辑门进行排列组合，就能通过编程改变其逻辑结构。因此，FPGA得以在逻辑层面改变自身实现的硬件结构，从而有着极高的灵活性。

　　因此，FPGA的一个重要应用，就是构建专用芯片ASIC流片前的硬件仿真或原型验证平台。

　　人工智能带来更高算力需求，许多算力供应商开始设计适合自己场景的ASIC芯片，FPGA便承担了验证ASIC功能的工作。

　　“采用FPGA还有另一个好处，”西南交通大学集成电路科学与工程学院副院长邸志雄在接受《中国电子报》记者采访时表示，“除了英伟达之外，其他各厂商的算力芯片的软件生态都不是很完善。支持神经网络的FPGA供应商只有少数几家，软件生态相对比较统一和稳定。”

　　FPGA在数据中心场景中的另一个用途，是在推理侧提供计算加速。

　　“AI技术很大一部分应用是在推理侧。FPGA通过其硬件灵活性、低延迟、低功耗，以及能够与CPU等一同运行混合计算等优势，为AI推理提供了有效加速。而且，在诸如运行神经网络的矩阵运算等并行性密集型任务或应用场景中，使用FPGA能够显著提高AI推理的性能和效率。”在接受《中国电子报》记者采访时，英特尔可编程方案事业部中国总经理叶唯琛说道。

　　头部厂商集体“放弃利润中心”

　　但是AMD、英特尔、莱迪思近年来FPGA新品发布更多集中在边、端侧，面向数据中心的更新少之又少。

　　AMD合并了赛灵思，是目前全球最大的FPGA厂商。4月，AMD面向工业AI推出搭载NPU的锐龙嵌入式8000系列处理器。9月，AMD推出车规级（XA）系列新品——ArtixUltraScaleXAAU7P，适合摄像头视觉或车载显示应用。6月，AMD董事会主席兼首席执行官苏姿丰在COMPUTEX2024上发表长达一个多小时的演讲，大谈“AMD全面拥抱AI”，其中关于嵌入式业务的介绍几乎都集中在边端侧。

　　拥有全球第二大FPGA业务的英特尔，自2019年以来FPGA产品序列长期“停更”，把关注重点放在了中、低端产品的性能优化和可应用场景案例的补充上。

　　全球第三大FPGA厂商莱迪思更是相较于上述两家竞争对手采取了差异化竞争战略，瞄准低功耗领域。

　　AI为几乎所有类型的处理器带来了新的机遇，与之相伴，几乎所有的厂商都想在这场席卷全球的AI浪潮中“分一杯羹”。而FPGA厂商又为何将视野集体瞄准了边端侧，而不是价值量更高的数据中心？

　　开发难度大，是记者收到最多的答案。

　　邸志雄表示，FPGA是一种以数字电路为主的集成芯片，所以开发门槛和部署难度相较于GPU等算力芯片更大。

　　市场研究机构Gartner副总裁盛陵海在接受记者采访时表示，相较于FPGA，NPU等ASIC不需要满足通用性的要求，只要满足单一功能要求就可以了，因此设计起来更为简单。

　　“这也就是近两年NPU厂商如雨后春笋般出现，但能做高端FPGA厂商至今只有两家的原因之一。”盛陵海补充道。

　　相较于云端芯片而言，边端侧芯片的开发难度更小，在AI的带动下，纷繁迭出的客户需求，也更容易通过FPGA的方式满足。在FPGA原本就已经部署的边缘侧和端侧市场中，也更容易发现可以做产品迭代的空间。

　　AI红利还剩几分？

　　在AI带来的巨大产业机遇面前，究竟什么才是FPGA独有的差异化优势？

　　总结来看，高度定制化、低延迟、高效能和并行计算的AI应用场景，是FPGA得以发挥优势的关键词。随着AI应用场景在云端、网络和边缘等领域高速增长，FPGA在诸如数据中心、通信、汽车、网络、嵌入式等领域都将有广泛应用，能够支持诸多智能产品，并提供性价比和功耗优势。

　　“FPGA结合了低功耗和高计算能力两种优点，加上FPGA本身具有灵活性和适应性强的特点，是网络边缘处理和AI应用的理想选择。”莱迪思相关负责人如是说。

　　FPGA是一种并行计算引擎，能够以较低的时钟频率运行，可实现更低的功耗，并且在整个架构中分布了DSP、存储器、可编程逻辑器件等灵活的模块，它们在分散分布的同时又相互连接，这在许多方面类似于一些为AI构建的ASIC。而与定制ASIC不同，FPGA提供了在系统部署后可重新编程或更新的额外优势。

　　莱迪思相关负责人表示，在特定处理器的开发过程中，这项功能非常重要，因为产品要求经常变化。FPGA能够在连续的、时间敏感的事务中处理数据或执行某些功能，因此非常适用于网络、电信和其他类型的延迟敏感的环境。在此类环境中，稳定、一致地完成某些功能至关重要。此外，许多工业环境也有类似的需求，FPGA能够很好地满足这些特殊需求。

　　叶唯琛表示，FPGA能通过其灵活的硬件加速能力、可配置的丰富接口（如PCIeGen5和CXL），以及可与处理器协同工作等特性，为处理器提供支持，使其更好地满足日益复杂的AI计算需求。如，FPGA可以与通用处理器协同工作，形成混合计算环境，即处理器和FPGA相互补充，共同应对不同类型的计算任务，提供更全面的计算性能。

　　FPGA除了能够帮助实现AI的功能以外，其内部还有其他的逻辑资源可用于如数据接口、预处理和后处理等其他AI加速芯片无法完成的任务。

　　“因此，关于FPGA在AI方面的应用，我们应该更多地考虑在AI之外，还有什么功能可以由FPGA来完成，从而打造更加灵活、可扩展的AI方案。”叶唯琛补充道。