賽靈思FPGA的可重配置加速特性被廣泛利用起來

賽靈思FPGA的可重配置加速特性被廣泛利用起來FPGA特有的可重編程性可提供高性能和高靈活性，同時(shí)還能加速超大規(guī)模數(shù)據(jù)中心的創(chuàng)新概述數(shù)據(jù)類型復(fù)雜的工作負(fù)載加速，是超大規(guī)模云、電子商務(wù)和社交網(wǎng)絡(luò)數(shù)據(jù)中心正越來越多面的難題，例如4K視頻和自然語(yǔ)言。這類數(shù)據(jù)處理往往超出了傳統(tǒng)CPU的處理能力。號(hào)稱“超七大”數(shù)據(jù)中心公司的阿里巴巴、亞馬遜、百度、臉書(Facebook)、谷歌、微軟和騰訊對(duì)這個(gè)問題特別敏感。在這些公司中,這些新應(yīng)用往往需要數(shù)千臺(tái)加速的應(yīng)用服務(wù)器來支持。雖然GPU和專用集成電路(ASIC)等特殊用途的硬件能有效地為這些代碼加速，但快速變化的先進(jìn)算法會(huì)讓一款專用加速器剛一完成開發(fā)、測(cè)試、投產(chǎn)，就很快過時(shí)。對(duì)ASIC來說，過時(shí)最容易。因此許多超大規(guī)模數(shù)據(jù)中心公司把目光投向了現(xiàn)場(chǎng)可編程門陣列(FPGA)。這是一種專用可重編程硬件,能通過低功耗、高度靈活的硬件平臺(tái)提供專用加速器的性能優(yōu)勢(shì)，支持更快創(chuàng)新。

為更好地滿足這一新興市場(chǎng)需求，在FPGA市場(chǎng)中占有巨大市場(chǎng)份額并居技術(shù)領(lǐng)先地位的賽靈思近期宣布推出可重配置加速堆棧，初步針對(duì)三大計(jì)算密集型應(yīng)用：機(jī)器學(xué)習(xí)、數(shù)據(jù)分析和流媒體視頻直播。借助這些新型解決方案，賽靈思旨在通過提供用于超大規(guī)模數(shù)據(jù)中心中部分增長(zhǎng)速度最快的工作負(fù)載的各種庫(kù)、開發(fā)工具和參考設(shè)計(jì)，降低阻礙FPGA通用的編程門檻，并幫助賽靈思客戶加速產(chǎn)品上市進(jìn)程。賽靈思的數(shù)據(jù)中心加速器戰(zhàn)略據(jù)賽靈思介紹，賽靈思加速堆棧（圖1）結(jié)合使用UltraScaleFPGA和一種面向快速演進(jìn)的工作負(fù)載和算法的高靈活可重編程平臺(tái)，可提供比傳統(tǒng)CPU高出20倍的加速性能。圖1：賽靈思加速堆棧在體育賽事和電腦游戲活動(dòng)直播不斷風(fēng)靡的推動(dòng)下，視頻直播迎來大發(fā)展，并對(duì)提供這些服務(wù)的數(shù)據(jù)中心提出了巨大需求。與此類似，AI的使用也正迎來五花八門的各種應(yīng)用，提供海量數(shù)據(jù)用于培訓(xùn)神經(jīng)網(wǎng)絡(luò)，供其學(xué)習(xí)和識(shí)別數(shù)據(jù)中的模式。受訓(xùn)網(wǎng)絡(luò)隨后可用于圖像識(shí)別、自動(dòng)駕駛、搜索優(yōu)化和自然語(yǔ)言翻譯等多種不同應(yīng)用中。在這兩大領(lǐng)域中，數(shù)據(jù)中心越來越多地使用專用加速器來實(shí)現(xiàn)對(duì)用戶查詢的低延遲響應(yīng)。今天在數(shù)據(jù)中心中，使用FPGA并不新鮮。它們已經(jīng)廣泛應(yīng)用于網(wǎng)絡(luò)和存儲(chǔ)等應(yīng)用，例如加速、智能NIC、NFV、壓縮、安全性和閃存陣列。微軟近期宣布為加速搜索工作負(fù)載，將在其Bing搜索和AzureCloud應(yīng)用中廣泛使用FPGA。微軟指出，之所以部署FPGA這類加速器，而不采用針對(duì)特定工作負(fù)載的固定功能ASIC或GPU，關(guān)鍵是因?yàn)镕PGA具有高度的靈活性和可重編程性。賽靈思期望借助這個(gè)新型的、用于數(shù)據(jù)中心工作負(fù)載加速的可重配置加速堆棧，加速FPGA在數(shù)據(jù)中心中的更廣泛應(yīng)用。該產(chǎn)品專為世界最大的數(shù)據(jù)中心而設(shè)計(jì)，例如阿里巴巴、亞馬遜、百度、Facebook、谷歌、微軟和騰等“超七大”數(shù)據(jù)中心公司。賽靈思的戰(zhàn)略是既要充分利用FPGA的靈活性、性能和計(jì)算效率，同時(shí)又要讓該技術(shù)隨著業(yè)務(wù)需求變化易于開發(fā)、部署和演進(jìn)。眾所周知，F(xiàn)PGA一直存在編程難的問題，需要同時(shí)兼具軟硬件技能的緊缺人才?！凹铀俣褩！钡耐瞥鲆馕吨愳`思提供的不止是FPGA，它還提供優(yōu)化的數(shù)學(xué)函數(shù)庫(kù)與應(yīng)用函數(shù)庫(kù)、軟件框架實(shí)現(xiàn)方案、支持OpenCL和C/C++等高級(jí)語(yǔ)言的工具、便于配置和管理的Openstack支持，以及預(yù)期的加速器板參考設(shè)計(jì)。該加速堆棧旨在實(shí)現(xiàn)加速平臺(tái)和應(yīng)用的快速開發(fā)與部署，同時(shí)還通過可重編程功能和可重配置功能不斷增強(qiáng)特性。賽靈思針對(duì)超大規(guī)模數(shù)據(jù)中心領(lǐng)域發(fā)展最快的三種工作負(fù)載推出該加速堆棧戰(zhàn)略。其一是機(jī)器學(xué)習(xí)，其作為底層算法和新應(yīng)用而興起，不斷幫助改善廣告宣傳、客戶互動(dòng)和新的客服。其二是高清視頻流，尤其是在游戲即服務(wù)市場(chǎng)。在這個(gè)市場(chǎng)中視頻編解碼加速要求的計(jì)算性能超過了標(biāo)準(zhǔn)的x86CPU所提供的性能水平。其三，超大規(guī)模應(yīng)用中廣泛使用的SQL查詢加速。機(jī)器學(xué)習(xí)加速使用神經(jīng)網(wǎng)絡(luò)分類圖像、翻譯文本和語(yǔ)音、識(shí)別無(wú)結(jié)構(gòu)數(shù)據(jù)中的底層模式，需要“兩階段”法。第一階段，使用海量加標(biāo)記的樣本數(shù)據(jù)和計(jì)算培訓(xùn)神經(jīng)網(wǎng)絡(luò)。一旦網(wǎng)絡(luò)培訓(xùn)完，便進(jìn)入第二個(gè)階段(即推斷階段),通過受訓(xùn)的神經(jīng)網(wǎng)絡(luò)處理新數(shù)據(jù)樣本或查詢，以確定其可能的級(jí)別。推斷是當(dāng)今最大規(guī)模數(shù)據(jù)中心中的一個(gè)巨大的工作負(fù)載，因?yàn)樗?fù)責(zé)實(shí)現(xiàn)廣泛的日益擴(kuò)展的重要應(yīng)用，例如語(yǔ)言翻譯、自然語(yǔ)言接口、照片和視頻內(nèi)容識(shí)別，以及網(wǎng)上產(chǎn)品選擇與促銷。其中兩個(gè)最大的人工智能市場(chǎng)分別是無(wú)人駕駛汽車和機(jī)器人，它們即將駛上世界各地的公路或是出現(xiàn)在世界各