<em id="0s9ur"></em>

<em id="0s9ur"></em>
<div id="0s9ur"><ol id="0s9ur"></ol></div>
<div id="0s9ur"><tr id="0s9ur"><object id="0s9ur"></object></tr></div>

      <dl id="0s9ur"><ins id="0s9ur"><small id="0s9ur"></small></ins></dl>

      電子發燒友網 > 人工智能 > 正文

      AI芯片的過去和未來,看這篇文章就夠了

      2018年10月31日 13:56 ? 次閱讀

      相信你一定還記得擊敗了李世石和柯潔的谷歌“阿爾法狗”(AlphaGo),那你知道驅動AlphaGo的是什么嗎?

      如果你覺得AlphaGo和人相似,只不過是把人腦換成了芯片,那么你就大錯特錯了。擊敗李世石的AlphaGo裝有48個谷歌的AI芯片,而這48個芯片不是安裝在AlphaGo身體里,而是在云端。所以,真正驅動AlphaGo的裝置,看上去是這樣的...

      圖片來自網絡,版權屬于作者

      因此李世石和柯潔不是輸給了“機器人”,而是輸給了裝有AI芯片的云工作站。

      然而近幾年,AI技術的應用場景開始向移動設備轉移,比如汽車上的自動駕駛、手機上的人臉識別等。產業的需求促成了技術的進步,而AI芯片作為產業的根基,必須達到更強的性能、更高的效率、更小的體積,才能完成AI技術從云端到終端的轉移。

      目前,AI芯片的研發方向主要分兩種:一是基于傳統馮·諾依曼架構的FPGA(現場可編程門陣列)和ASIC(專用集成電路)芯片,二是模仿人腦神經元結構設計的類腦芯片。其中FPGA和ASIC芯片不管是研發還是應用,都已經形成一定規模;而類腦芯片雖然還處于研發初期,但具備很大潛力,可能在未來成為行業內的主流。

      這兩條發展路線的主要區別在于,前者沿用馮·諾依曼架構,后者采用類腦架構。你看到的每一臺電腦,采用的都是馮·諾依曼架構。它的核心思路就是處理器和存儲器要分開,所以才有了CPU(中央處理器)和內存。而類腦架構,顧名思義,模仿人腦神經元結構,因此CPU、內存和通信部件都集成在一起。

      接下來小探將為讀者分別介紹兩種架構的簡要發展史、技術特點和代表性產品。

      GPU到FPGA和ASIC芯片

      2007年以前,受限于當時算法和數據等因素,AI對芯片還沒有特別強烈的需求,通用的CPU芯片即可提供足夠的計算能力。比如現在在讀這篇文章的你,手機或電腦里就有CPU芯片。

      之后由于高清視頻和游戲產業的快速發展,GPU(圖形處理器)芯片取得迅速的發展。因為GPU有更多的邏輯運算單元用于處理數據,屬于高并行結構,在處理圖形數據和復雜算法方面比CPU更有優勢,又因為AI深度學習的模型參數多、數據規模大、計算量大,此后一段時間內GPU代替了CPU,成為當時AI芯片的主流。

      GPU比CPU有更多的邏輯運算單元(ALU)

      圖片來自網絡,版權屬于作者

      然而GPU畢竟只是圖形處理器,不是專門用于AI深度學習的芯片,自然存在不足,比如在執行AI應用時,其并行結構的性能無法充分發揮,導致能耗高。

      與此同時,AI技術的應用日益增長,在教育、醫療、無人駕駛等領域都能看到AI的身影。然而GPU芯片過高的能耗無法滿足產業的需求,因此取而代之的是FPGA芯片,和ASIC芯片。

      那么這兩種芯片的技術特點分別是什么呢?又有什么代表性的產品呢?

      “萬能芯片”FPGA

      FPGA(FIELD-PROGRAMMABLEGATEARRAY),即“現場可編程門陣列”,是在PAL、GAL、CPLD等可編程器件的基礎上進一步發展的產物。

      FPGA可以被理解為“萬能芯片”。用戶通過燒入FPGA配置文件,來定義這些門電路以及存儲器之間的連線,用硬件描述語言(HDL)對FPGA的硬件電路進行設計。每完成一次燒錄,FPGA內部的硬件電路就有了確定的連接方式,具有了一定的功能,輸入的數據只需要依次經過各個門電路,就可以得到輸出結果。

      用大白話說,“萬能芯片”就是你需要它有哪些功能、它就能有哪些功能的芯片。

      盡管叫“萬能芯片”,FPGA也不是沒有缺陷。正因為FPGA的結構具有較高靈活性,量產中單塊芯片的成本也比ASIC芯片高,并且在性能上,FPGA芯片的速度和能耗相比ASIC芯片也做出了妥協。

      也就是說,“萬能芯片”雖然是個“多面手”,但它的性能比不上ASIC芯片,價格也比ASIC芯片更高。

      但是在芯片需求還未成規模、深度學習算法需要不斷迭代改進的情況下,具備可重構特性的FPGA芯片適應性更強。因此用FPGA來實現半定制人工智能芯片,毫無疑問是保險的選擇。

      目前,FPGA芯片市場被美國廠商Xilinx和Altera瓜分。據國外媒體Marketwatch的統計,前者占全球市場份額50%、后者占35%左右,兩家廠商霸占了85%的市場份額,專利達到6000多項,毫無疑問是行業里的兩座大山。

      Xilinx的FPGA芯片從低端到高端,分為四個系列,分別是Spartan、Artix、Kintex、Vertex,芯片工藝也從45到16納米不等。芯片工藝水平越高,芯片越小。其中Spartan和ArTIx主要針對民用市場,應用包括無人駕駛、智能家居等;Kintex和Vertex主要針對軍用市場,應用包括國防、航空航天等。

      Xilinx的Spartan系列FPGA芯片

      圖片來自網絡,版權屬于作者

      我們再說說Xilinx的老對手Altera。Altera的主流FPGA芯片分為兩大類,一種側重低成本應用,容量中等,性能可以滿足一般的應用需求,如Cyclone和MAX系列;還有一種側重于高性能應用,容量大,性能能滿足各類高端應用,如StarTIx和Arria系列。Altera的FPGA芯片主要應用在消費電子、無線通信、軍事航空等領域。

      專用集成電路ASIC

      在AI產業應用大規模興起之前,使用FPGA這類適合并行計算的通用芯片來實現加速,可以避免研發ASIC這種定制芯片的高投入和風險。

      但就像我們剛才說到的,由于通用芯片的設計初衷并非專門針對深度學習,因此FPGA難免存在性能、功耗等方面的瓶頸。隨著人工智能應用規模的擴大,這類問題將日益突出。換句話說,我們對人工智能所有的美好設想,都需要芯片追上人工智能迅速發展的步伐。如果芯片跟不上,就會成為人工智能發展的瓶頸。

      所以,隨著近幾年人工智能算法和應用領域的快速發展,以及研發上的成果和工藝上的逐漸成熟,ASIC芯片正在成為人工智能計算芯片發展的主流。

      ASIC芯片是針對特定需求而定制的專用芯片。雖然犧牲了通用性,但ASIC無論是在性能、功耗還是體積上,都比FPGA和GPU芯片有優勢,特別是在需要芯片同時具備高性能、低功耗、小體積的移動端設備上,比如我們手上的手機。

      但是,因為其通用性低,ASIC芯片的高研發成本也可能會帶來高風險。然而如果考慮市場因素,ASIC芯片其實是行業的發展大趨勢。

      為什么這么說呢?因為從服務器、計算機到無人駕駛汽車、無人機,再到智能家居的各類家電,海量的設備需要引入人工智能計算能力和感知交互能力。出于對實時性的要求,以及訓練數據隱私等考慮,這些能力不可能完全依賴云端,必須要有本地的軟硬件基礎平臺支撐。而ASIC芯片高性能、低功耗、小體積的特點恰好能滿足這些需求。

      ASIC芯片市場百家爭鳴

      2016年,英偉達發布了專門用于加速AI計算的TeslaP100芯片,并且在2017年升級為TeslaV100。在訓練超大型神經網絡模型時,TeslaV100可以為深度學習相關的模型訓練和推斷應用提供高達125萬億次每秒的張量計算(張量計算是AI深度學習中最經常用到的計算)。然而在最高性能模式下,TeslaV100的功耗達到了300W,雖然性能強勁,但也毫無疑問是顆“核彈”,因為太費電了。

      英偉達TeslaV100芯片

      圖片來自網絡,版權屬于作者

      同樣在2016年,谷歌發布了加速深度學習的TPU(TensorProcessingUnit)芯片,并且之后升級為TPU2.0和TPU3.0。與英偉達的芯片不同,谷歌的TPU芯片設置在云端,就像文章在AlphaGo的例子中說的一樣,并且“只租不賣“,服務按小時收費。不過谷歌TPU的性能也十分強大,算力達到180萬億次每秒,并且功耗只有200w。

      谷歌TPU芯片

      圖片來自網絡,版權屬于作者

      關于各自AI芯片的性能,谷歌CEOSundarPichai和英偉達CEO黃仁勛之前還在網上產生過爭論。別看兩位大佬為自家產品撐腰,爭得不可開交,實際上不少網友指出,這兩款產品沒必要“硬做比較”,因為一個是在云端,一個是在終端。

      除了大公司,初創企業也在激烈競爭ASIC芯片市場。那么初創企業在行業中該如何生存呢?對此,AI芯片初創企業Novumind的中國區CEO周斌告訴小探:創新是初創企業的核心競爭力。

      2017年,NovuMind推出了第一款自主設計的AI芯片:NovuTensor。這款芯片使用原生張量處理器(NaTIveTensorProcessor)作為內核構架,這種內核架構由NovuMind自主研發,并在短短一年內獲得美國專利。除此之外,NovuTensor芯片采用不同的異構計算模式來應對不同AI應用領域的三維張量計算。2018年下半年,Novumind剛推出了新一代NovuTensor芯片,這款芯片在做到15萬億次計算每秒的同時,全芯片功耗控制在15W左右,效率極高。

      Novumind的NovuTensor芯片

      盡管NovuTensor芯片的紙面算力不如英偉達的芯片,但是其計算延遲和功耗卻低得多,因此適合邊緣端AI計算,也就是服務于物聯網。雖然大家都在追求高算力,但實際上不是所有芯片都需要高算力的。比如用在手機、智能眼鏡上的芯片,雖然也對算力有一定要求,但更需要的是低能耗,否則你的手機、智能眼鏡等產品,用幾下就沒電了,也是很麻煩的一件事情。并且據EETImes的報道,在運行ResNet-18、ResNet-34、ResNet70、VGG16等業界標準神經網絡推理時,NovuTensor芯片的吞吐量和延遲都要優于英偉達的另一款高端芯片Xavier。

      結合Novumind現階段的成功,我們不難看出:在云端市場目前被英偉達、谷歌等巨頭公司霸占,終端應用芯片群雄逐鹿的情形下,專注技術創新,在關鍵指標上大幅領先所有競爭對手,或許是AI芯片初創企業的生存之道。

      類腦芯片

      如文章開頭所說,目前所有電腦,包括以上談到的所有芯片,都基于馮·諾依曼架構。

      然而這種架構并非十全十美。將CPU與內存分開的設計,反而會導致所謂的馮·諾伊曼瓶頸(vonNeumannbottleneck):CPU與內存之間的資料傳輸率,與內存的容量和CPU的工作效率相比都非常小,因此當CPU需要在巨大的資料上執行一些簡單指令時,資料傳輸率就成了整體效率非常嚴重的限制。

      既然要研制人工智能芯片,那么有的專家就回歸問題本身,開始模仿人腦的結構。

      人腦內有上千億個神經元,而且每個神經元都通過成千上萬個突觸與其他神經元相連,形成超級龐大的神經元回路,以分布式和并發式的方式傳導信號,相當于超大規模的并行計算,因此算力極強。人腦的另一個特點是,不是大腦的每個部分都一直在工作,從而整體能耗很低。

      神經元結構

      圖片來源:維基百科

      這種類腦芯片跟傳統的馮·諾依曼架構不同,它的內存、CPU和通信部件是完全集成在一起,把數字處理器當作神經元,把內存作為突觸。除此之外,在類腦芯片上,信息的處理完全在本地進行,而且由于本地處理的數據量并不大,傳統計算機內存與CPU之間的瓶頸不復存在了。同時,神經元只要接收到其他神經元發過來的脈沖,這些神經元就會同時做動作,因此神經元之間可以方便快捷地相互溝通。

      在類腦芯片的研發上,IBM是行業內的先行者。2014年IBM發布了TrueNorth類腦芯片,這款芯片在直徑只有幾厘米的方寸的空間里,集成了4096個內核、100萬個“神經元”和2.56億個“突觸”,能耗只有不到70毫瓦,可謂是高集成、低功耗的完美演繹。

      裝有16個TrueNorth芯片的DARPASyNAPSE主板

      圖片來自網絡,版權屬于作者

      那么這款芯片的實戰表現如何呢?IBM研究小組曾經利用做過DARPA的NeoVision2Tower數據集做過演示。它能以30幀每秒速度,實時識別出街景視頻中的人、自行車、公交車、卡車等,準確率達到了80%。相比之下,一臺筆記本編程完成同樣的任務用時要慢100倍,能耗卻是IBM芯片的1萬倍。

      然而目前類腦芯片研制的挑戰之一,是在硬件層面上模仿人腦中的神經突觸,換而言之就是設計完美的人造突觸。

      在現有的類腦芯片中,通常用施加電壓的方式來模擬神經元中的信息傳輸。但存在的問題是,由于大多數由非晶材料制成的人造突觸中,離子通過的路徑有無限種可能,難以預測離子究竟走哪一條路,造成不同神經元電流輸出的差異。

      針對這個問題,今年麻省理工的研究團隊制造了一種類腦芯片,其中的人造突觸由硅鍺制成,每個突觸約25納米。對每個突觸施加電壓時,所有突觸都表現出幾乎相同的離子流,突觸之間的差異約為4%。與無定形材料制成的突觸相比,其性能更為一致。

      即便如此,類腦芯片距離人腦也還有相當大的距離,畢竟人腦里的神經元個數有上千億個,而現在最先進的類腦芯片中的神經元也只有幾百萬個,連人腦的萬分之一都不到。因此這類芯片的研究,離成為市場上可以大規模廣泛使用的成熟技術,還有很長的路要走,但是長期來看類腦芯片有可能會帶來計算體系的革命。

      說了這么多,相信讀者們對AI芯片行業已經有了基本的認識。在未來,AI芯片是否會從云端向終端發展?行業中大小公司的激烈的競爭會催生出怎樣的創新和轉型?類腦芯片的研發又能取得哪些突破?關于這些問題,每個人都會有不同的見解,歡迎各位讀者在下面留言。

      本文來源:硅谷探秘

      技術專區

      下載發燒友APP

      打造屬于您的人脈電子圈

      關注電子發燒友微信

      有趣有料的資訊及技術干貨

      關注發燒友課堂

      鎖定最新課程活動及技術直播
      收藏 人收藏
      分享:

      評論

      相關推薦

      萊迪思推出iCE40Ultra FPGA產品系列...

      隨著移動設備的普及化、多樣化,消費者對其功能要求也越來越挑剔,而設備中主控芯片無法完成的新功能,需要...

      發表于 2018-10-31 17:33 ? 245次閱讀
      萊迪思推出iCE40Ultra FPGA產品系列...

      關于高速ADC和DAC與FPGA的配合使用淺析

      許多數字處理系統都會使用FPGA,原因是FPGA有大量的專用DSP以及block RAM資源,可以用...

      發表于 2018-10-31 17:24 ? 25次閱讀
      關于高速ADC和DAC與FPGA的配合使用淺析

      請問什么是最大PAR選項?

      發表于 2018-10-31 16:20 ? 13次閱讀
      請問什么是最大PAR選項?

      FPGA時序的基本概念,RTL項目的設計探索

      盡管工程師們很清楚已有 FPGA 工具的參數設置,但是很多時候并沒有完全把這些設置的功能發揮出來。一...

      發表于 2018-10-31 15:21 ? 137次閱讀
      FPGA時序的基本概念,RTL項目的設計探索

      數字圖像是怎么通過模擬轉為數字的?

      還記得數字電路上對應的實驗都是VHDL的實驗嗎?數字電路告訴我們各種數字邏輯:非或與異。這些邏輯讓我...

      發表于 2018-10-31 15:18 ? 81次閱讀
      數字圖像是怎么通過模擬轉為數字的?

      基于C66x平臺DSP與FPGA通信測試

      發表于 2018-10-31 14:27 ? 8次閱讀
      基于C66x平臺DSP與FPGA通信測試

      請問什么是現場可編程門陣列?為什么會需要FPGA?

      發表于 2018-10-31 11:33 ? 18次閱讀
      請問什么是現場可編程門陣列?為什么會需要FPGA?

      請問DAC輸出不正常,或者偶爾會出現輸出結果不對的原因是什么?

      發表于 2018-10-31 09:38 ? 19次閱讀
      請問DAC輸出不正常,或者偶爾會出現輸出結果不對的原因是什么?

      怎么在Device視圖中查看FPGA的資源

      發表于 2018-10-30 18:02 ? 35次閱讀
      怎么在Device視圖中查看FPGA的資源

      基于FPGA的短波通信接收機及其具體實現方案詳解

      短波通信又稱高頻通信,是利用HF波段(3-30MHz)電磁波進行的無線電通信。短波通信主要靠天波傳播...

      發表于 2018-10-30 17:38 ? 54次閱讀
      基于FPGA的短波通信接收機及其具體實現方案詳解

      基于Cyclone IV GX系列的FPGA的P...

      PCI Express(PCIe)是一種高性能互連協議,可應用于網絡適配、圖形加速、服務器、大數據傳...

      發表于 2018-10-30 17:18 ? 62次閱讀
      基于Cyclone IV GX系列的FPGA的P...

      來自InnovateFPGA的全球令人印象深刻的創新設計

      發表于 2018-10-30 14:18 ? 72次閱讀
      來自InnovateFPGA的全球令人印象深刻的創新設計

      設備下載配置失敗

      發表于 2018-10-30 11:18 ? 21次閱讀
      設備下載配置失敗

      Artix 7連接對FPGA上的哪些組件有效?

      發表于 2018-10-30 11:14 ? 35次閱讀
      Artix 7連接對FPGA上的哪些組件有效?

      for always可以在block中合成的嗎?

      發表于 2018-10-30 11:11 ? 26次閱讀
      for always可以在block中合成的嗎?

      基于FPGA的心音采集系統

      本采集系統框圖如圖1所示,該系統由心音傳感器、信號預處理電路、A/D轉換電路以及PC等構成。其中,信...

      發表于 2018-10-30 10:32 ? 185次閱讀
      基于FPGA的心音采集系統

      【FPGA】 UART測試平臺的實現代碼----實體聲明

      發表于 2018-10-30 09:32 ? 48次閱讀
      【FPGA】 UART測試平臺的實現代碼----實體聲明

      FPGA從電子設計的外圍器件逐漸演變為數字系統的...

      作為一種可編程邏輯器件,FPGA在二十多年的發展歷程中,從電子設計的外圍器件逐漸演變為數字系統的核心...

      發表于 2018-10-29 17:54 ? 506次閱讀
      FPGA從電子設計的外圍器件逐漸演變為數字系統的...

      FPGA的獨特性與靈活性在智能化連接領域中扮演著...

      例如在體育賽事和電腦游戲活動直播不斷風靡的推動下,4K視頻和H.265編碼算法迎來大發展,傳統CPU...

      發表于 2018-10-29 17:48 ? 110次閱讀
      FPGA的獨特性與靈活性在智能化連接領域中扮演著...

      高云半導體推出小封裝、超低功耗的GW1NZ系列F...

      國內領先的可編程邏輯器件供應商廣東高云半導體科技股份有限公司(以下簡稱:高云半導體),宣布推出小封裝...

      發表于 2018-10-29 16:05 ? 421次閱讀
      高云半導體推出小封裝、超低功耗的GW1NZ系列F...

      Altera發布MAX 10:業界首款多功能、低...

      一直以來,FPGA可編程器件都主要應用在通訊設備或工業控制等較為專業的應用領域,但隨著不同行業使用需...

      發表于 2018-10-28 11:53 ? 141次閱讀
      Altera發布MAX 10:業界首款多功能、低...

      使用安全FPGA器件可以保護用于物聯網的新DSP...

      對于基于數字信號處理器(DSP)的設計,如果DSP沒有足夠的安全能力,便特別容易受到入侵。在許多應用...

      發表于 2018-10-28 11:44 ? 47次閱讀
      使用安全FPGA器件可以保護用于物聯網的新DSP...

      為什么俄羅斯沒有高端芯片 卻能造出一流武器

      為什么俄羅斯沒有高端芯片,卻能造出一流武器?

      發表于 2018-10-27 10:56 ? 1225次閱讀
      為什么俄羅斯沒有高端芯片  卻能造出一流武器

      Silexica最新版SLX解決方案可優化軟硬件...

      業界首款解決方案,用來分析用于 RISC/FPGA 設計空間探索的 C/C ++ 代碼,從而優化硬件...

      發表于 2018-10-27 10:35 ? 83次閱讀
      Silexica最新版SLX解決方案可優化軟硬件...

      三星電子推出基于賽靈思FPGA技術的SmartS...

      基于賽靈思 FPGA的三星的 SmartSSD 有助于推動像高性能計算、人工智能和新興應用等新一代數...

      發表于 2018-10-27 10:31 ? 215次閱讀
      三星電子推出基于賽靈思FPGA技術的SmartS...

      賽靈思推出能提供FPGA設計工具和IP的ISE設...

      賽靈思公司推出ISE設計套件11.1版本(ISE Design Suite 11.1)。這一FPGA...

      發表于 2018-10-27 08:22 ? 341次閱讀
      賽靈思推出能提供FPGA設計工具和IP的ISE設...

      以FPGA+DSP為基礎的RCM遠控器研究詳解

      為了遠程對現場進行設備管理和環境監控,并簡化現場監控設備,有效地提高整個系統的穩定性和安全性。擬開...

      發表于 2018-10-26 17:21 ? 57次閱讀
      以FPGA+DSP為基礎的RCM遠控器研究詳解

      基于FPGA的ADS8341控制器設計

      由圖1可以看出,ADS8341完成一次轉換需要24個DCLK時鐘,其中在前8個時鐘的上升沿,DIN控...

      發表于 2018-10-26 14:50 ? 340次閱讀
      基于FPGA的ADS8341控制器設計

      Versal能否讓賽靈思開啟涅槃之旅?

      先來看其硬件。賽靈思產品及技術營銷高級技術總監Kirk Saban指出,異構計算平臺必須要有多個不同...

      發表于 2018-10-26 14:34 ? 946次閱讀
      Versal能否讓賽靈思開啟涅槃之旅?

      LUT如何構成邏輯函數

      LUT如何如何構成邏輯函數;2個LUT通過互連可以構成7bit輸入,單bit輸出的邏輯。實現方式為兩...

      發表于 2018-10-26 14:31 ? 281次閱讀
      LUT如何構成邏輯函數

      從四個方面區別arm與fpga

      ARM是應用,FPGA是芯片設計,前者是軟件,后面是硬件,ARM就像單片機,但是它本身的資源是生產廠...

      發表于 2018-10-26 14:11 ? 130次閱讀
      從四個方面區別arm與fpga

      高云半導體與清華大學計算機系開展國產FPGA交流...

      廣東高云半導體科技股份有限公司(以下簡稱“高云半導體”)于10月25日與清華大學計算機系師生舉行了國...

      發表于 2018-10-26 10:16 ? 1114次閱讀
      高云半導體與清華大學計算機系開展國產FPGA交流...

      賽靈思2019財年Q2營收大漲19% 7納米AC...

      10月24日,賽靈思最新出爐的2019財年第二季度的財報信息顯示,該公司第二季度實現季度性收入最高紀...

      發表于 2018-10-25 17:22 ? 653次閱讀
      賽靈思2019財年Q2營收大漲19% 7納米AC...

      賽靈思推出能提供FPGA設計工具和IP的ISE設...

      賽靈思公司推出ISE設計套件11.1版本(ISE Design Suite 11.1)。這一FPG...

      發表于 2018-10-25 15:47 ? 108次閱讀
      賽靈思推出能提供FPGA設計工具和IP的ISE設...

      Altera開發出了一套完整的SoC解決方案

      Altera的Arria II GX、Stratix IV GT、Stratix IV GX FP...

      發表于 2018-10-25 15:43 ? 97次閱讀
      Altera開發出了一套完整的SoC解決方案

      Xilinx推出reVISION軟件堆棧,叫板英...

      人工智能(AI)以往需要非常龐大的運算量才能實現,因此必須在云端數據中心由服務器執行。但隨著AI走向...

      發表于 2018-10-24 17:30 ? 97次閱讀
      Xilinx推出reVISION軟件堆棧,叫板英...

      FPGA廠商的易主或戰略的改變,勢必會影響FPG...

      如果說“變”是歷史的主調,那對于FPGA業者來說,變化顯然來得太快了。 Intel(英特爾)以167...

      發表于 2018-10-24 17:23 ? 154次閱讀
      FPGA廠商的易主或戰略的改變,勢必會影響FPG...

      賽靈思開發者大會:共同探討行業趨勢,分享設計經驗...

      標量處理引擎。Versal有雙ARM Cortex-A72應用處理器。嵌入式處理來自于ARM,擁有...

      發表于 2018-10-24 10:08 ? 708次閱讀
      賽靈思開發者大會:共同探討行業趨勢,分享設計經驗...

      FPGA是英特爾成長策略的關鍵,其動力來自成長引...

      處理器龍頭大廠英特爾昨(19)日在美國開發者論壇(IDF)中,首度舉行英特爾SoC FPGA科技論壇...

      發表于 2018-10-23 16:48 ? 74次閱讀
      FPGA是英特爾成長策略的關鍵,其動力來自成長引...

      英特爾CPU+FPGA的AI芯片技術布局,或將替...

      近日,英特爾宣布與科大訊飛達成技術合作,共同優化在機器學習與深度學習領域的離線訓練與在線預測,并在上...

      發表于 2018-10-23 16:38 ? 141次閱讀
      英特爾CPU+FPGA的AI芯片技術布局,或將替...

      通過LPM_ROM模塊和VHDL語言為核心設計多...

      以FPGA芯片為載體, 通過QuartusII 的LPM_ROM 模塊和VHDL 語言為核心設計一個...

      發表于 2018-10-23 10:05 ? 872次閱讀
      通過LPM_ROM模塊和VHDL語言為核心設計多...

      為什么英特爾要將至強CPU與FPGA加以結合?

      就目前的技術指標而言,我們只能給出有限的猜測性結論。Altera公司很可能負責相關FPGA芯片的制造...

      發表于 2018-10-23 10:01 ? 370次閱讀
      為什么英特爾要將至強CPU與FPGA加以結合?

      在Vivado中新建IO Planning工程來...

      在Vivado中新建IO Planning工程來初步引腳分配,這樣會大大提高開發效率 在這里,你可...

      發表于 2018-10-22 17:12 ? 306次閱讀
      在Vivado中新建IO Planning工程來...

      基于循環前綴的非數據輔助估計算法研究與FPGA實...

      提出了一種基于循環前綴的符號同步算法。此算法在最大似然估計的基礎上加以改進,簡化了符號同步中相關運算...

      發表于 2018-10-22 14:55 ? 294次閱讀
      基于循環前綴的非數據輔助估計算法研究與FPGA實...

      淺析5G產業鏈國產化的機遇與挑戰

      相較4G,5G無線網絡架構將發生重大變化。從功能上看,5G通信收發系統仍將大致分為天線單元、射頻單元...

      發表于 2018-10-22 11:54 ? 1177次閱讀
      淺析5G產業鏈國產化的機遇與挑戰

      FPGA內部可編程邏輯CLB資源分析

      現在的FPGA里面有很多存儲資源,DSP(數字信號處理)資源,布線通道,I/O資源,當然最根本的還是...

      發表于 2018-10-22 11:00 ? 311次閱讀
      FPGA內部可編程邏輯CLB資源分析

      從FPGA到ACAP,“萬能芯片”如何華麗轉身

      作為“摩爾定律”的倡導者,英特爾則在FPGA上依然在宣講先進工藝的重要性,14nm的FPGA產品和1...

      發表于 2018-10-22 10:44 ? 564次閱讀
      從FPGA到ACAP,“萬能芯片”如何華麗轉身

      美國新創公司NuPGA利用石墨做為FPGA組件內...

      一家新創IC公司NuPGA聲稱,碳內存架構(Carbon-based memory archite...

      發表于 2018-10-21 10:58 ? 109次閱讀
      美國新創公司NuPGA利用石墨做為FPGA組件內...

      基于FPGA器件的內塊存儲器資源功能驗證方法設計...

      可編程邏輯陣列(FPGA)由于其具有可編程、上市時間短、靈活性及高吞吐量等特性廣泛應用于數字信號處...

      發表于 2018-10-21 10:32 ? 133次閱讀
      基于FPGA器件的內塊存儲器資源功能驗證方法設計...

      FPGA如何讓視頻編碼與AI非常簡單的結合

      Aupera是一家專注于視頻數據應用的新一代系統解決方案的創業公司,Aupera資深AI工程師Nar...

      發表于 2018-10-20 10:30 ? 453次閱讀
      FPGA如何讓視頻編碼與AI非常簡單的結合

      CRC的計算過程 漢明距離如何計算呢

      第六章的內容在《移動通信》課程中也有涉及,穿插著學習能夠加深記憶。我花了好長時間的講解CRC的寄存器...

      發表于 2018-10-20 09:41 ? 322次閱讀
      CRC的計算過程 漢明距離如何計算呢

      NanoBoard 3000系列FPGA開發板助...

      FPGA正在成為電子產品設計的主流選擇。但對于完全沒有FPGA專業背景的設計工程師而言,在數天之內完...

      發表于 2018-10-20 09:14 ? 63次閱讀
      NanoBoard 3000系列FPGA開發板助...

      CNN高效升級,有一定的可編程性

      2018年7月18日,自適應和智能計算公司賽靈思(Xilinx, Inc.)宣布完成對專注于神經網絡...

      發表于 2018-10-20 09:13 ? 450次閱讀
      CNN高效升級,有一定的可編程性

      英特爾將至強CPU與FPGA加以結合,推出新一代...

      就在昨天,英特爾公司悄然發布了一項面向其芯片產品線的大規模升級方案:芯片巨頭將在近期推出一款將CPU...

      發表于 2018-10-19 16:39 ? 271次閱讀
      英特爾將至強CPU與FPGA加以結合,推出新一代...

      從FPGA到ACAP,賽靈思實現了跳躍性的發展

      讓時光倒退回到2015年,這一年2月份,FPGA龍頭企業賽靈思(Xilinx)發布了業界首款16nm...

      發表于 2018-10-19 16:31 ? 545次閱讀
      從FPGA到ACAP,賽靈思實現了跳躍性的發展

      FPGA內部可編程邏輯資源的結構,CLB資源介紹

      第二種Slice叫SLICEM,電路結構如下。除了LUTS與SLICEL的LUTS不同之外,其余結構...

      發表于 2018-10-18 17:04 ? 390次閱讀
      FPGA內部可編程邏輯資源的結構,CLB資源介紹

      賽靈思聯手華為推出首個使用FPGA的廣播質量級的...

      賽靈思公司(Xilinx)、華為和 NGCodec 今天宣布開發中國首款云端高效率視頻編碼 (HV...

      發表于 2018-10-18 16:55 ? 148次閱讀
      賽靈思聯手華為推出首個使用FPGA的廣播質量級的...

      Intel收購FPGA公司是為了微軟?

      去年Intel宣布斥資167億美元收購了全球第一大FPGA公司Altera,而且這家公司還是Inte...

      發表于 2018-10-18 16:50 ? 459次閱讀
      Intel收購FPGA公司是為了微軟?

      基于FPGA+DSP的高速中頻采樣信號處理平臺

      高速中頻采樣信號處理平臺在實際應用中有很大的前景,提出采用FPGA+DSP的處理結構,結合高性能A/...

      發表于 2018-10-18 16:36 ? 426次閱讀
      基于FPGA+DSP的高速中頻采樣信號處理平臺

      賽靈思CEO:FPGA迎來春天,汽車芯片市場需審...

      現在雖然伴隨著自動駕駛的發展,有了更多的機會,但行業內仍有傳統的汽車芯片巨頭,尊重基本的市場規律是應...

      發表于 2018-10-18 15:17 ? 614次閱讀
      賽靈思CEO:FPGA迎來春天,汽車芯片市場需審...

      華為公司與Xilinx在XDF上聯合發布FX系列...

      2018年10月16日, 中國北京 (賽靈思開發者論壇) –今日, 華為在賽靈思開發者論壇( XDF...

      發表于 2018-10-17 13:42 ? 379次閱讀
      華為公司與Xilinx在XDF上聯合發布FX系列...

      FPGA國產化之路將越走越順暢

      全球半導體市場格局已成三足鼎立之勢,ASIC (Application Specific Inte...

      發表于 2018-10-16 16:49 ? 599次閱讀
      FPGA國產化之路將越走越順暢

      一文教你如何破解MCU

      中央處理器CPU,包括運算器、控制器和寄存器組。是MCU內部的核心部件,由運算部件和控制部件兩大部分...

      發表于 2018-10-16 16:45 ? 180次閱讀
      一文教你如何破解MCU

      瘋狂收購后,FPGA業務的收入將變得十分困難

      英特爾在 2015 年底完成了對 Altera 的收購,到現在,后者在新東家管理下一年有余,是時候...

      發表于 2018-10-16 16:42 ? 355次閱讀
      瘋狂收購后,FPGA業務的收入將變得十分困難

      萊迪思拓展其超低功耗sensAI技術特性,推動消...

      靈活的毫瓦FPGA解決方案實現高精度CNN;全新人員偵測和手勢檢測參考設計,性能與功耗平衡更優。

      發表于 2018-10-16 12:56 ? 1796次閱讀
      萊迪思拓展其超低功耗sensAI技術特性,推動消...

      萊迪思半導體公司任命Esam Elashmawi...

      FPGA行業高管將領導萊迪思全球企業營銷和戰略部門以期實現快速盈利增長。

      發表于 2018-10-16 12:39 ? 1064次閱讀
      萊迪思半導體公司任命Esam Elashmawi...

      怎樣才能更好的學好FPGA技術?

      我們的理念:現代工程師要從系統層面掌握一個電子產品的構成 - 學習FPGA一定要了解FPGA這個器件...

      發表于 2018-10-16 10:23 ? 105次閱讀
      怎樣才能更好的學好FPGA技術?

      重磅!芯片熱潮下的前瞻思考

      現階段,中國半導體仍然是一個追隨者校色,許多量大面廣的產品都是跨國企業壟斷的,比如英特爾的處理器,三...

      發表于 2018-10-16 09:29 ? 2955次閱讀
      重磅!芯片熱潮下的前瞻思考

      以FPGA芯片為載體設計一個多功能信號發生器

      信號發生器又稱為波形發生器, 是一種常用的信號源,廣泛應用于電子電路、通信、控制和教學實驗等領域。

      發表于 2018-10-14 09:17 ? 385次閱讀
      以FPGA芯片為載體設計一個多功能信號發生器

      探討FPGA在醫療電子設備開發中的應用

      智慧醫療整合個人生理狀態感測與結合物聯網,是眾多IoT應用中的重點項目,因為醫療IoT應用市場的特殊...

      發表于 2018-10-14 09:13 ? 408次閱讀
      探討FPGA在醫療電子設備開發中的應用

      TMP411 ±1°C Programmable...

      TMP411設備是一個帶有內置本地溫度傳感器的遠程溫度傳感器監視器。遠程溫度傳感器,二極管連接的晶體管通常是低成本,NPN或PNP型晶體管或二極管,是微控制器,微處理器或FPGA的組成部分。 遠程精度為±1 °C適用于多個設備制造商,無需校準。雙線串行接口接受SMBus寫字節,讀字節,發送字節和接收字節命令,以設置報警閾值和讀取溫度數據。 TMP411器件中包含的功能包括:串聯電阻取消,可編程非理想因子,可編程分辨率,可編程閾值限制,用戶定義的偏移寄存器,用于最大精度,最小和最大溫度監視器,寬遠程溫度測量范圍(高達150°C),二極管故障檢測和溫度警報功能。 TMP411器件采用VSSOP-8和SOIC-8封裝。 特性 ±1°C遠程二極管傳感器 ±1°C本地溫度傳感器 可編程非理想因素 串聯電阻取消 警報功能 系統校準的偏移寄存器 與ADT7461和ADM1032兼容的引腳和寄存器 可編程分辨率:9至12位 可編程閾值限...

      發表于 2018-09-19 16:35 ? 8次閱讀
      TMP411 ±1°C Programmable...

      TMP468 具有引腳可編程的總線地址的高精度遠...

      TMP468器件是一款使用雙線制SMBus或I 2 C兼容接口的多區域高精度低功耗溫度傳感器。除了本地溫度外,還可以同時監控多達八個連接遠程二極管的溫度區域。聚合系統中的溫度測量可通過縮小保護頻帶提升性能,并且可以降低電路板復雜程度。典型用例為監測服務器和電信設備等復雜系統中不同處理器(如MCU,GPU和FPGA)的溫度。該器件將諸如串聯電阻抵消,可編程非理想性因子,可編程偏移和可編程溫度限值等高級特性完美結合,提供了一套精度和抗擾度更高且穩健耐用的溫度監控解決方案。 八個遠程通道(以及本地通道)均可獨立編程,設定兩個在測量位置的相應溫度超出對應值時觸發的閾值。此外,還可通過可編程遲滯設置避免閾值持續切換。 TMP468器件可提供高測量精度(0.75°C)和測量分辨率(0.0 625°C)。該器件還支持低電壓軌(1.7V至3.6V)和通用雙線制接口,采用高空間利用率的小型封裝(3mm×3mm或1.6mm×1.6mm),可在計算系統中輕松集成。遠程結支持-55°C至+ 150°C的溫度范圍。 特性 8通道遠程二極管溫度傳感器精度:±0.75&...

      發表于 2018-09-18 16:05 ? 4次閱讀
      TMP468 具有引腳可編程的總線地址的高精度遠...
      上海快3开奖走势图
      <em id="0s9ur"></em>

      <em id="0s9ur"></em>
      <div id="0s9ur"><ol id="0s9ur"></ol></div>
      <div id="0s9ur"><tr id="0s9ur"><object id="0s9ur"></object></tr></div>

          <dl id="0s9ur"><ins id="0s9ur"><small id="0s9ur"></small></ins></dl>
          <em id="0s9ur"></em>

          <em id="0s9ur"></em>
          <div id="0s9ur"><ol id="0s9ur"></ol></div>
          <div id="0s9ur"><tr id="0s9ur"><object id="0s9ur"></object></tr></div>

              <dl id="0s9ur"><ins id="0s9ur"><small id="0s9ur"></small></ins></dl>