飞象网讯（六月/文）日前，Achronix半导体公司在北京举行了媒体发布会，宣布推出第四代嵌入式FPGA产品Speedcore Gen4 eFPGA IP，以支持客户将FPGA功能集成到他们的SoC之中。Speedcore Gen4将性能提高了60％、功耗降低了50％、芯片面积减少65％，同时保留了原有的Speedcore eFPGA IP的功能，即可将可编程硬件加速功能引入广泛的计算、网络和存储应用，实现接口协议桥接/转换、算法加速和数据包处理。
除了计算和网络基础设施的通用要求之外，人工智能/机器学习还对高密度和针对性计算产生了显著增加的需求。与以前的Achronix FPGA产品相比，新的Achronix机器学习处理器（MLP）利用了人工智能/机器学习处理的特定属性，并将这些应用的性能提高了300％。这是通过多种架构性创新来实现的，这些创新可以同时提高每个时钟周期的性能和操作次数。
据Achronix半导体公司市场营销副总裁Steve Mensor介绍，新的Achronix机器学习处理器（MLP）是一个完整的人工智能/机器学习计算引擎，支持定点和多个浮点数格式和精度。每个机器学习处理器包括一个循环寄存器文件（Cyclical Register File），它用来存储重用的权重或数据。各个机器学习处理器与相邻的机器学习处理器单元模块和更大的存储单元模块紧密耦合，以提供最高的处理性能、每秒最高的操作次数和最低的功率分集。这些机器学习处理器支持各种定点和浮点格式，包括Bfloat16、16位、半精度、24位和单元块浮点。用户可以通过为其应用选择最佳精度来实现精度和性能的均衡。
为了补充机器学习处理器并提高人工智能/机器学习的计算密度，Speedcore Gen4查找表（LUT）可以实现比任何独立FPGA芯片产品高出两倍的乘法器。领先的独立FPGA芯片在21个查找表可以中实现6x6乘法器，而Speedcore Gen4仅需在11个LUT中就可实现相同的功能，并可在1 GHz的速率上工作。
与上一代Speedcore产品相比，新的Speedcore Gen4架构实现了多项创新，从而可将系统整体性能提高60％。其中查找表的所有方面都得到了增强，以支持使用最少的资源来实现各种功能，从而可缩减面积和功耗并提高性能。其中的更改包括将ALU的大小加倍、将每个LUT的寄存器数量加倍、支持7位函数和一些8位函数、以及为移位寄存器提供的专用高速连接。
Steve介绍称：“我们正在使用经过验证的同样的方法体系来为客户提供最新的Speedcore Gen4 eFPGA技术，来满足他们将eFPGA IP的所有优势和灵活性与增强的人工智能/机器学习功能相结合的愿望，而这种最前沿的人工智能/机器学习功能得益于我们最新机器学习处理器单元模块和台积电（TSMC）最先进的7nm工艺技术。”
其中的路由架构也借由一种独立的专用总线路由结构得到了增强。此外，在该路由结构中还有专用的总线多路复用器，可有效地创建分布式的、运行时可配置的交换网络。这为高带宽和低延迟应用提供了最佳的解决方案，并在业界首次实现了将网络优化应用于FPGA互连。
据悉，Speedcore Gen4将采用采用台积电7nm工艺，并在2019年上半年投入量产。不过，Achronix还将于2019年下半年提供用于台积电16nm和12nm工艺的Speedcore Gen4 eFPGA IP。对于，对于已量产的Speedcore架构，Achronix可在6周内为客户配置并提供Speedcore eFPGA IP和支持文件。
此外，Micron还于近日宣布推出GDDR6存储器。其将成为支持Achronix采用台积电（TSMC） 7nm工艺技术的下一代独立FPGA芯片的首选高性能存储器。GDDR6针对包括机器学习等诸多要求严苛的应用进行了优化，这些应用需要数万兆比特（multi-terabit）存储宽带，从而使Achronix在提供FPGA方案时，其成本能够比其他使用可比存储解决方案的FPGA低出一半。
Steve Mensor表示，Achronix的高性能FPGA与GDDR6存储器相结合，可为业界提供带宽最高的存储解决方案，用于数据中心和汽车应用中机器学习工作负载的加速。
这种新的联合解决方案可应对很多深度神经网络中的固有挑战，包括存储大数据集、重权重参数和存储器激活；底层硬件需要在处理器和存储器之间存储、处理和快速移动数据。此外，因为机器学习算法总是在不断调整改变，所以需要可编程性来更加有效地实现设计。Achronix的下一代FPGA已经针对处理机器学习工作负载而进行了优化，并且目前是唯一支持GDDR6存储器的FPGA系列产品。
“自Achronix发布eFPGA两年以来，5G芯片已经成为该类半导体知识产权最大的应用领域，其次是数据中心的网络加速和网络应用的智能网卡，ADAS也在兴起，显示出5G和云计算正在推动新一轮的芯片产业创新。”Steve Mensor进一步讲到。
