隨著新一年的到來,,科技界有一個話題似乎難以避開:人工智能。事實上,,各家公司對于人工智能談論得如此之多,,沒有熱度才不正常!
在半導體領域,,大部分對于AI的關(guān)注都集中在GPU或?qū)S肁I加速器芯片(如NPU和TPU)上,。但事實證明,有相當多的組件可以直接影響甚至運行AI工作負載,。FPGA就是其中之一,。
對于那些了解FPGA靈活性和可編程性的人來說,這并不令人驚訝,,但對許多其他人來說,,這兩者之間的聯(lián)系可能并不明顯。問題的關(guān)鍵在于通過軟件讓一些經(jīng)典的AI開發(fā)工具(如卷積神經(jīng)網(wǎng)絡(CNN))針對FPGA支持的可定制電路設計進行優(yōu)化,。
FPGA還可以創(chuàng)建多個并行計算流水線(在概念上類似于GPU提供的功能),,這對于作為眾多AI算法核心的矩陣乘法計算類型來說非常有用。此外,,F(xiàn)PGA架構(gòu)設計的靈活性可用于在芯片上分配存儲塊,,從而優(yōu)化數(shù)據(jù)傳輸——這是對AI軟件的另一個關(guān)鍵需求。
多年來,,萊迪思半導體一直致力于開發(fā)能夠?qū)崿F(xiàn)這些類型功能的軟件工具,,并擁有一整套產(chǎn)品。從將現(xiàn)有或新構(gòu)建的AI模型調(diào)整為在其低功耗設計上最高效運行的格式,,到創(chuàng)建對這些模型最有效的電路和芯片設計,,這些應用幾乎可以勝任任何工作。這種完整的閉環(huán)系統(tǒng)將極大幫助企業(yè)將人工智能功能集成到其設備和其他硬件中,。
在AI模型方面,,萊迪思的sensAI解決方案可以使用在TensorFlow、Caffe和Keras等行業(yè)標準AI框架中訓練過的模型,,并利用模型量化,、剪枝和稀疏性利用等技術(shù),使其在FPGA資源上運行。然后,,萊迪思神經(jīng)網(wǎng)絡編譯器可以分析模型,,并根據(jù)電路和片上網(wǎng)絡的類型提出建議,,以最有效地運行,。在軟件方面,萊迪思的Propel和Radiant芯片設計軟件可用于創(chuàng)建合適的電路組合,,以盡可能高能效的方式加速這些模型的運行,。
在創(chuàng)建這些芯片設計時,公司不必從頭開始,,而是可以利用萊迪思專門構(gòu)建的關(guān)鍵IP模塊,,例如其CNN加速器系列。這些預構(gòu)建的電路集為各種應用提供了核心基礎,,包括人員和物體檢測,、物體分類、關(guān)鍵詞識別等,。此外,,由于FPGA的可編程特性,可以編輯和添加這些IP模塊,,以滿足特定應用應用的要求,。
這種預構(gòu)建IP模塊組合的一個容易被忽視但非常重要的意義在于,它能幫助更多開發(fā)者創(chuàng)建自定義FPGA,。這一點至關(guān)重要,,因為許多人承認FPGA雖然具有強大、靈活的特性,,但編程困難,。開發(fā)FPGA設計核心的專用RTL代碼一直是少數(shù)人才能完成的專業(yè)任務,因此需要為芯片設計人員提供適合的工具,,從而以搭建樂高積木的方式將預構(gòu)建的組件連接在一起,,讓開發(fā)變得更加簡單。
同樣,,萊迪思還賦予許多軟件開發(fā)人員已經(jīng)熟悉的傳統(tǒng)AI框架(如 TensorFlow)的能力,,幫助更廣泛的人群創(chuàng)建在FPGA上運行的AI模型。
事實上,,正是歸功于這種簡化,,F(xiàn)PGA在AI應用中的應用潛力才能如此多樣化。隨著各行各業(yè)的公司爭先恐后地研究如何最好地將人工智能應用于從汽車,、醫(yī)療,、消費電子、工業(yè)等領域,將有更廣泛的潛在客戶群將尋求半導體解決方案來實現(xiàn)這些功能,。雖然在過去,,其中一部分人可能已經(jīng)知道或考慮將FPGA作為一種潛在的選擇,但萊迪思半導體提供的產(chǎn)品可以使FPGA成為更多群體信賴的強大選擇,。
毫無疑問,,2024年會看到人們大量將人工智能特性和功能集成到更廣泛的應用中。令人興奮的是,,F(xiàn)PGA最終可能會成為這一浪潮的強大推動力,。
Bob O'Donnell是市場研究公司TECHnalysis Research的總裁兼首席分析師,該公司為技術(shù)行業(yè)和專業(yè)金融領域提供戰(zhàn)略咨詢和市場研究服務,。
更多精彩內(nèi)容歡迎點擊==>>電子技術(shù)應用-AET<<