FPGA領域頭號玩家有“野心”的半導體帝國締造者

要說在FPGA領域的地位，絕對沒有哪家企業可以撼動賽靈思，畢竟FPGA就是人家發明的，而賽靈思的“野心”絕不止於此。除了發明FPGA，它還推出了許多項第一：第一家Fabless公司；第一個嵌入式處理器的FPGA；第一個3D架構的FPGA等。

英特爾賽靈思雙雄爭霸！FPGA開啟第二春

1、由“硬”變“軟”的賽靈思：從FPGA到ACAP

作為FPGA的開山鼻祖，儘管賽靈思長期鎮守著FPGA業界龍頭的位置，它並沒有故步自封，而是早在幾年前就開始試圖脫下FPGA供應商的帽子，轉型成為一家完全可編程公司。2018年，賽靈思的雄偉藍圖掀開了更嶄新的篇章。新上任的賽靈思第四任CEO Victor Peng自出場以來就一直連放大招，先是提出“以數據中心為先、加速主流市場增長、推動自適應計算”的三大戰略，緊接著就秀出了超越FPGA的顛覆式新招牌——自適應計算加速平臺ACAP。

ACAP具有高度模塊化和可擴展化的特點，據稱可實現CPU和GPU所無法企及的性能和功耗比。在這一全新框架下，賽靈思發佈採用臺積電7nm工藝的業界首款ACAP加速平臺Versal系列，預計將在今年交付給客戶。

此外，賽靈思還發布了Alveo系列AI加速卡，進一步推進了賽靈思向平臺公司的轉型。

2、雙管齊下的英特爾：獨立芯片與協加速器齊飛

當然，看到FPGA在數據中心的廣闊市場的公司不止賽靈思，2015年，英特爾以167億美元的高價收購FPGA領域老二Altera，這也是英特爾迄今為止最大的收購。收購Altera後，英特爾引入領先的FPGA技術，並開始將FPGA技術與英特爾其他的CPU、GPU等技術和資產集成在一起，從而開拓新的高增長細分市場。

FPGA器件主要由兩類用途。一是將FPGA作為一種獨立的在線加速器，預處理大量非結構化數據；二是將FPGA放在CPU旁邊作為離線加速器，通過將英特爾至強處理器和加速軟件堆棧無縫協作。

通過這兩種策略，英特爾擴展了FPGA加速平臺產品組合，並與英特爾至強處理器、eASIC、Nervana、Mobileye、Atom等英特爾其他產品協同作用，用於解決從邊緣到雲端、以及網絡轉型和企業級應用中的複雜問題。

賽靈思推出16納米制程全球容量最大FPGA

日前，全球領先的FPGA廠商賽靈思宣佈，推出全球容量最大的Virtex UltraScale+ VU19P FPGA（以下簡稱“VU19P”），擴展旗下Virtex UltraScale+系列產品。

賽靈思表示，VU19P由臺積電16nm製程打造而成，內含350億個電晶體，擁有有史以來單顆元件上最高的邏輯密度與I/O數，用以支援未來最先進的ASIC與SoC技術之模擬與原型開發，亦能支援測試、量測、運算、網絡以及航太與國防等相關應用。

賽靈思進一步指出，VU19P擁有900萬個系統邏輯單元，並且搭配高達每秒1.5 Terabit的DDR4存儲器頻寬、加上高達每秒4.5 Terabit的收發器頻寬及超過2000個使用者I/O，不但能促成現今最複雜SoC的原型開發與模擬，還能支援各種複雜的新興演算法的開發，包括用在人工智能、機器學習、視訊處理及傳感器融合等領域的演算法。

另外，VU19P的容量比前一代業界最大容量的“20nmVirtex UltraScale 440 FPGA”高出1.6倍。

賽靈思產品線行銷與管理資深總監Sumit Shah表示，VU19P不僅能協助開發者加速硬件驗證，還能助其在ASIC或SoC可用之前就率先進行軟件整合。這是賽靈思刷新世界紀錄的第3代FPGA，前兩代分別為Virtex-7 2000T與Virtex UltraScale VU440，現在則推出Virtex UltraScale+VU19P。

此外，伴隨此次新產品的推出，將不僅是精進的芯片技術，賽靈思還為之提供了穩定且經驗證的工具與IP支援。

針對相關驗證的工具與IP支援部分，賽靈思也指出，藉由一系列廣泛的除錯、可視性工具與IP支援，VU19P為客戶快速設計與驗證新一代的應用與技術，並提供了一個全方位的開發平臺。而且，在軟硬件的協同驗證讓開發者能在取得實體元件前，就先著手軟件與定製化功能的建置。

此外，透過運用賽靈思Vivado設計套件能協同最佳化設計流程，以降低成本與投片風險、改善效率並縮短上市時程。至於，VU19P的上市時間將會在2020年的秋季，開始對客戶供貨。

芯片背後離不開的FPGA

AI、5G技術的發展對芯片架構和軟件支持提出了越來越高的要求，芯片設計更加複雜，業界需要更大容量的FPGA實現高效的仿真和功能驗證。

芯片行業是一個高投入、高風險、慢回報的行業。與軟件可以修正和快速迭代不同，芯片的迭代週期會很長。如果已經流片，糾正一個錯誤可能需要半年以後花成千上百萬美元再去流一次片。

一方面，芯片廠商需要依靠FPGA進行仿真和原型設計；另一方面，CPU、GPU、FPGA和ASIC這些不同處理器廠商在AI市場的競爭也越來越激烈。

即使是賽靈思和英特爾等芯片巨頭在設計CPU等芯片時，都會先在FPGA上仿真後再流片，更不用說近幾年不少AI算法公司發佈的AI專用芯片。