目前位置:主页 > 新闻动态 > 公司动态 >

AI加速发展和摩尔定律放缓如何影响7nmeFPGA的设计?

文章来源:LPL下注官网         发布时间:2021-01-30 12:31

本文摘要:各种任务比特位导向FPGA结构高效,限于SQL修理、在线I/O处理、加密、搜索引擎算法加快和强化多媒体处理等功能。据(公共编号:)介绍,Achronix是唯一交付的eFPGA技术已经映射到ASIC中建立批量生产的公司,SpeedcoreIP限制的技术节点包括TSMC16nmFFT和英特尔的14nmFinFET,宣布从2019年上半年开始获得限于台积电7nm技术的第四代SpeedcoreFPGAIP。

LPL下注官网

各种任务比特位导向FPGA结构高效,限于SQL修理、在线I/O处理、加密、搜索引擎算法加快和强化多媒体处理等功能。据(公共编号:)介绍,Achronix是唯一交付的eFPGA技术已经映射到ASIC中建立批量生产的公司,SpeedcoreIP限制的技术节点包括TSMC16nmFFT和英特尔的14nmFinFET,宣布从2019年上半年开始获得限于台积电7nm技术的第四代SpeedcoreFPGAIP。

Achronix营销副社长Steve,Mensor不仅反对最先进的设备生产技术,7nm的eFPGA也开展了结构优化,其中重要的是将机械学习处理器(MLP)减少到Speedcore可以获得的资源逻辑库单元模块。Achronix市场营销副社长Steve,Mensor回答说:MLP模块是一度灵活的计算引擎,与内存密切结合,利用人工智能和机械学习处理的特定属性,提高了300%。

可以同时提高每钟周期的性能和操作者次数,MLP在每钟周期完成1个16×16的运算,8个8×8的运算,12个6×6的运算,16个4×4的运算。数据类型的反对对机器学习也是最重要的,据报道MLP反对各种定点和浮点形式,包括Bfloat16、16位、半精度、24位和单元浮点,即可根据应用自由选择最佳精度构筑精度和性能的平衡。关于反对数据类型的反对没有重视的问题,Steve告诉他们eFPGA反对所有数据类型也是FPGA可编程完成的好处。虽然有必要反对所有的数据类型,但数据的阅读功耗比计算功耗好是所有人工智能芯片面临的问题。

对此,Steve回答说:每个MLP都包括循环寄存器文件(CyclicalRegisterfile),用于存储重量的权重和数据,在提高处理性能的同时,还需要降低功耗。另外,对于计算机械学习密度低的应用,MLP不需要满足希望的话,SpeedcoreGen4查询表(LUT)可以补充,实现比独立国家FPGA低两倍的乘法器。在某种程度上是机器的学习性能,Steve回答说:我们7nmeFPGA的逻辑单元、转发线、路由结构、存储器都进行了改良。

具体来说,查询表全面加强,变更包括ALU的大小加倍,各LUT的存储器数量加倍,反对7位功能和8位功能,以及移位存储器获得的专用高速连接,减少面积和功耗,提高性能。此外,路由结构通过独立国家的专用总线路由结构得到加强,该路由结构具有专用总线多路复用器,可有效创建分布式、运营时可配备的互换网络,在业界首次将网络优化应用于FPGA点对点。

LPL职业联赛竞猜

经过芯片结构的优化设计和7nm技术的保护,SpeedcoreGen4性能提高了60%,机械学习性能提高了300%,功耗减少了50%,芯片面积增加了65%。SpedcoreGen4FPGA在提高的同时,7nmeFPGAIP和独立国家FPGA只适用于AI对eFPGA的结构变化,Steve应对台积电7nm工艺节点的SpeedcoreGen4于2019年上半年批量生产,2019年下半年台积电16nm和12nm工艺节点的SpedcoreGen47nm节点Achronix不仅获得了eFPGA的IP,还获得了FPGA的裸体电影,可以和SoC展开PCB,还没有发售独立国家的FPGA设备。

关于获得IP的Achronix为什么在7nm节点发售独立国家FPGA,Steve回答说:这是基于用户市场的需求。在AI的应用中,数据中心的加速、5G、自动驾驶有着不同的市场需求。独立国家的FPGA需要更慢地应用于数据中心,加快构建,更好地满足7nmFPGA芯片使用量更小的公司的市场需求。芯片成本和面积更脆弱,或者想设计性能更高的AI芯片的公司可以自由选择IP。

当然,SoC公司也可以自由选择合适的PCB技术,将我们的裸体电影和他们的SoC展开PCB,构建更高的性能。Achronix亚太区社长罗伟亮当然,硬件明显,软件也在AI中发挥着更重要的作用,很多芯片设计公司在AI时代也开始更好地与软件公司合作,但发表会上除了Achronix的ACE设计工具外,没有其他针对AI的软件。Steve回答说:我们作为一家发展缓慢但规模过大的公司,现在我们主要在硬件水平上获得稳定、性价比低的芯片,至少不成为Libiary水平,在软件方面与合作伙伴合作。

低成本下谁需要7nmeFPGA?从那以后,我们已经知道eFPGA从结构设计和市场需求的角度进行了优化,但另一个重要问题是,从16nm到7nm工艺带来的性能和功耗的提高可能在成本面前缺乏吸引力。Steve应对芯片设计公司销售7nmeFPGAIP的价格与16nmeFPGAIP的价格相比没有下降,但生产成本的急剧增加不会让很多芯片设计公司失望。Steve回应,7nmeFPGA的主要市场还包括对计算性能和价格有拒绝的数据中心加速、对低功耗计算有拒绝的边缘计算、低功耗和低成本拒绝的内存、低功耗高性能、可编程的5G基础设施7nmeFPGA市场,其中一些应用于潜在市场,另一些是推动Achronix发售7nmeFPGA的关键。Steve说:现在我们公司收入最重要的两个应用于5G基础设施和智能卡(SmartIC),5G对芯片有高性能和低功耗的拒绝,因此以前使用FPGA的公司现在转移到ASIC智能卡在数据传输前开展数据处理,数据量和数据复杂性减少,因此这两个场景对7nmeFGPA有相当大的市场需求。

数据中心和自动驾驶、存储都市场的需求具体,边缘计算合适的场景必须看市场的发展。值得一提的是,为了加快数据中心和汽车等应用于中机学习的阻力,Achronix将eFPGA与Micron的GDDR6存储器结合起来,第四代eFPGA有8个强化的GDDR6存储器模块,通过这种领先解决方案,可以应对深度神经网络总结AI算法还有很大的回报和发展,通用性更强的CPU、GPU需要完成适当的算法,但效率越来越低,成本也越来越低,推进了芯片结构的创新。

我们看到更多的AI芯片使用多核异构,通过不同的核心组提高性能和效率,更好地满足AI的市场需求。从AchronixeFPGA的改良,我们也看到了逻辑单元、回头线、路由结构的改良,减少了MLP,为了增加数据运输的功耗,设置了电影存储,同时为了解决问题深度自学的固有问题,首次在FPGA中反对GDDR6。AI应用于AI芯片,在这种相互影响下推进AI发展。

有关文章:赛灵思发表了7nmACAP加速平台Versal和数据中心&AI加速器卡Alveo并购Altera近3年来,Intel与FPGA销售给数据中心OEM厂商Intel,发售基于Movidius和ArrriaFPGA的视觉加速产品,修改边缘计算设备原创文章,允许禁止发表。下一篇文章发表了注意事项。


本文关键词:LPL下注官网,加速,发展,和,摩尔,定律,放缓,如何,影响,各种

本文来源:LPL职业联赛竞猜-www.plumbing3000.com