FPGA 特有的可重編程性可提供高性能和高靈活性，同時還能加速超大規(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 視頻和自然語言。這類數(shù)據(jù)處理往往超出了傳統(tǒng) CPU 的處理能力。號稱“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、微軟和騰訊對這個問題特別敏感。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，但快速變化的先進算法會讓一款專用加速器剛一完成開發(fā)、測試、投產(chǎn)，就很快過時。對ASIC 來說，過時最容易。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提供專用加速器的性能優(yōu)勢，支持更快創(chuàng)新。
?

為更好地滿足這一新興市場需求，在 FPGA 市場中占有巨大市場份額并居技術(shù)領(lǐng)先地位的賽靈思近期宣布推出可重配置加速堆棧，初步針對三大計算密集型應(yīng)用：機器學(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)中心中部分增長速度最快的工作負載的各種庫、開發(fā)工具和參考設(shè)計，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 UltraScale FPGA 和一種面向快速演進的工作負載和算法的高靈活可重編程平臺，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直播不斷風(fēng)靡的推動下，視頻直播迎來大發(fā)展，并對提供這些服務(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)和識別數(shù)據(jù)中的模式。受訓(xùn)網(wǎng)絡(luò)隨后可用于圖像識別、自動駕駛、搜索優(yōu)化和自然語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現(xiàn)對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載，將在其 Bing 搜索和 Azure Cloud 應(yīng)用中廣泛使用 FPGA。微軟指出，之所以部署 FPGA 這類加速器，而不采用針對特定工作負載的固定功能 ASIC 或 GPU，關(guān)鍵是因為 FPGA 具有高度的靈活性和可重編程性。

賽靈思期望借助這個新型的、用于數(shù)據(jù)中心工作負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，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、性能和計算效率，同時又要讓該技術(shù)隨著業(yè)務(wù)需求變化易于開發(fā)、部署和演進。

眾所周知，F(xiàn)PGA 一直存在編程難的問題，需要同時兼具軟硬件技能的緊缺人才。“加速堆棧”的推出意味著賽靈思提供的不止是 FPGA，它還提供優(yōu)化的數(shù)學(xué)函數(shù)庫與應(yīng)用函數(shù)庫、軟件框架實現(xiàn)方案、支持 OpenCL 和 C/C++ 等高級語言的工具、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。該加速堆棧旨在實現(xiàn)加速平臺和應(yīng)用的快速開發(fā)與部署，同時還通過可重編程功能和可重配置功能不斷增強特性。

賽靈思針對超大規(guī)模數(shù)據(jù)中心領(lǐng)域發(fā)展最快的三種工作負載推出該加速堆棧戰(zhàn)略。其一是機器學(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。在這個市場中視頻編解碼加速要求的計算性能超過了標(biāo)準(zhǔn)的 x86 CPU 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、翻譯文本和語音、識別無結(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)和計算培訓(xùn)神經(jīng)網(wǎng)絡(luò)。一旦網(wǎng)絡(luò)培訓(xùn)完，便進入第二個階段 ( 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，以確定其可能的級別。推斷是當(dāng)今最大規(guī)模數(shù)據(jù)中心中的一個巨大的工作負載，因為它負責(zé)實現(xiàn)廣泛的日益擴展的重要應(yīng)用，例如語言翻譯、自然語言接口、照片和視頻內(nèi)容識別，以及網(wǎng)上產(chǎn)品選擇與促銷。其中兩個最大的人工智能市場分別是無人駕駛汽車和機器人，它們即將駛上世界各地的公路或是出現(xiàn)在世界各地的工廠里。在這兩大領(lǐng)域，賽靈思已有良好的定位。公司的產(chǎn)品已應(yīng)用到 23 家汽車制造商的高級駕駛員輔助系統(tǒng)(ADAS) 中和世界各地的 85 種車型中（圖 2）。

圖 2：無人駕駛傳感器和處理器