【產(chǎn)業(yè)鏈圖譜 | 人工智能產(chǎn)業(yè)鏈圖譜_人工智能產(chǎn)業(yè)鏈全景圖】

【研究報告 | 人工智能行業(yè)研究報告】

      受到半導(dǎo)體工藝技術(shù)的影響，F(xiàn)PGA也迎來了自己的技術(shù)突破。通過對FPGA器件的發(fā)展，我們能夠推理出未來FPGA的發(fā)展方向。

　　1. 高密度、高速度、寬頻帶、高保密;

　　2. 低電壓、低功耗、低成本、低價格;

　　3. IP軟/硬核復(fù)用、系統(tǒng)集成;

　　4. 動態(tài)可重構(gòu)以及單片集群;

　　5. 緊密結(jié)合應(yīng)用需求，多元化發(fā)展。

　　集成了FPGA 架構(gòu)、硬核CPU 子系統(tǒng)和其他的硬核IP芯片的應(yīng)用范圍會更加廣闊，這也為進(jìn)行FPGA的研究提供了新的設(shè)計思路，設(shè)計人員能夠基于芯片的應(yīng)用，在有專利保護(hù)的架構(gòu)上搭建FPGA的功能模塊，完成具有更高性價比的芯片產(chǎn)品。 從技術(shù)方面分析，GPU、FPGA 和 ASIC都有自己的特點，但是在進(jìn)行實際的應(yīng)用時，GPU的先發(fā)優(yōu)勢更好。

　　近兩年，全球七大超級云計算數(shù)據(jù)中心包括 IBM、Facebook、微軟、AWS 以及 BAT都采用了 FPGA 服務(wù)器。在這方面，中國和美國處以同一起跑線，F(xiàn)PGA 實現(xiàn)了在全球七大數(shù)據(jù)中心的部署。

　　從當(dāng)前的FPGA行業(yè)發(fā)展，我們可以預(yù)測FPGA的發(fā)展方向：

　　人工智能算法正在快速迭代階段。ASIC 芯片雖然能夠?qū)崿F(xiàn)最優(yōu)性能，即面積利用率高、速度快、功耗低;但ASIC 芯片的研發(fā)周期很長，同時成本極高，需要足夠大的市場來支撐成本投入，現(xiàn)在只有極少數(shù)公司進(jìn)行了該項研究嘗試。

　　而人工智能算法模型開始從訓(xùn)練環(huán)節(jié)向推理環(huán)節(jié)過渡，這種趨勢對FPGA的發(fā)展十分有利。人工智能算法模型訓(xùn)練出的算法模型往往呈現(xiàn)規(guī)模太大，復(fù)雜度太高的特點，無法直接進(jìn)行實際應(yīng)用部署。為了解決這個問題，人工智能算法模型趨向于將訓(xùn)練后的模型進(jìn)行壓縮，再應(yīng)用到推理環(huán)節(jié)。

　　人工智能算法正處于快速迭代中，能夠在幾乎沒有預(yù)測精度損失的情況下將 LSTM 模型的尺寸壓縮 20 倍。在算法能夠帶來數(shù)量級的性能提升下，想要將算法固化在 ASIC 中來獲得效率提升的想法并不實際，如果采用搭建在 FPGA 上的硬件框架 ESE，就能獲得高一個數(shù)量級的能量效率提升。ESE 的速度為英特爾 Core i7 5930k CPU 的 43 倍，英偉達(dá) Pascal Titan X GPU 的 3 倍。它的能量效率分別為以上兩種處理器的 40 倍和 11.5 倍。采用 FPGA 搭建硬件框架充分發(fā)揮了 FPGA 萬能芯片的特性，性能遠(yuǎn)超 GPU 等。

　　集成電路行業(yè)一直呈現(xiàn)一家獨大的市場現(xiàn)狀，但是在后期發(fā)展中，隨著芯片的制程工藝提升，芯片NRE 費用在呈現(xiàn)指數(shù)級上升。但是FPGA 的 NRE 成本可以攤到上千個小項目上，從而讓每個項目只分擔(dān)幾十萬美元的 NRE。

　　隨著芯片的 NRE 費用不斷呈現(xiàn)上升趨勢，也就會有越來越多的 ASIC 芯片達(dá)不到規(guī)模經(jīng)濟(jì)而失去市場，從而投入到FPGA 的研究，指數(shù)級成本上漲對FPGA是有益的。