簡(jiǎn)介

在過(guò)去三百年間，工業(yè)領(lǐng)域取得了長(zhǎng)足的進(jìn)步,。機(jī)器設(shè)備最初于18世紀(jì)問(wèn)世,，主要以水和蒸汽為動(dòng)力,，并引發(fā)了18世紀(jì)末的工業(yè)革命（通常被稱為工業(yè)1.0）,。盡管流水組裝線的概念可以追溯到中國(guó)古代的青花瓷制作,，但直到19世紀(jì)末,，亨利·福特才設(shè)立了第一條電動(dòng)流水線,，形成了工業(yè)2.0的框架,。

自動(dòng)化和計(jì)算機(jī)技術(shù)于1960年代末期開始嶄露頭角,，并構(gòu)成了工業(yè)3.0的雛形，為如今驅(qū)動(dòng)著工業(yè)4.0的自動(dòng)化,、人工智能（AI）和網(wǎng)絡(luò)化解決方案鋪平了道路,。雖然這幅圖景中似乎已經(jīng)看不見人類的身影，但工業(yè)5.0將帶領(lǐng)我們返璞歸真,，利用AI驅(qū)動(dòng)的機(jī)器人系統(tǒng)所具有的精準(zhǔn)和高效,，與人類大腦的奇思妙想和實(shí)時(shí)思考有機(jī)結(jié)合，創(chuàng)造出更理想的制造環(huán)境,。

圖1：工業(yè)技術(shù)的演進(jìn)

人工智能

人工智能（AI）是計(jì)算機(jī)科學(xué)的一個(gè)分支,，主要專注于開發(fā)能夠模擬人類行為的機(jī)器。這類設(shè)備的范疇林林總總,，從可以簡(jiǎn)單地執(zhí)行算法,，到可以自主從周邊環(huán)境中學(xué)習(xí)、無(wú)需人類介入便自行調(diào)節(jié)算法,。機(jī)器學(xué)習(xí)（ML）是人工智能的子集,，它通過(guò)運(yùn)用數(shù)據(jù)集衍生的統(tǒng)計(jì)模型來(lái)改進(jìn)特定任務(wù)。作為機(jī)器學(xué)習(xí)的子集,，深度學(xué)習(xí)（DL）運(yùn)用了多層神經(jīng)網(wǎng)絡(luò),，不僅能執(zhí)行基礎(chǔ)的機(jī)器學(xué)習(xí)推理，還能學(xué)習(xí)新的數(shù)據(jù)，從而獲得更高層的認(rèn)知能力（見下圖）,。在本篇白皮書中,，所有機(jī)器學(xué)習(xí)和深度學(xué)習(xí)都將被簡(jiǎn)稱為ML。

圖2：人工智能/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)譜圖

人工智能（AI）的常見用例包括先進(jìn)駕駛輔助系統(tǒng)（ADAS）,，即自動(dòng)駕駛汽車的支柱,；語(yǔ)音識(shí)別及合成（例如華為的Celia）；醫(yī)療診斷,；數(shù)據(jù)與網(wǎng)絡(luò)安全,；金融服務(wù)預(yù)測(cè)性模型（例如電子化交易），或電商與流媒體服務(wù)推薦,；當(dāng)然還有工業(yè)制造,。

隨著工業(yè)4.0在2010年代早期進(jìn)一步演進(jìn)，使得AI在制造環(huán)境中的重要性與日俱增,。如今,，許多應(yīng)用都會(huì)利用AI來(lái)促進(jìn)制造和業(yè)務(wù)經(jīng)營(yíng)、流程,、安保和供應(yīng)鏈等更加流暢高效,。通過(guò)運(yùn)用預(yù)測(cè)性算法，AI可以監(jiān)控設(shè)備狀況,，優(yōu)化維護(hù)日程,，最終還能預(yù)報(bào)機(jī)械故障。

與制造相關(guān)的物料供應(yīng)鏈管理也可以充分發(fā)揮預(yù)測(cè)算法的優(yōu)勢(shì),，保障流程能夠順利,、高效地持續(xù)運(yùn)作。AI算法還可以參考過(guò)往和現(xiàn)在的商業(yè)需求,，從而協(xié)助預(yù)測(cè)未來(lái)的業(yè)務(wù),。這些AI系統(tǒng)可以與供應(yīng)鏈和庫(kù)存管理系統(tǒng)結(jié)合，加快獲利時(shí)效,，降低間接成本,。機(jī)器人早在工業(yè)3.0就成為了其中重要的組成部分。而在我們即將迎來(lái)工業(yè)5.0之際,，這些機(jī)器人系統(tǒng)必須擁有適應(yīng)性的AI算法（主要為DL算法）,。它們不僅需要自主學(xué)習(xí)，還必需能夠解讀人類的實(shí)時(shí)輸入,。低時(shí)延的實(shí)時(shí)適應(yīng)能力也將成為不可或缺的要素,。

AI之外的生態(tài)系統(tǒng)組件

在持續(xù)興旺發(fā)展的工業(yè)4.0和正在演進(jìn)的工業(yè)5.0中，AI依然是一個(gè)重要的組成部分,。然而，AI算法的蓬勃發(fā)展離不開實(shí)時(shí)數(shù)據(jù),。物聯(lián)網(wǎng)（IoT）是由互聯(lián)的電子設(shè)備組成的系統(tǒng),，可以從模擬和數(shù)字世界中獲取與接收數(shù)據(jù),。時(shí)間、壓力,、溫度,、速度、角度及視聽數(shù)據(jù)源必須經(jīng)過(guò)采集,，隨后轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù),，各類基于AI的系統(tǒng)才能對(duì)其進(jìn)行分析和控制。和4G網(wǎng)絡(luò)相比,，自2019年起部署的5G網(wǎng)絡(luò)（在韓國(guó)率先部署）可提供100倍的帶寬（最高可達(dá)10 Gbps）和500倍的信道數(shù)量,。5G網(wǎng)絡(luò)與IoT結(jié)合之后，海量的輸入數(shù)據(jù)在計(jì)算機(jī)領(lǐng)域中引出了一種新范式,，即對(duì)數(shù)據(jù)加速器的需求,。

數(shù)據(jù)加速器

在海量的數(shù)據(jù)面前，數(shù)據(jù)中心處理數(shù)據(jù)的負(fù)擔(dān)以及發(fā)現(xiàn)數(shù)據(jù)背后的意義這些工作,，已經(jīng)令傳統(tǒng)的計(jì)算服務(wù)器模式不堪重負(fù),。過(guò)去應(yīng)對(duì)數(shù)據(jù)激增的方法就是在數(shù)據(jù)中心增添服務(wù)器。服務(wù)器安裝規(guī)模的提升不僅提高了資本性支出,，再加上設(shè)備的運(yùn)行和冷卻需要消耗更多能源,，營(yíng)運(yùn)性支出也隨之水漲船高。

取決于數(shù)據(jù)加速器的類型與負(fù)載,，服務(wù)器中單個(gè)數(shù)據(jù)加速器的運(yùn)算能力可以與15臺(tái)服務(wù)器匹敵,，從而大幅削減了資本性支出和營(yíng)運(yùn)性支出?；谟布臄?shù)據(jù)加速器還帶來(lái)了更多效益,，例如較低的時(shí)延和更高的穩(wěn)定性，這在車輛自動(dòng)駕駛,、工業(yè)4.0/5.0,、金融服務(wù)和其他對(duì)時(shí)延要求較高的用例中效果尤為突出。優(yōu)秀的數(shù)據(jù)加速器還有最后一項(xiàng)特征,，它具備了出色的靈活性,，能夠適應(yīng)ML/DL算法的變化，包括算法本身的調(diào)整,、負(fù)載的變化和/或ML/DL算法數(shù)據(jù)集的更新,。

數(shù)據(jù)加速的賽場(chǎng)上有三種各異的硬件方式，即GPU,、FPGA和定制ASIC,。如下圖所示。CPU的靈活性始終是最出色的，但與其他專用數(shù)據(jù)加速器相比,，在能耗,、性能和成本方面存在一定的劣勢(shì)。其它選項(xiàng)便是GPU,、ASIC和FPGA,。ASIC的效率與性能最為出色，但功能完全固定,，缺乏必需的靈活性,，無(wú)法適應(yīng)AI算法的變化、新興技術(shù)的參數(shù)改動(dòng),、供應(yīng)商要求和負(fù)載優(yōu)化,。GPU是傳統(tǒng)核心數(shù)據(jù)中心的主力，僅限于純粹運(yùn)算這樣的使用場(chǎng)景,，而不能提供大多數(shù)場(chǎng)景中需要利用到的聯(lián)網(wǎng)與存儲(chǔ)加速的能力,，并且能耗和成本較高。FPGA可以加速聯(lián)網(wǎng),、運(yùn)算和存儲(chǔ),，速度與ASIC相仿，也具備了必需的靈活性,，能夠?yàn)槿缃竦暮诵呐c邊緣數(shù)據(jù)中心提供理想的數(shù)據(jù)加速,。除了數(shù)據(jù)加速之外，F(xiàn)PGA還將在傳感器融合和傳入數(shù)據(jù)流合并等領(lǐng)域發(fā)揮關(guān)鍵作用,，為數(shù)據(jù)消費(fèi)打下了堅(jiān)實(shí)的基礎(chǔ),。

圖3：CPU、GPU,、FPGA和ASIC的對(duì)比

Achronix提供的精選產(chǎn)品

Achronix為AI/ML運(yùn)算,、聯(lián)網(wǎng)和存儲(chǔ)應(yīng)用開發(fā)了基于FPGA的數(shù)據(jù)加速產(chǎn)品。與其他高性能FPGA企業(yè)不同,，Achronix可同時(shí)提供獨(dú)立FPGA芯片和嵌入式FPGA半導(dǎo)體知識(shí)產(chǎn)權(quán)（IP）解決方案,。除了獨(dú)立的FPGA芯片和eFPGA IP之外，Achronix還提供基于PCIe的加速卡,，可用于開發(fā),、實(shí)地測(cè)試或生產(chǎn)等應(yīng)用場(chǎng)景。

采用臺(tái)積電7納米工藝打造的Speedster?7t系列FPGA擁有業(yè)界最快的輸入/輸出速度,，可支持400 GbE,、PCIe Gen5和雙存儲(chǔ)接口：標(biāo)準(zhǔn)DDR4和GDDR6存儲(chǔ)接口可以帶來(lái)的驚人速度，相較于DDR4提高了600%,。如果數(shù)據(jù)無(wú)法輕松通達(dá)FPGA邏輯陣列,，高速接口便無(wú)法發(fā)揮太多作用,。

為了避免遇到這一瓶頸，Achronix從架構(gòu)增加了二維片上網(wǎng)絡(luò)（2D NoC）,，能夠有效充當(dāng)所有外部輸入/輸出數(shù)據(jù)的高速通道,，增強(qiáng)了FPGA內(nèi)部的功能單元塊和FPGA邏輯陣列本身。這種2D NoC實(shí)現(xiàn)了超過(guò)20 Tbps的雙向帶寬,，遠(yuǎn)遠(yuǎn)超過(guò)了輸入/輸出和功能塊的總帶寬需求，消除了片內(nèi)通信的時(shí)延問(wèn)題,。

在對(duì)成本,、性能與能耗有較高敏感度的大批量應(yīng)用場(chǎng)景中，用戶通常會(huì)采用ASIC,，但這時(shí)又該如何滿足對(duì)靈活性的需求呢,？無(wú)論是算法的演變、需求變化,、供應(yīng)商和經(jīng)營(yíng)者的具體要求,、協(xié)議適配，還是功能系統(tǒng)單元塊的多樣接口,，它們都對(duì)靈活性提出了一定程度的要求,。

Speedcore? eFPGA IP便是這一問(wèn)題的最終答案，它可令A(yù)SIC能夠具備“恰到好處”的靈活性,。其中查找表（LUT）,、內(nèi)存、DSP/MLP和2D NoC的資源量與組合方式可由ASIC開發(fā)者決定,，Achronix則會(huì)為他們的ASIC或SoC設(shè)計(jì)提供集成在芯片上的定制IP,。

VectorPath?加速卡是采用PCIe外形結(jié)構(gòu)的硬件加速平臺(tái)，可以考慮用作評(píng)估,、開發(fā)與現(xiàn)場(chǎng)測(cè)試工具,，或也可以用于量產(chǎn)應(yīng)用。該解決方案也可以根據(jù)用戶的具體要求量身定制,。

結(jié)語(yǔ)

AI,、ML和DL將繼續(xù)推動(dòng)工業(yè)4.0和5.0的發(fā)展，使生產(chǎn)力與效率更上層樓,。在IoT和5G技術(shù)的協(xié)助下,，自動(dòng)化和機(jī)器人將與人類的奇思妙想和創(chuàng)造力融為一體，孕育出人類在10年前未曾想象的制造環(huán)境,。FPGA促成了傳感器融合,，能夠與眾多物聯(lián)網(wǎng)設(shè)備連接，充分把握制造環(huán)境下人工智能系統(tǒng)所需的高性能與靈活性之間的平衡,。