美芯片公司在中国首发新FPGA芯片

芯片，是最近的热门话题，我们要关注的不仅仅是手机芯片，也要关注汽车芯片，更何况智能网联汽车业需要大量的芯片，其中，最重要的就是自动驾驶计算平台需要用到的芯片。

北京时间5月21日，总部位于美国加州圣克拉拉市的半导体公司Achronix，在中国深圳举办交流会，宣布推出全新的7nm FinFETSpeedster7t系列产品，该产品可以满足人工智能／机器学习（AI／ML）和高带宽数据加速应用的需求。

人工智能和机器学习的一大应用就是自动驾驶，领头羊Waymo采用的是英特尔CPU＋Altera FPGA的方案来解决自动驾驶所需要的数据融合和算法处理，因为PFGA作为硬件加速器，可以作为GPU的有效补充，应用为汽车主控芯片。

据Achronix总裁兼首席执行官RobertBlake介绍，Speedster7t系列基于一种高度优化的全新架构，从而获得有类似ASIC一样的性能、可简化设计的FPGA灵活性和增强功能，会远高于传统的FPGA解决方案。

在中国自动驾驶领域，也有部分的公司采用了FPGA的方案，配合CPU或者GPU，搭建自己的解决方案，Achronix新推出的7nm FPGA系列产品Speedster7t，提供了Altera、Xilinx之外的多一种选择，也给国内FPGA厂商压力。

1、FPGA在自动驾驶的应用

智能网联汽车对计算的要求在不断提高，尤其是自动驾驶技术在面临多传感器数据融合处理的问题，传统的汽车MCU的算力是满足不了要求了，GPU、FPGA、ASIC等AI芯片就开始进入汽车市场。

正如前面所言，自动驾驶领域的全球领头羊Waymo，也是采用CPU＋FPGA的方案，其计算平台采用了英特尔Xeon 12核以上CPU，搭配了Altera的Arria系列FPGA芯片，并且采用英飞凌的Aurix系列MCU作为CAN或FleRay网络的通信连接。

在中信证券许英博的研究报告认为，在汽车主控芯片领域，GPU 仍将保持通用汽车主控芯片的主流地位， FPGA作为有效补充， ASIC 将成终极方向。

目前，人工智能及智能驾驶算法尚未定型，GPU作为通用加速器，预计仍将在相当长一段时间内保持其汽车主控芯片的主流地位； FPGA 作为硬件加速器， 料将成为 GPU 的有效补充；将来如果全部或部分智能驾驶算法得以固化， ASIC 将成为最优性价比的终极选择。

下面是GPU、FPGA和ASIC各个芯片的一些特点：

GPU：通用性强、速度快、效率高。适合用在深度学习训练方面，但是性能功耗比较低；

FPGA：具有低能耗、高性能以及可编程等特性。相对于 CPU 与 GPU 有明显的性能或者能耗优势，但对使用者要求高；

ASIC：可以更有针对性地进行硬件层次的优化，从而获得更好的性能、功耗比。弊端在于ASIC 芯片的设计和制造需要大量的资金、较长的研发周期和工程周期，而且深度学习算法仍在快速发展，若深度学习算法发生大的变化，FPGA 能很快改变架构，适应最新的变化，ASIC 类芯片一旦定制则难于进行修改。

但就现阶段而言，FPGA让自动驾驶开发更具灵活性当前处于自动驾驶发展的“试错”阶段，算法的更新迭代周期非常短，这给FPGA更多的市场机会。根据市场调研公司Semico Research的预测，人工智能应用中FPGA的市场规模，将会在未来4年增长3倍，达到52亿美元。