Vitis平台这么强，能支持市面上所有公司的FPGA吗？

shuszhao

Vivado如果能支持到市面上大部分的FPGA（或者至少把Altera的支持了），能让工程师用一个熟悉的工具为不同品牌的FPGA做综合、时序分析、implement、烧录、软硬件支持等，那会不会通过FPGA工具成为和另外几家EDA巨头一般的存在？

这个标题听起来有点异想天开。
我还没胆量这么想，这是电子工程专辑社区面包板一位网友最初的想法：
Vivado如果能支持到市面上大部分的FPGA（或者至少把Altera的支持了），能让工程师用一个熟悉的工具为不同品牌的FPGA做综合、时序分析、implement、烧录、软硬件支持等，那会不会通过FPGA工具成为和另外几家EDA巨头一般的存在？
很好，我在XDF前夕将这个问题抛给了赛灵思负责软件、IP和AI方案的副总裁Ramine Roane先生，在他很兴奋的讲到Vitis还可以支持不同品牌外部CPU时。
没想到他认真回应了：“Vivado可能支持其他品牌FPGA有点困难，因为它更基于硬件，除非英特尔把自己的硬件架构细节分享出来，否则我们没法支持他们的硬件；但如果英特尔也开发出了类似Vitis的产品，那或许我们可以合作。”
“我们的实验室是开源的，他们实际上也可以用我们的代码。”他补充道。
另外，他还补充强调了一点：如果从营收角度看，赛灵思可能和EDA工具巨头差距很远；但如果从软件授权数量和开发者数量角度来看，那赛灵思其实是超过Synopsys的。

                               
登录/注册后可看大图

过去三十年里，赛灵思只是为硬件开发者开发工具。而现在推出的Vitis是免费的，不强制要求采用专有的开发环境，而是能插入到通用的软件开发工具中，例如tensorflow，微软的visual studio编写C，而且提供很多开源内容，如赛灵思实验室/深鉴科技的一些AI模型等。
两个月前赛灵思推出了历经五年、投入总计1000个人工/年而打造的Vitis，而在XDF 2019上，Vitis宣布可以正式下载。

Vitis AI来了


AI模型的变化速度很快，尤其是在2012年后AI业界高速发展，这几年当中，AI科学家们在精度几乎没变的情况下，把运算复杂度降低，从而降低了功耗。
“如下图所示，现在，每三个月AI模型就要变一次，工程师想建立一个ASIC或GPU需花要一年半时间设计硅芯片，半导体的设计周期远远大于AI模型更替周期。”Roane指出，如果用硅芯片实现这些AI模型，那么在硅芯片设计好的时候，AI模型早已经更替，这个时候旧的硅芯片虽然能工作，但是效率很低。

                               
登录/注册后可看大图

所以硅设计需要在硬件上做到可适应，根据模型的变化，在新的模型上也能用一样的模型达到很高的效率。所以自适应计算加速平台的优势明显。

                               
登录/注册后可看大图

在平台上，如图所示，囊括了：
●红色部分的FPGA结构，可以用于定制的逻辑/内存；
●绿色部分的有矢量处理器，矢量处理器适合高度流水线作业的处理器，做AI加速更有效，擅长做算数、矩阵，主要用于AI运算。“它看起来像FPGA，也是阵列式排布，但里面包含小的DSP处理器，形成DSP和FPGA的混合体，从而实现可配置的数据流。”Ramin指出。
●蓝色部分可以嵌入ARM内核子系统
●黄色部分的片上个网络，用于将不同架构连接起来。
此次在XDF 2019北京站开放下载的Vitis AI开发平台，适用于在 Xilinx 硬件平台（包括边缘设备和 Alveo 卡）上进行人工智能推断。

                               
登录/注册后可看大图

它包括了优化的 IP、工具、库、模型和示例设计组成。其开源的8个库里包括了400多项功能，听起来像是现在改行做AI工程师还来得及，库里拿些代码出来删删减减就能实现自己需要的功能。
Vitis AI 模型专区包括优化的深度学习模型，可加速工程师部署深度学习推断的进程。如下图所示，这些模型涵盖不同的应用，例如通用的图像分类/目标检查、ADAS/AD、视频分析、机器人和数据中心等。

                               
登录/注册后可看大图

在Vitis开发套件中，重点想提的是这个AI Quantizer，这个词特意请教了赛灵思机器学习的高级产品经理Andy Luo，他解释中文应该可以翻译做AI量化器或转换器，能将 32 位浮点权值和激活量转换为 INT8 这样的定点。
“这样做的好处是，需要运算的数据量会大大减小，降低计算复杂度，所需的内存带宽也更少。而且这个功能允许开发者多次尝试量化程度，多次测试在不影响预测精度的情况下，实现最佳的转化度。”Luo解释道。
Roane举例了一个面向智慧城市应用的自适用架构案例：

                               
登录/注册后可看大图

从图中可以看到，从仅在CPU中运行，到用AI加速、再到FPGA加速，再到Vitis数据流水线方案，FPS可以从6增长到80.
“后处理如果需要也可以用vitis数据流水线，只不过一般这部分不是特别占用算力，所以这个案例中没有使用。”Roane指出。

第三方合作厂商


此次XDF 2019两家钻石赞助商，除了安富利就是Silexica了。
这家2014年成立的德国公司主要优化基于Vitis的应用，可能还不为中国工程师所知，在现场，该公司产品和技术营销负责人Loren Hobbs告诉电子工程专辑记者目前公司在中国还没有客户，客户主要在欧美和日本，包括富士通、日本电装等，主要用于图像识别和智能驾驶，以及金融行业等应用。

                               
登录/注册后可看大图

SLX FPGA能够和Vivdo HLS结合使用，从而解决高层次综合HLS设计流程的挑战，包括识别不可合成的C/C++代码，检测应用程序的并行性，以及在合适的位置插入编译指令。目前该该公司主要业务是针对c++的优化，因为”tensorflow一般已经做到最优化，可以直接写入FPGA了”。
“并非只有复杂的代码需要使用我们的SLX软件，”Hobbs指出，“Silexica的软件分为轻量级和重量级两个版本，轻量级可以针对一些简单应用，而对于重量级客户，不仅在软件本身有功能更齐全的版本供选择，还可以进行深度的定制化合作。”

小烯羽2018

luchonghui74

路过，看一下！！

lqsgg