暢想未來系統(tǒng)的構(gòu)建

賽靈思 All Programmable FPGA 和 SoC 針對一系列計算密集型工作負載提供最高效、最具成本效益、時延最低、最具設(shè)計靈活性并且滿足未來需求的計算平臺。

為了滿足不斷攀升的數(shù)據(jù)處理需求，未來系統(tǒng)需要在計算能力上大幅改進。傳統(tǒng)解決方案（例如 x86 處理器）再也無法以高效、低成本的方式提供所需的計算帶寬，系統(tǒng)設(shè)計人員必須尋找新的計算平臺。

FPGA 和 GPU 越來越多地被系統(tǒng)設(shè)計人員看好，認為它們能夠滿足未來需求的計算平臺。

為新時代提供必要的計算效率和靈活性，本白皮書將對 GPU 以及賽靈思 FPGA 和 SoC 器件進行分析。

未來系統(tǒng)（例如云數(shù)據(jù)中心 [DC] 和自動駕駛汽車）需要在計算能力上大幅改進，以支持不斷增多的工作負載以及不斷演進的底層算法 [ 參考資料 1]。例如，大數(shù)據(jù)分析、機器學(xué)習(xí)、視覺處理、基因組以及高級駕駛員輔助系統(tǒng) (ADAS) 傳感器融合工作負載都在促使計算性能能以低成本、高效的方式實現(xiàn)提升，并且超出現(xiàn)有系統(tǒng)（例如 x86 系統(tǒng)）的極限。

系統(tǒng)架構(gòu)師正在尋找能滿足要求的新計算平臺。該平臺需要足夠靈活，以便集成到現(xiàn)有的架構(gòu)中 , 并支持各種工作負載及其不斷演進的算法。此外，這些系統(tǒng)很多還必須提供確定性的低時延性能，以支持實時系統(tǒng)（例如自動駕駛汽車）所需的快速響應(yīng)時間。

圖形處理單元 (GPU) 廠商非常積極地將 GPU 定位成新時代計算平臺的最佳之選，主要依據(jù)其在機器學(xué)習(xí)訓(xùn)練的高性能計算 (HPC) 領(lǐng)域取得的成功。在此過程中，GPU 廠商針對機器學(xué)習(xí)推斷工作負載修改了他們的架構(gòu)。

然而，GPU 廠商還是忽視了基本的 GPU 架構(gòu)的局限性。這些局限性會嚴重影響 GPU 以高效、低成本方式提供必要的系統(tǒng)級計算性能的能力。例如，在云端 DC 系統(tǒng)中，對工作負載的需求在一天內(nèi)會發(fā)生很大變化。此外，這些工作負載的底層算法也會發(fā)生快節(jié)奏變化。GPU 架構(gòu)的局限性會阻止很多今天的工作負載和明天形成的工作負載映射到 GPU，導(dǎo)致硬件閑置或低效。本白皮書的“GPU 架構(gòu)的局限性”部分對這些局限性進行了更詳細介紹。

相反，賽靈思 FPGA 和 SoC 具有眾多關(guān)鍵屬性，使它們非常適合解決未來系統(tǒng)要求所提出的種種挑戰(zhàn)。這些獨特屬性包括 ：

● 針對所有數(shù)據(jù)類型提供極高的計算能力和效率

●具備極高靈活性，能夠針對多種工作負載將計算和效率優(yōu)勢最大化

●具備 I/O 靈活性，能方便地集成到系統(tǒng)中并實現(xiàn)更高效率

●具備大容量片上存儲器高速緩存，可提高效率并實現(xiàn)最低時延