什么是自适应计算？

FPGA开发圈 2021-08-11 12:00

构建AI未来，Arm计算平台无处不在 精密双向电流传感放大器，提供精准测量

1984 年，Ross Freeman 将其关于现场可编程门阵列 (FPGA) 的绝妙构想付诸实践并创立了赛灵思公司，从而确立了自适应计算的原理。从那时起，这项技术及其满足众多应用需求的能力，已历经漫长的发展道路。尽管自适应计算构建在 FPGA 技术的基础上，但它已经发展至足以覆盖更为广阔的应用类型。

FPGA 中的“ FP ”即“现场可编程”，意味着硬件可以在部署到量产环境后现场进行编程。FPGA 中的“ GA ”指“门阵列”。自门阵列诞生后，自适应计算平台经历了漫长的发展，但其概念依然是解释底层技术运作方式的有效途径。

赛灵思最新白皮书《自适应计算技术概览》中，全面阐释了自适应硬件、自适应平台，以及自适应计算的近期发展，并提供了自适应硬件与 CPU、GPU 和 ASSP 的对比。

点击阅读原文

查看完整版白皮书

自适应硬件与自适应平台

自适应计算的核心由能够针对特定应用进行高度优化的芯片硬件构成。该优化发生在硬件制造完成后，而且能以几乎无限的次数反复进行。这种独特的灵活性，使得硬件可以在器件完全部署到量产设置后进行更改。

“自适应平台”则指以自适应硬件为核心的任意类型产品或解决方案。自适应平台完全基于相同的自适应硬件基础，但其包含的内容远不止芯片硬件或器件。自适应平台涵盖了综合全面的成套设计和运行时软件，通过结合软、硬件提供了开发高灵活性、高效率应用的独特功能，使得开发者能够专注于应用的具体差异化。

自适应平台的优势

自适应平台使得自适应计算能够为广泛的软件和系统开发者所使用，并为众多产品奠定基础。采用自适应平台的优势包括：

加快上市进程

以 Alveo 加速器卡为例，使之构建的应用能为特定应用使用加速硬件，无需硬件定制。只需将 PCIe 卡添加到服务器，即刻从现有软件应用直接调用加速库。

降低运营成本

自适应平台能够带来显著的计算密度提升。与基于 CPU 的解决方案相比，借助自适应平台打造的应用不仅能实现优化，且能在每节点提供的效率也大幅提升。

灵活动态 工作负载

自适应平台能够根据当前需求重新配置。对于开发者而言，可以在自适应平台内轻松切换已部署应用，使用相同设备即可满足不断变化的工作负载需求。

兼容未来

自适应平台能不断进行调整。如果现有应用需要新的功能，则可以对硬件重新编程，以最佳方式实现这些功能，减少硬件升级需求，进而延长系统使用寿命。

加速整体应用

自适应计算的天然灵活性适合为 AI 和非 AI 处理任务进行加速，称之为“整体应用加速”。随着计算密集型 AI 推断渗透到更多应用中，其重要性也在日益提升。

滑动查看自适应计算五大优势

自适应平台的类型

根据应用和需求，自适应平台类型众多，包括数据中心加速器卡和标准化边缘模块。大量自适应平台的存在旨在为开发所需应用提供尽可能最佳的起点。这些应用中，既有自动驾驶和实时视频流等时延敏感型应用，也有高度复杂的 5G 信号处理和非结构化数据库的数据处理。

自适应计算能够部署到云端、网络、边缘甚至终端，将最新的架构创新带到单独及端到端的应用，且部署位置也可以是多样化的。以赛灵思 Kria SOM 和 Alveo 加速器卡为例：

Kria 自适应 SOM 围绕赛灵思 Zynq UltraScale+ MPSoC 架构而构建，支持开发者在交钥匙自适应平台上开发边缘应用。通过将系统的核心部分标准化，开发者有更多时间专注于打造差异化功能特性，从竞争中脱颖而出。

Alveo 加速器卡采用行业标准的 PCI-express，为任意数据中心应用提供了硬件卸载能力，同时还可用于 SmartSSD 存储，在存储访问点上进行加速。此外还能用于 SmartNIC，直接在网络流量上提供加速。

自适应平台的适用性

在以往，运用 FPGA 技术需要开发者构建自己的硬件板，并用硬件描述语言（ HDL ）配置 FPGA。相比之下，自适应平台允许开发者使用自己熟悉的软件框架和语言（例如C++、Python、TensorFlow等），直接发挥自适应计算的效能。软件和 AI 开发者现在无需构建电路板或成为硬件专家，就能运用自适应计算。

自适应平台使得自适应硬件能在多个设计抽象层面使用。独立软件供应商（ ISV ）生态系统和厂商提供的开源库已提供了大量加速 API。此外，较大的设计团队也有自己的硬件工程师负责打造定制加速 API，供其软件团队在最终应用中使用。