ویژگی های محصول

تقاضا برای FPGA که توسط کارت های شتاب دهنده هوش مصنوعی هدایت می شود

به دلیل انعطاف پذیری و قابلیت های محاسباتی با سرعت بالا، FPGA ها به طور گسترده در کارت های شتاب دهنده هوش مصنوعی استفاده می شوند.در مقایسه با پردازنده‌های گرافیکی، FPGA مزایای آشکاری در بهره‌وری انرژی دارند.در مقایسه با ASICها، FPGAها انعطاف بیشتری برای مطابقت با تکامل سریع‌تر شبکه‌های عصبی هوش مصنوعی و همگام شدن با به‌روزرسانی‌های تکراری الگوریتم‌ها دارند.با بهره مندی از چشم انداز توسعه گسترده هوش مصنوعی، تقاضا برای FPGA برای برنامه های کاربردی هوش مصنوعی در آینده به بهبود ادامه خواهد داد.بر اساس SemicoResearch، اندازه بازار FPGA در سناریوهای کاربردی هوش مصنوعی در 19-23 سه برابر خواهد شد و به 5.2 میلیارد دلار خواهد رسید.در مقایسه با بازار 8.3 میلیارد دلاری FPGA در سال 21، پتانسیل برنامه های کاربردی در هوش مصنوعی را نمی توان دست کم گرفت.

بازار امیدوار کننده تر برای FPGA ها مرکز داده است

مراکز داده یکی از بازارهای کاربردی در حال ظهور برای تراشه‌های FPGA هستند، با تأخیر کم + توان عملیاتی بالا که نقاط قوت اصلی FPGA را نشان می‌دهد.FPGA های مرکز داده عمدتاً برای شتاب سخت افزاری استفاده می شوند و می توانند هنگام پردازش الگوریتم های سفارشی در مقایسه با راه حل های سنتی CPU به شتاب قابل توجهی دست یابند: به عنوان مثال، پروژه مایکروسافت منجنیق از FPGA به جای راه حل های CPU در مرکز داده استفاده کرد تا الگوریتم های سفارشی Bing را 40 برابر سریعتر پردازش کند. با اثرات شتاب قابل توجه.در نتیجه، شتاب‌دهنده‌های FPGA از سال 2016 بر روی سرورهای Microsoft Azure، Amazon AWS و AliCloud برای شتاب محاسباتی مستقر شده‌اند. و مراکز داده بیشتری راه حل های تراشه FPGA را اتخاذ خواهند کرد، که همچنین سهم ارزش تراشه های FPGA را در تراشه های مرکز داده افزایش می دهد.

تجاری سازی در مقیاس بزرگ رانندگی خودکار تقاضا برای تولید انبوه FPGA را افزایش می دهد

از آنجایی که صنعت خودرو به تکامل خود از ADAS به رانندگی کاملاً مستقل ادامه می‌دهد، پلتفرم‌های محاسباتی ناهمگن با استفاده از FPGA می‌توانند انفجار داده‌های ناشی از افزایش تعداد سنسورها را کنترل کنند، زمان پاسخ کلی سیستم ناشی از همگام‌سازی و ادغام چندین سنسور را کاهش دهند و انعطاف‌پذیری و افزایش انعطاف‌پذیری را افزایش دهند. مقیاس‌پذیری، امکان مقیاس‌پذیری از سنسورهای لبه تا کنترل‌کننده‌های دامنه را فراهم می‌کند، در حالی که قابلیت برنامه‌ریزی مجدد پویا، کاهش هزینه و تلفات سیستم را فراهم می‌کند.علاوه بر این، FPGA ها می توانند راه حل های انعطاف پذیر، کم هزینه و با کارایی بالا را برای نیازهای رو به رشد انواع برنامه های الکترونیک خودرو ارائه دهند.اواسط 20 ژوئن، Xilinx رهبر FPGA تقریباً 70 میلیون تراشه خودرو در ADAS استفاده می کرد.

خرید Xilinx توسط AMD تا پایان سه ماهه 22 به تعویق افتاد

پس از خرید FPGA Dragon II Altera توسط اینتل در سال 2015، AMD در اکتبر 2020 اعلام کرد که قصد دارد 35 میلیارد دلار آمریکا (به صورت سهام) برای خرید FPGA Xilinx در تلاش برای گسترش TAM خود با ورود به بازار FPGA و در عین حال غنی سازی محصول خود هزینه کند. خطی برای تشکیل یک سیستم محاسباتی کامل با کارایی بالا با پردازنده‌های CPU موجود، کارت‌های گرافیک GPU و کارت‌های محاسباتی شتاب‌دار.طبق آخرین اخبار در 31 دسامبر 21، انتظار می رود که خرید در 22 Q1 تکمیل شود، تاخیری نسبت به برنامه زمانی مورد انتظار اولیه، زیرا هنوز همه تاییدیه ها به دست نیامده است.

در آینده، با هدایت موج 5G، انتظار می‌رود که FPGAها به افزایش حجم و قیمت دست یابند، در حالی که Xilinx رهبر FPGA نیز همچنان از عرضه درخواستی در بازارهای برنامه FPGA مانند هوش مصنوعی، مراکز داده و رانندگی خودکار بهره خواهد برد. .