FPGA将无处不在

 

在越来越多的设计和越来越多的市场中,我们都能看到 FPGA 的身影;而且随着它们被纳入越来越多的系统中,它们本身也在变得越来越复杂。

 

十年之前,FPGA 的主要市场是工业、医疗、汽车和航空航天。

 

这些市场现在依然强劲,但 FPGA 也开始在人工智能、数据中心、物联网、网络通信、测试和测量仪器、无线和有线通信基础设施甚至核电站等地方发挥作用。FPGA 供应商也有意进入大数据分析、机器学习、数据存储压缩/解压和视频处理等应用领域。而且尚处于早期阶段的嵌入式 FPGAeFPGA)市场也正变得越来越普及,因为对成本敏感的设计师对使用这项技术的信心正越来越足。

 

一些 eFPGA 创业公司获得了相当显著的投资,在这个半导体创业公司稀少的时代,eFPGA 创业公司正在迅猛发展。提供可重配置的 RTL IP 核和相关设计软件的 Flex Logix 已经获得了由 Lux Capital Eclipse Ventures 领投的两轮共 1240 万美元私募投资。成立于 2007 年的法国 eFPGA 创业公司 Menta 已经得到了 FJ Development EN 领投的 700 万美元私募投资。

 

Achronix 和 QuickLogic 等其它一些公司也根据内部的增长预期而大力投资 eFPGAAchronix 营销副总裁 Steve Mensor 说他公司的 FPGA 芯片(基于英特尔的 22nm 工艺)仍然占据了收入的大部分,并有望在今年超过 1 亿美元。但他说 Achronix 的新 eFPGA 生产线将会占到今年全年 20% 以上的份额。

 

Flex Logix CEO Geoff Tate 将当前的 eFPGA 市场与从 PC 向移动手机转型过程中的处理器市场进行了比较。“25 年之前,销售的大多数处理器都被用在了 PC 和工作站里面。ARM 认识到嵌入式处理器还有机会,这能带来 x86 架构无力竞争的新型应用——比如手机,必须要把处理器做得足够小和低功耗才能用在手机里。嵌入式处理器是实现这一目标的关键。

 

尽管 FPGA 市场一直伴随着这两个市场一起增长,但 Tate 指出 eFPGA 是一种完全不同的方法。嵌入式 FPGA 需要与 FPGA 芯片不一样的技术调整。他说,嵌入式 FPGA 的工作方式与 FPGA 芯片类似。其中有查找表,其中有可编程互连,所以其中的 FPGA 结构类似于你可以在 Altera Xilinx 或其它更小的 FPGA 公司的芯片中看到的结构。但在嵌入式 FPGA 市场,要想成功并且满足客户的需求,你必须调整你的技术来解决这些不同的需求。


这才是 eFPGA 看起来如此吸引人的原因。

 

“嵌入式 FPGA 市场的增长速度相当迅猛,因为市场需要这样的技术。可能在过去的许多年里,那些有能力提供嵌入式 FPGA 的公司只是选择不生产而已。”Achronix Mensor 说,现在我们正在供应这项技术,而且我们可以向公司证明:他们能用已有的独立 FPGA 技术演示的所有功能都会有做成嵌入式的需求。而且他们也了解我们已经为开发自己的 SoC 的公司提供过很多次 IP 了。所以我们已经解决了他们对风险的顾虑。需求一直都有。

 

而且也不止于此。多年以来,FPGA 供应商都把自己的芯片当作 ASIC 的低成本替代品进行销售。所以芯片制造商不必直接为一个新市场创造一种新的 ASIC,而是可以从 FPGA 入手开发,当销量值得成本投入时,才最终将他们的设计成果转换成 ASICFPGA 供应商在能力/性能方面的营销上投入了大量资金,却在可配置性和设计简易性方面营销投入较少,也没有太多投入工艺节点,没有紧跟最先进的 ASIC 供应商的步伐。

 

这样的战线在 28nm 节点之后就开始分崩离析了。开发先进 ASIC 的成本模式在 finFET 领域遇到了麻烦,在后续节点上开发芯片的难度更大了、成本也更高了,而十亿单位级别的芯片终端市场也已被两家大型移动设备公司主宰。幸运的是,也出现了一些其它新市场,这些市场能给可编程逻辑带来很好的经济效益。

 

“这段时间里,我们真的已经远不止是一家 FPGA 公司了,并且实际上已经将我们的市场范围拓宽到了嵌入式处理器等应用领域。”Xilinx FPGA SoC 产品管理与营销高级总监 Kirk Saban 说,在我们公司供应的产品的复杂性方面,FPGA 业务范围正在扩大。

 

Saban 说,其中包括先进封装解决方案、多处理器 SoC、射频 SoC 和集成高带宽内存技术。

 

嵌入式 FPGA FPGA 方法的一个新的转折点,而它们尤其吸引人的地方是它们可以使用任意工艺尺寸制造,可以为任意应用调控尺寸大小。即使对于可编程逻辑而言,经济模式也发生了变化。

 

“传统 FPGA 芯片面向的是低产量系统或原型系统,”Tate 说,它们要么一直是低产量,要么在增大产量时会转而使用 ASICFPGA 芯片往往有非常高的功耗、非常高的性能、前沿的工艺技术和非常高的成本。嵌入式 FPGA 可以根据客户需求选择工艺,从 180nm 16nm 都可以。它必须为高产量的芯片设计进行调整。所以像是最小化金属层的数量等要求就是非常重要的了,而 FPGA 使用了最大化的金属层。在嵌入式市场,很多客户对成本非常敏感,不会使用 FPGA 芯片那么多的金属层。最重要的是,客户对尺寸大小的需求多种多样。一些人需要非常小的嵌入式 FPGA,一些人则需要非常大的。而且他们需要在他们选择的工艺上的 FPGA。搞网络通信的人会选 16nm,而搞微控制器的倾向 40nm。客户了解为他们的需求优化过的工艺,如果嵌入式 FPGA 没有满足客户对代工厂和工艺节点和他们对各自变体的需求——具有他们想要的各种尺寸和他们所需的选择,那么这种技术就毫无用处。


这也会改变哪种类型的芯片更适合哪种终端应用的讨论。过去,FPGA 通常被拿来和 ASIC 比较,但最近的比较对象则更多是用于机器学习和神经网络应用的 GPU

 

Achronix 的 Mensor 说:“ASIC 就是固化的 FPGA。如果你能承受非常高的开发成本和随之而来的风险,比如新式的定制芯片设计,那么 ASIC 是一种更优的解决方案。ASIC 有自己的定位,而且这些定位是很有价值的。它们往往为单位成本和功耗进行了优化。一旦你付出了非常高的开发费用(包括工程设计、掩模费用、验证、软件验证、系统级验证),那 ASIC 最终将得到非常小的 die 尺寸以及一种针对生产的更优的解决方案。使用 ASIC 的缺点是很容易受到错误的影响,从而拖延产品。而这就是 FPGA 显得价值非凡的地方了。FPGA 可以修改。当你的系统在进行 bring-up 测试时,如果你发现了任何问题,你都可以修改你的 EDA 工具上的代码然后重新配置你的 FPGA

 

eFPGA 而言,情况则或多或少有些不同。它可以用任意工艺构建到任何 SoC 中。它可以在先进封装中被用作加速器,也可以作为单芯片的解决方案。

 

Tate 说:我们的技术有一种构造模块式的方法。我们可以提供上百种不同尺寸的阵列,从小至 100 个查找表到大至 100 000 个查找表。而且每当我们为一个新工艺节点开发 IP 时,我们都会做一个验证芯片,这让我们证明我们的芯片并向客户展示。我们首先让它有效了,那在他们的芯片上一开始就会有效。


在新的和已有的终端市场中,eFPGA FPGA 都面临着很大的不确定性。协议在不断改变,用于自动汽车和机器学习的技术仍还处在定义和调整阶段,而现在的先进制造工艺在足够稳定足以保证合理产量之前还需要经过多轮修订。

 

这使得可编程性(programmability)成了设计中一个有吸引力的选择。而在一些市场(尤其是机器学习市场)中,FPGA 的表现实际上优于其它处理器类型,因为它们采用了定点计算,而非浮点计算。

 

“在功率足迹(power footprint)方面,FPGA 要好得多;而且在性能方面也远远更好,因为它们固有的平行性就更好,比起 GPU,你可以在 FPGA 中创建更多编程单元。”Mensor 说,差异在工具链、软件流程上。

 

其他人也同意这个观点。从机器学习的角度看,尽管人们普遍认为 GPU 在训练上表现更好,但 FPGA 在推理上表现更好,而且领先优势还将继续扩大。位于新加坡的 Plunify 的联合创始人兼首席运营官 Kirvy Teo 说,仍然会有很多竞争。我也有兴趣看到英特尔的 CPU+FPGA 的表现会如何。GPU 仍然更容易取得,而且更加常见。每个人都知道 GPU 是什么以及如何使用它。但近来大型云提供商对 FPGA 应用的激增将会带来一些影响。在生态系统合作伙伴方面,GPU 看起来有优势,但同样,FPGA 正在追赶。

 

出现这种情况是有原因的,其中比较显著是功率、性能和可配置性。

 

“FPGA 为可重配置的应用提供了一些真正强大的计算能力,这些应用中现在最显著就是每个人都喜爱的机器学习。”OneSpin Solutions 营销副总裁 Dave Kelf 表示,“Xilinx 等公司正在投入非常大量的工作,要将 FPGA 打造成大型数据中心里加工数据/数字的处理器,以支持机器学习和大数据应用。我们看到其中也使用了大量 GPU,因为它们内置了一种强大的神经网络机制。FPGA 的优势是能提供远远更高的性能,而且仍然是可重配置的。ASIC 是一个成本极其高昂的命题。在光掩模和芯片制造成本上,FPGA ASIC 更具竞争优势。

 

Xilinx 架构与验证副总裁 Gaurav Singh 同意这个观点:机器学习正变得非常重要,而且机器学习算法的应用和使用实际上也正急速扩张。其中有一个训练部分,即科学家与数据科学家和专家要试图构思神经网络、神经网络的训练方式。这就是这个训练部分。更大范围部署的实际是推理部分。这是训练好了神经网络之后,你希望在高效的设备上实际将其用于推理的部分。为此,肯定要有数据中心。


总结

美国国防高级研究计划局(DARPA)估计航空航天和国防电子产品将用掉所有 FPGA 中的大约 10%。汽车电子、通信/数据中心/网络加速和传感器融合等领域也会用到分立的 FPGA

 

Mensor 说,带有固化的 IP 功能的 FPGA 将在基于以太网的网络中得到应用,以 10 40 100 Gb/s 的速度传输数据。另外 FPGA 还将被用于有线开关、测试和测量以及军事应用。5G 等应用需要在 360 500 MHz 条件下运行,而据 Mensor 称,Achronix正在努力实现那样水平的高性能。

 

与此同时,据 Tate 说,eFPGA 的最大应用是物联网和微控制器、网络通信和数据中心芯片、航空航天/国防。很多公司都相信,随着各种工艺节点的 eFPGA 的推出,eFPGA 将占据越来越大的市场份额。

 

不确定性是有代价的,如果公司错失了市场窗口,最后只能用基于较旧的协议或为较旧的算法设计的芯片,那这个代价将会非常高昂。可编程性将在这方面提供极大的助力。