ASIC和FPGA的界限日益模糊它们还有什么区别.docx

《ASIC和FPGA的界限日益模糊它们还有什么区别.docx》由会员分享，可在线阅读，更多相关《ASIC和FPGA的界限日益模糊它们还有什么区别.docx（7页珍藏版）》请在第一文库网上搜索。

1、ASIC和FPGA的界限日益模糊，它们还有什么区别随着处理器被添加到传统FPGA中,可编程性被添加到AS1C中,FPGA和AS1C的分界线日益模糊。FPGA变得比之前更加流行了。现在的FPGA不再只是查找表（1UT）和寄存迷的简单组合了，它已经成为系统探索的架构，以及验证未来AS1C设计架构的桥梁。从基本的可编程逻辑器件到复杂的SoC器件，当今的FPGA家族阵营极其庞大。在包括汽车和其它应用的以、企业网络、航空航天、国防和工业自动化等各种应用领域，FPGA使得芯片制造商可以在必要时以更新的方式部署实施系统。在这种标准、协议和最佳实现仍然在探索中，而且要求具备成本竞争力的新兴市场中，FPGA的灵

2、活性至关重要。SecurityAU.SHA.RSAProcessingSystemMuftportBMNCoatoaar00.DOR31DeR2FWiMeierNOtNANO,SMM.QndSPIEMIoMPCoreHRAM.幽和HBM控制器都慢慢地被硬化了。Garibay说：uFPGA供应商一直在继续增加芯片面积，同时也在继续增加越来越多的硬逻辑，这些逻辑被相当大比例的客户群普遍使用。现在，这些硬逻辑转变成软件可编程器件。在ARMSoC之前添加的大多数东西都是不同形式的硬件，主要与I/O有关，但也包括DSP,DSP有足够的应用计划，因此，通过将DSP硬化，可以节省可编程逻辑门。”市场可能性这

3、种方式基本上已经把FPGA变成了具有多种可能性的瑞士军刀。“如果你往回看，FPGA只是一堆1UT和寄存器，而不是门，NCtSPeedSystems市场和业务开发副总裁AnushMohandass说。“这里有一个典型问题。如果您将任何通用器件和专用器件进行比较就会发现，通用计算可以提供更大的灵活性，而专用计算可以提供性能或效率优势。赛灵思和A1tera一直试图越来越多地融合通用计算和专用计算，他们注意到，几乎每个FPGA客户都拥有DSP和某种形式的计算。所以他们在FPGA里面加入了ARM内核、DSP内核，还加入了所有不同的PHY和常用模块，他们把这些东西硬化了，使得效率更高，并且性能曲线变得更好

4、。”这些新功能为FPGA在各种新兴市场和现有市场中发挥重要作用打开了大o“从市场角度来看，您可以看到FPGA肯定会进入SoC市场，SynoPSyS的高级营销总监PiyushSancheti表示。”是做一个FPGA还是做一款成熟的AS1C牵扯到经济问题。它们的界限开始变得模糊不清，我们看到越来越多的公司-特别是在某些市场上-正在在量产阶段使用成本更低的FPGA。从历史上看，FPGA主要用于原型阶段，在生产用途而言，它仅限于航空航天、国防和逋信基础设施等市场，SanCheti说。“现在市场正在扩展到汽车、工业自动化和医疗设备。”AI：一个蓬勃发展的FPGA市场一些系统供应商/OEM采用FPGA,希

5、望优化其IP或AI/M1算法性能。NetSPeed的MOhandaSS表示：”他们想要打造自己的芯片，对其中很多人来说，做ASIC可能有点吓人。他们也可能不想花费3000万美元的晶圆成本来获得芯片。对他们来说，FPGA是一个有效的切入点，他们拥有独特的算法、自己的神经网络,他们想要工程化，看看它是否能够提供他们所期望的性能。”西门子子公司Mentor的CataDUItH1S综合与验证高级产品营销经理StUartCIUbb表示,目前A1应用面临的挑战是量化。“需要什么样的网络？我如何建立这个网络？什么样的内存架构？即便你只有几层神经网络，当你获得很多采用若干系数的数据之后，很快就会转化成为数百万

6、个系数，存储带宽也会变得非常恐怖。没有人真正知道正确的架构是什么。如果你不知道答案，你肯定不会直接上来就设计一个ASIC。在企业网络领域，最常见的问题是密码标准似乎一直在变化。MoharIdaSS表示：“与其尝试构建一颗ASIC,不如将密码引擎放在FPGA中设计。”或者，如果您在全球网络中进行任何类型的数据包处理，FPGA仍然能够为您提供更多的灵活性和更多的可编程性。这就是灵活性的用武之地，他们也已经利用了这种灵活性。你可以称之为异构计算，它看起来仍然像一个SoC。”新规则随着新一代FPGASoC的投入使用，旧规则不再适用了。“具体来说，如果你还在电路板上进行调试，那就太落伍了，C1Ubb指出

7、。“虽然在开发板上进行调试被认为是一种成本较低的解决方案，但这是在早期阶段使用的手段：它是可编程的，您可以在它上面放置一个丞波蜜，观察一下现象，看看发生了什么。如果发现了一个错误，我可以修复它，在一天内修改代码，然后将它重新烧录到电路板上，然后再定位下一个bug,这太疯狂了。在员工的时间不被视为成本的很多公司，管理层不会购买模拟器或系统级工具或调试器，因为我付了钱让这个人完成工作，我会一直训他，直到他努力工作。这种行为仍然很常见，CIUbb说，因为有很多公司实行10%的末位淘汰，以鞭策每个员工好好干活。但是，FPGASoC是真正的SoC,需要严格的设计和验证方法。“器件可编程不会真正影响设计和

8、验证，CIUbb说。“如果你要设计一颗SoC,你可以按照我听很多客户说起过的乐高工程，采用框图式的方法。我需要一颗处理器、一块内存、一颗幽、一些其他零件、一个DMA内存控制器、WiFiUSB和PC1这些都是您组装用的乐高积木。麻烦之处在于必须验证它们能够工作，并且能够一起工作。”不过，FPGASOC系统开发人员正在迅速掌握SOC从业者们关注的验证方法。“因为使用FPGA的成本更低，所以FPGASoC系统开发人员的思考方式和传统的芯片SOC开发人员不同，传统SOC开发人员的处理思路是这将花费我200万美元，所以我最好做好万全的准备，C1ubb说。“但是如果你花费200万美元开发FPGA,没搞对，

9、现在你将需要花费三个月的时间修复这些bug,这也是需要考虑的成本。开发团队有多大？要花多少钱？没有及时上市的惩罚是什么？这些都是非常难以清晰量化的成本。如果您处于消费领域，需要在圣诞节期间及时上市的产品上几乎不可能使用FPGA,所以这有一个不同的优先级。在定制芯片中做一款SOC需要面临巨大的整体成本和风险，因此越来越少见了。众所周知，这个行业正在整合，大玩家越来越少。每个选手都必须找出一种方式实现自己的设计，这些FPGASoC可以帮助实现这一目标。”新的折衷选择SanCheti说，很多工程团队不介意更换目标器件。“我们看到许多公司创建RT1并对其进行验证，但几乎不知道他们最终会选择FPGA还是

10、ASIC,因为这个决定可能会变很多次。你可以从FPGA开始，当达到一定数量后，如果AS1C成本更低,就转到AS1C上。”这种局面对于今天的AI应用领域尤其普遍。eSi1icon营销副总裁MikeGianfagna表示：“加速AI算法速度的技术还在发展中。人工黄能算法其实已经存在了很长一段时间，但是现在，我们在使用AI方面突然间变得更加复杂，并且可以非常神奇地以接近实时的速度运行它们。最初的A1算法运行在些上，然后转移到了GPU上。GPU也可以认为是一种可编程器件，尽管它具有一定的通用性。GPU架构擅长并行处理，因为图形加速运算就是并行计算，所以在GPU上跑A1算法很方便，因为A1基本上就是并行

11、处理。在很大程度上来说，GPU确实很好，但是它仍然是一种通用的方法，你可以在一定的功耗下获得一定程度的性能。现在，有些人接下来要转向FPGA运行AI算法，因为FPGA可以提供比GPU更好的专用电路，而且性能和功效上都能得到提升。AS1C在功耗和性能方面最为出色，因为您拥有可以完全满足您的需求的自定义架构，不多不少，显然最好。”人工智能算法很难映射到芯片上，因为它们几乎总是在变化。就这一点可以看出，做一款全定制的ASIC完全不合时宜，因为芯片出厂时老的算法就已经过时了。“FPGA显然可以很好地应对这种情况，因为你可以对它们进行重新编程，这样对芯片的昂贵投资就不会打水漂了。Gianfagna说。这

12、里有一些自定义的内存配置，以及某些像卷积和转置存储等可以再次使用的子系统功能，因此，虽然算法可能会更改，但某些块不会更改，可以一次又一次地使用。考虑到这一点，CSi1iCOn正在开发一款具有软件分析功能、可以查验A1算法的机箱，目标是能够更快速地为特定应用选择最佳架构。“使用FPGA,可以灵活地更换机器或者引擎，因为您可能会遇到一种新的神经网络，选择AS1C则要承担风险，因为你可能无法获得灵活性，CSiIiCOn知识产权工程副总裁DeCPakSabharWaI说。“然而，FPGA在容量和性能方面总是受到限制，所以用FPGA无法真正达到产品级规格。你可以用它做实验，对事物分组，但最终你将不得不选用一颗ASIC。嵌入式1UT过去几年，还有一种器件类型取得了一定进步，即嵌入式FPGA,它将可编程性集成到ASIC中，同时将ASIC的性能和功耗优势添加到FPGA中。F1ex1ogix公司首席执行官GeoffTate表示：“在FPGASoC中，处理单元的芯片面积相对较小，在方框图中看起来，比例有大有小，但是在实际的光刻图中，仍然主要是FPGA。不过，有一类应用和客户，FPGA逻辑单元和SOC其余部分的正确比例应该是FPGA更小，使得它们既具有RT1可编程性，同时芯片尺寸更具成本效益。”这种方法在航空航天、无线基站、电信、网络、汽车和视觉处理等领域，特别是在人工智能应用