XC6VLX240T-1FF1759C_XC6VLX550T-1FF1759C导读
CPU+GPU+FPGA的加速计算，无疑瞄准的是数据中心领域这一蓝海，Intel此前已多次表明已是围绕数据为中心的一家企业，而英伟达则在最近提出的收购案以及发布的各种新产品中不断透露“占领高地”的决心……。
较近，作为首席执行官的掌门人，彭荣奎首次介绍了Cylinth公司的未来愿景和战略蓝图，并发布了一款超越FPGA的新突破产品-ACAP(AdaptiveCompute加速度平台，AdaptiveCompute加速度平台)，使赛灵思超越了FPGA的局限性，支持了从端到边缘到云的许多不同技术的快速创新。自2008年加入赛灵思公司以来，公司先后在28 nm、20 nm和16 nm三代工艺产品上连续三次获得冠军，获得了行业第一名，并通过集成和编程模式的突破，FPGA已向更广阔的应用领域发展。
XC6VLX240T-1FF1759C_XC6VLX550T-1FF1759C
XC5VLX85-3FFG676C
Softnautics 之所以选择赛灵思技术来实现这个解决方案，是因为它同时集成了 Vitis? AI 堆栈和强大的硬件功能。如今，赛灵思丰富多样的强大平台已为 70%_的新开发提供支持，引领着基于 FPGA 系统的设计发展趋势。
动态功耗问题则用低电容电路和定制模块来解决。DSP模块中乘法器的功耗不到FPGA架构所构建乘法器的20%。鉴于制造偏差可导致漏电流分布范围很大，可筛选出低漏电流器件，以有效提供核心漏电功耗低于60%的器件。为了减少静态功耗，还全面采用了较长沟道和较高阈值的晶体管。FPGA的设计中使用了多种功耗驱动的设计技术。以Xilinx Virtex系列为例，因为配置存储单元可占到FPGA中晶体管数的1/3，所以在该系列中使用了一种低漏电流的“midox”晶体管来减少存储单元的漏电流。
与 AI 推断实现方案类似，非 AI 的预处理和后处理功能开始需要某种形式的加速。此外还有第三个挑战，而这也是较少为人所知的一个，其出现的原因在于 AI 推断无法单独部署。这些传统的处理功能必须运行在与 AI 功能相同的吞吐量下，同样需要实现高性能与低功耗。例如，图像可能需要完成解压缩和缩放后才能符合 AI 模型的数据输入要求。真正的 AI 部署通常需要非 AI 处理，无论是在 AI 功能之前还是之后。
但是，有机遇就会有挑战。AI 推断作为采用经训练的机器学习算法开展预测的过程，无论是部署在云端、边缘还是终端，都要求在严格的功耗预算下提供优异的处理性能。普遍的看法认为，仅凭 CPU 难以满足这一要求，需要某种形式的计算加速才能更高效地处理 AI 推断工作负载。
XC6VLX240T-1FF1759C_XC6VLX550T-1FF1759C
XC5VSX50T-2FF665C
XC6VLX240T-1FFG784I XC6VLX240T-2FF1156C XC6VLX365T-1FFG1759C XC6VLX240T-1FFG784C XC6VLX240T-3FF784C XC6VLX240T-3FFG784C XC6VLX365T-1FF1759C XC6VLX240T-3FFG1156C XC6VLX365T-2FF1156C XC6VLX365T-2FF1759I XC6VLX240T-3FFG1759C XC6VLX365T-2FF1156I XC6VLX550T-1FFG1760I XC6VLX550T-2FF1760C XC6VLX550T-2FF1759I XC6VLX550T-1FFG1759C XC6VLX365T-1FF1759I XC6VLX365T-1FF1156C XC6VLX365T-1FF1156I XC6VLX550T-2FF1759C 。
XC6VLX130T-2FF784I XC6VLX130T-3FFG784C XC6VLX195T-1FF784I XC6VLX130T-2FFG1156C XC6VLX130T-2FFG784C XC6VLX130T-2FF484I XC6VLX130T-2FFG1156I XC6VLX130T-1FF484I XC6VLX130T-3FF784C XC6VLX130T-1FFG1156I XC6VLX130T-1FFG1156C XC6VLX130T-3FFG1156C XC6VLX195T-1FF1156C XC6VLX130T-3FF484C XC6VLX130T-3FFG484C XC6VLX130T-2FF484C XC5VTX240T-2FF1759I XC5VTX240T-2FFG1759C XC5VTX240T-2FFG1759I XC6VLX130T-1FFG484C XC6VLX130T-1FFG484I 。
XC6VLX240T-1FF784I XC6VLX195T-2FF1156I XC6VLX195T-2FF1156C XC6VLX195T-2FF784I XC6VLX195T-2FF784C XC6VLX130T-3FF1156C XC6VLX130T-2FFG484C XC6VLX195T-3FFG1156C XC6VLX130T-2FFG784I XC6VLX240T-1FF1156C XC6VLX195T-3FFG784C XC6VLX240T-1FF1759C XC6VLX240T-1FF1156I XC6VLX195T-1FF784C XC6VLX130T-2FF784I XC6VLX130T-3FFG784C XC6VLX195T-1FF784I XC6VLX130T-2FFG1156C XC6VLX130T-2FFG784C XC6VLX130T-2FF484I XC6VLX130T-2FFG1156I XC6VLX130T-1FF484I XC6VLX130T-3FF784C XC6VLX130T-1FFG1156I 。
XC4VLX200-11FFG1513I XC4VLX200-12FF1513C XC4VLX200-12FFG1513C XC4VLX200-10FFG1513C XC4VLX200-10FFG1513I XC4VLX200-11FF1513C XC4VLX40-10FF1148I XC4VLX25-11FFG668C XC4VLX40-10FF668I XC4VLX40-10FF1148C XC4VLX25-12FFG668C XC4VLX40-10FF668C XC4VLX25-12SFG363C XC4VLX25-12FF668C XC4VLX25-11SF363I XC4VLX60-10FF1148I XC4VLX25-11SFG363I XC4VLX25-11SF363C XC4VLX25-11FF668I XC4VLX25-11SFG363C XC4VLX25-11FFG668I XC4VLX25-11FF668C XC4VLX160-10FFG1148I 。
XC6VLX240T-1FF1759C_XC6VLX550T-1FF1759C
特别是在人工智能时代，赛灵思也希望利用这一优势实现对Intel和Invida的继承。acap的引入将有助于销售人员在新的市场上与更高级别的竞争对手展开竞争。面对英特尔、英伟达等竞争对手，我们应该把重点放在销售的核心竞争力上，即硬件水平可以根据不同的工作量和努力程度非常灵活、适应性强，而不是在传统领域与之竞争。这相当于销售的成功推广，这将在更高的层次上与英特尔和英伟达等公司展开竞争。由于较大的竞争对手altera在2015年已经落入英特尔的囊中，销售的新竞争对手已经成为英特尔、nvida等公司。灵活性是acap的核心卖点之一。显然，这是针对英特尔和英伟达的。
2016年7月，赛灵思表示，在未来五年内，它将成为一家全可编程公司，利用其优势帮助客户区分和瞄准云计算、物联网、5G无线和嵌入式视觉等新兴领域。这是自适应计算加速平台。目前，FPGA产品的主要系列有高性能virtex系列、中端kintex系列和低成本artix、spartan系列。Cyrus将其定义为不同于CPU、GPU和FPGA的新产品。事实上，2014年，赛灵思开始了新一代产品的研发，并于2018年初首次亮相。
