算力大爆发时代，FPGA加速上云有什么妙招？

AlphaGo在围棋中对人类的“蹂躏”，让人工智能大行其道。 为什么这个诞生于1956年的词汇，在这两年又被推到了风口浪尖？ 这背后有三大要素：算法、数据、算力。 计算能力附在芯片上。 没有芯片，人工智能只是一句空话。

那么问题来了，什么样的芯片才是人工智能最好的助推器？

众所周知，GPU最初是为基于多边形网络生成计算机图形而设计的。 近年来，由于计算机游戏和图形引擎领域的需求和复杂性，GPU 积累了强大的处理性能。 Nvidia 是 GPU 领域的领导者，生产具有数千个内核的处理器，旨在以 100% 的效率工作。 事实上，这些处理器也非常适合在神经网络和矩阵乘法中运行计算。

被誉为“芯片皇冠上的明珠”的FPGA，其现状如何？

加速云创始人兼CEO吴刚在FPGA领域拥有超过15年的经验。 在接受宇飞网记者采访时，他只能说：“在深度学习领域比特币算力单位，FPGA不是面面俱到的。” 但FPGAs也有能力让这个领域无法拒绝。

加速云创始人兼CEO 吴刚

“对低延迟要求高的场景，只能选择FPGA；在做LSTM方面，GPU不好比特币算力单位，FPGA很强；虽然不能用FPGA做训练，但全ASIC的前提是FPGA的战场，因为它可以配置处理器。与专用神经网络处理器相比，FPGA 的优势是开发周期短。 对FPGA平台的信心，不仅来自于技术本身，还有加速上云的存在意义，这让吴刚心情好了许多。

2018年4月27日，加速云推出四大产品：两大系列硬件加速产品（SC-OPS、SC-VPX）、两大IP库（FDNN、FBLAS）、三大解决方案（深度学习方案解决方案、高性能计算和数字信号处理解决方案、边缘计算解决方案）。

工控是极好的选择

2014年10月，英特尔在IDF大会上发布了X86+FPGA处理器。 已经将FPGA用于异构计算的吴刚开始“兴奋”起来。 这个时代对高效计算系统的贪婪，将异构计算推向了时代的风口浪尖。 加速云选择工控领域来展示X86+FPGA的实力。 为什么会做出这样的选择？

吴刚表示：“一方面，传统工控机是PC，使用的芯片比笔记本低两代，无法满足日益复杂的控制算法。第二，工控领域是实时性强的领域，而FPGA具有纳秒级的响应能力，而且随着工业领域传感器越来越多，人工智能概念的不断渗透，传统PC已经无法应对。

资料显示，加速云基于FPGA的智能工控加速方案采用Intel Arria GX660器件，单芯片集成1.5TFLOPS单精度浮点处理能力，提供PCLe3.0高速接口和X86系统互联，以及支持40Gbps传输带宽。 可根据客户需求定制PCIE3.0/USB3.0/SATA3.0/HDMI/DVI/MIPI/CSI等各种高速IO接口，CAN/UART/SPI/TTL等低速扩展接口也支持。 支持高性能计算FBLAS库和深度学习FDNN库，支持OPenCL开发支持包。

在谈及FPGA的不足之处时，吴刚毫不避讳地谈到了FPGA相对于GPU的生态，可谓糟糕。 GPU的生态是英伟达常年积累形成的，目前的FPGA生态还只是处于GPU作为Kuda的阶段。 吴刚说：“虽然FPGA的设计思路不同，但我还是希望能创造出类似CUDN库的东西，未来FPGA会越来越不像FPGA，我们也在开发上层语言弥补生态。这需要时间。这就是像我们这样的公司存在的原因。”

参会人员参观展位