找准契合点，AMD自适应计算加速创新落地

2022年AMD正式完成了对Xilinx的收购，两个行业领先者的组合将一系列高度互补的产品、客户和市场，以及差异化的IP和世界一流的人才汇集在一起，为行业客户提供高性能、灵活自适应的计算平台。日前，AMD大中华区销售副总裁唐晓蕾在AMD Xilinx技术日举办之际，接受了包括《电子工程专辑》在内的媒体采访，畅谈了自适应计算如何赋能创新加速。

找准创新契合点

AMD将包括汽车、测试测量与仿真、工业与视觉、医疗和科学、航空航天、广播与专业音视频及消费电子在内的市场统称为“核心市场”。这些行业特性各异，或者极度贴近数据的应用/服务，或者会自身产生/消耗大量数据，又或者对数据系统的响应时间有极高的要求，非常贴合自适应计算平台的特点。

• 汽车

信息娱乐、高级驾驶员辅助系统(ADAS)和自动驾驶是AMD在汽车行业最关注的三大领域。例如随着数字座舱技术的普及，数字化显示屏、舱内驾驶员状态监控、电子后视镜、自动泊车辅助、360度环视摄像头等得到了广泛应用；机器人出租车、上门送货车、商用车队用车的行驶变得更加智能化，这些都给AMD带来了相当多的市场机会； 

而在ADAS领域，以前视摄像头、车内监控、环绕视图/自动泊车、激光雷达、4D雷达为代表的ADAS边缘应用主要负责收集产生数据，域控制器(Domain Control)负责数据融合(Data Aggregation)，如何利用产品丰富的I/O接口使数据更加系统化，完成数据的对齐、打包和分发？如何在让中央处理单元更有效率的实现数据聚合，是AMD主要思考的问题。

“汽车行业正在经历前所未有的快速发展，我们经常看到客户的方案要从8个摄像头迅速提升到13个摄像头，在这样的情况下，是更换平台重新生产模组，还是在一个硬件平台上实现所有的传感器数量的增加、升级和迭代，我想答案是不言而喻的。“唐晓蕾说。

在技术日现场，海康汽车就展示了双通道智能电子后外耳镜，支持2路2MP，60FPS输入，2路OLED显示输出，通过AMD MPSoC处理，可实现超低延迟显示，灵活适配主机厂装出需求，可定制化ISP IP，符合GB-15084法规要求。

• 医疗

唐晓蕾重点谈及了MPSoC在国产内窥镜中的使用。得益于低功耗、高带宽、高实时性等特点，搭载了MPSoC芯片的内窥镜图像更加清晰，对比度更高。AI推断功能可以及时提示医生看到一些之前没有看清楚或者是忽略的内容，提升诊断效率。同时，除霜功能(包括除雾、除烟)应用于内窥镜系统时将使其更加智能、更加精准，加速临床诊断速度，为医生的工作带来极大的便捷性。

• 音视频消费

这个行业的趋势是由内容所驱动的，而内容本身又带动了对像素、解析度、帧率、色彩、高动态的高要求，继而对带宽和存储压缩提出了要求，从而形成一连串连锁反应。AMD可提供灵活、差异化和基于标准的解决方案，并结合所有视频和视觉系统所需的软件可编程性、实时视频和音频处理、硬件优化和任意媒体连接功能，涉及现场转播、企业与零售、电视与影院、智慧家庭、虚拟制作、音视频与娱乐等多个细分领域。

现场Demo中，超清视频接口方案演示了超高清8K视频经过HDMI2.1接口在AMD平台上的输入和输出实现，HDMI 2.1支持更高的视频分辨率和帧速率，包括8K60和4K120帧；及新一代图像传感器接口SLVS-EC在AMD平台上的应用。

面向下一代对图像和视频的处理需求，科通与提供商共同在ISP和无线视频传输方面推出解决方案：1）5K超低延时ISP方案，基于MPSoC EV系列，可以按需配置接口协议，低延时实现自动曝光、白平衡、降噪等高性能功能。2）低延时无线推流方案，支持WIFI、4G/5G、RF等无线协议。

• 工业

目前，以数字孪生、智能仓储(自动导引运输车/自动抄表)、智能视觉检测、工业机器人为标志的智能制造系统主要涉及四项底层技术：传感、控制、计算与互联，这与AMD产品的高带宽、丰富的IO接口、计算、高精度授时特点形成了高度重合，AMD因此将上述四项关键技术整合在同一平台中，为用户创新落地提供了实际支持。 

在现场展示的用于缺陷检测的自动化边缘 AI 解决方案中，基于K26 SOM与Innodisk的载板和系统设计集成提供了增强视觉AI应用的加速，结合了FPGA边缘AI解决方案和带外模块，通过带外远程管理实现自动化缺陷检测。使用tiny-Yolo-v4 AI模型来检测和标记装配缺陷，并且可以通过使用Vitis Video Analytics SDK同时大量部署和管理，可广泛应用于自动化应用的边缘缺陷检测，并提供高达99%的精度保证。

• 无线测试与仪器仪表

在移动电话测试仪中，RFSoC是非信令测试仪的理想选择，信令测试仪受益于基于AI 引擎的信号处理；在模块化仪器中，FPGA可作为沙盒；在中高端仪器中，AMD赛灵思领先的串行解串器具备优异的信号处理吞吐量和高内存带宽。

芯片平台创新的源泉

从技术发展来看，在过去五十年中，晶体管尺寸不断微缩，从微米级到纳米级不断进步，但当技术节点从16/12nm向3nm、2nm演进，甚至跨过纳米门槛后，先进的逻辑技术能否继续提供未来计算系统所需的能源效率，成为行业关心的重点。而从市场趋势来看，过去十年中，数据计算量的发展超过了过去四十年的总和，云计算、大数据分析、人工智能、AI推断、移动计算，甚至自动驾驶汽车都需要海量计算。

于是，不再是一条直线的IC技术发展路线，以及市场对创新解决方案的需求，将封装技术推向了创新的前沿。在可预见的未来，现代的计算工作负载将推动产品设计采用一种更为整体的方法，以便在系统级别进行优化，未来的电子系统将需要计算机架构、晶体管器件和先进封装技术的共同创新。

要解决算力增长问题，除了继续通过CMOS微缩来提高密度之外，能够将不同制程/架构、不同指令集、不同功能的硬件进行组合的异构计算，也已经成为解决算力瓶颈的重要方式。而要实现异构计算，先进封装技术在其中扮演了关键角色——不但能够快速达到芯片需要的功耗、体积、性能的要求，降低成本，易于实现。同时，也能够更好地提高芯片内集成密度，且灵活度高、发展空间大。

除此之外，唐晓蕾还谈到了新的自适应架构IP—XDNA，这是来自赛灵思的基础架构IP，包括FPGA架构和AI引擎(AIE)，将与AMD产品阵容进行整合，并计划用于2023年推出的基于AMD“Zen 4”核心架构的“Phoenix Point”移动处理器。

众所周知，AMD提高处理器性能的一种重要方式是引入分区多芯片设计，可以将许多较小的低核心数芯片连在一起，生产出具有更多核心的CPU。AMD 7nm小芯片设计就是由几个较小的芯片而不是一个大芯片组成的，每个小芯片执行特定的专门任务。智能系统可确保各个小芯片彼此协同工作，这样既简化了处理器的制造，又可提供可扩展平台、更多功能和更好性能。

例如，AMD第二代EPYC(霄龙)服务器处理器将整体的32核服务器芯片分为八个7nm “小芯片”，这些芯片集成在一个多芯片模块中并使用高速信号通道相连。如果采用单一芯片设计，由于制造设备的精度限制，不太可能制造出高性能EPYC处理器。同时，小芯片设计还可以提高制造过程中的良品率。据AMD估算，这种多芯片方式可将制造成本降低约40%。

“以前AMD在FPGA领域更多关注的是芯片创新，但我们发现对很多新用户来讲，直接拿到芯片可能也不会做到快速上市，他们更需要的是SOM版产品。”唐晓蕾说。

SOM的准确定义是“位于系统核心的小尺寸嵌入式PCB(包括处理器、DDR、外设)”，属于板卡级而非芯片级设计，直接插入最终产品即可进行生产部署。与芯片缩减设计(chip-down design)相比，Kria SOM允许开发者从设计周期中更为成熟的节点入手，进而将部署时间缩短多达9个月。

Kria SOM产品组合中的首款产品，是2021年4月专门针对智慧城市和智能工厂中的视觉AI应用打造的Kria K26以及与之配套的Kria KV260视觉AI入门套件。今年5月，作为最新推出的机器人入门套件，Kria KR260支持视觉、实时互联、5G等关键接口和传感器，能够为高性能工业系统确保低时延和确定性。当然，在赛灵思规划的路线图上，我们还看到了面向尺寸和成本受限型应用的成本优化型SOM，以及能够为开发者提供每瓦更高实时计算能力的高性能模块。

为不同用户开发不同工具流，一直是AMD倡导的“无硬件编译”理念。此前，为了突破自适应计算编程难度大的瓶颈，AMD为RTL开发者提供了适合于底层硬件IP、加速库开发的Vivado设计流程；为习惯使用C、C++、Python高层次语言进行编程的嵌入式软件开发者提供了集成式开发环境和平台Vitis；Vitis AI则是专门针对AI推理的开发平台，支持AI开发者使用熟悉的框架，例如TensorFlow、PyTorch、Caffe来训练模型，再通过Vitis AI来进行部署，让AI模型能够高效在自适应计算硬件平台上实现。

唐晓蕾表示，这一年来，客户群体的需求发生了不小的变化，例如之前更加关注高性能计算的群体，开始慢慢地转向“数据生命周期”的概念；除了传统的硬件工程师外，越来越多的软件工程师或是软硬结合算法工程师，开始考虑AMD的自适应计算产品平台；算法工程师不单单满足于算法得以实现，更看重如何让算法更加强大，如何利用异构计算平台实现从底层到上层应用的贯通。