Video: Vision Processing for FPGA, Part 1: Vision Processing FPGA and ASIC Hardware Considerations (Novembre 2024)
Gran parte dell'interessante discussione sui processori si è recentemente concentrata sull'uso di diversi tipi di chip e core, a differenza dei core di elaborazione generici comuni nelle CPU convenzionali. Abbiamo visto tutti i tipi di diverse combinazioni di chip utilizzati per particolari attività di elaborazione, tra cui CPU, GPU, DSP, ASICS personalizzati e array di gate programmabili sul campo (FPG) e sempre più vediamo applicazioni che combinano aspetti di tutti questi, a volte in un sistema e a volte all'interno di un singolo chip.
Perfino Intel, da tempo sostenitrice di core di elaborazione generici che raddoppiano di velocità ogni due anni, è entrata in azione con l'acquisto di Altera, uno dei principali produttori di FPGA. Di recente, ho avuto l'opportunità di parlare con Dan McNamara, direttore generale del Programmable Solutions Group (PSG) di Intel - quello che una volta era noto come Altera - che ha fatto luce sui piani di Intel in questo settore e ha fornito maggiori dettagli sui piani della società per la connessione diversi tipi di core e diversi muoiono insieme in pacchetti di chip ad alta velocità.
"Il mondo sta diventando eterogeneo", ha detto McNamara, sottolineando che ora esiste una consapevolezza comune che non è possibile risolvere tutti i problemi con i core di uso generale. ASIC personalizzati, come le unità di elaborazione tensor di Google o le TPU, possono accelerare determinati tipi di funzioni ben oltre i tradizionali CPUS o GPU, ma questi impiegano molto tempo per essere creati. Al contrario, ha affermato, gli FPGA consentono un codice personalizzabile che offre gran parte dei vantaggi in termini di prestazioni degli ASIC senza attendere due anni per la progettazione e la produzione di chip. Uno sviluppatore può cambiare immediatamente gli algoritmi all'interno di un FPGA, mentre una CPU, una GPU o un chip personalizzato funzionano in modo fisso.
McNamara ha anche affermato che gli FPGA hanno una latenza molto bassa e possono essere molto paralleli, con diverse parti di un chip che lavorano contemporaneamente su applicazioni come l'elaborazione delle immagini o la comunicazione.
Intel sta ora distribuendo l'FPGA Arria 10, prodotto sul processo a 20 nm di TSMC, e offre un pacchetto che combina un processore Xeon (Broadwell) e Arria 10. Questo è in uso in applicazioni come la ricerca e l'analisi su scala web. McNamara ha dichiarato che gli FPGA potrebbero accelerare la ricerca fino a 10 volte e ha osservato che Microsoft è stata pubblica sull'uso di tali FPGA per accelerare la ricerca.
Una grande area di miglioramento recentemente è stata la creazione di pacchetti multi-chip più veloci in grado di combinare fustelle create su processi diversi e forse da produttori diversi. Questi includono pacchetti che contengono una CPU e un FPGA, come la combinazione Xeon / Arria; un FPGA con diversi ricetrasmettitori, come nell'FPGA Stratix 10 di Intel; o anche parti diverse di una CPU completa, come Intel ha descritto nella sua recente tecnologia e produzione.
Intel ha creato una nuova tecnologia chiamata EMIB (embedded multi-chip interconnect bridge) per fare ciò, che ha debuttato in Stratix 10. In EMIB, il core die è stato creato sul processo Intel a 14 nm e i ricetrasmettitori sul processo a 16 nm di TSMC.
Nel complesso, McNamara ha affermato che diverse aree si stanno muovendo verso l'adozione di più FPGA che utilizzano tali imballaggi. Ha parlato di siti Web iper-scalari, che stanno assistendo a un rapido cambiamento della domanda e in cui una combinazione FPGA / CPU può funzionare bene in aree come ricerca, analisi e streaming video, nonché trasformazione della rete, in cui tendenze come la rete definita dal software e la virtualizzazione delle funzioni di rete sta spingendo alla necessità di una maggiore elaborazione dei pacchetti. Altre aree di interesse includono applicazioni 5G e wireless, guida autonoma e applicazioni di intelligenza artificiale (AI). Nell'intelligenza artificiale, McNamara ha affermato che gli ASIC ottimizzati e la potenza dei computer grezzi potrebbero essere i migliori per l'allenamento (Intel ha acquistato Nervana), ma gli FPGA sono spesso i migliori in inferenza, a causa della loro flessibilità e bassa latenza, e hanno notato che ZTE ha usato Arria 10s per mostra punteggi di riconoscimento dell'immagine davvero impressionanti.
Personalmente, sono curioso di vedere se le future CPU prenderanno davvero diversi componenti e li mescoleranno e abbineranno usando EMIB o una tecnologia simile per cambiare quello che pensiamo come un chip del processore. Sono incuriosito dall'idea che i sistemi del futuro possano usare molti core diversi: alcuni programmabili (FPGA) e altri fissi (un mix di ASIC personalizzati e CPU e GPU tradizionali) per fare insieme cose che migliorano su ciò che ogni singolo la tecnologia può fare da sola.
