嵌入式FPGA概念正在不断兴起

在硬件加速器应用中，FPGA常被视为最优解，提供极致加速性能的同时，还具备重新编程的能力。尽管其灵活性成了FPGA的一大特色，但大批量生产FPGA的价格可不低。此外，FPGA作为传统的处理器加速方案，工程师必须要解决空间、I/O延迟和带宽之类的问题。

而近些年来，eFPGA（嵌入式FPGA）的概念正在不断兴起。与将芯片与必要的I/O和电源管理电路封装在一起的FPGA不同，eFPGA推行的是卖IP模式。任何厂商都可以将这些eFPGA IP放入自己的定制IC产品内，无论是ASIC、SoC还是SiP。也正因为eFPGA的种种优势，国外不少厂商都想借eFPGA率先抢占市场。

Flex Logic

Flex Logic作为最早入局eFPGA的企业之一，已经投入了7年的研发，且eFPGA在2020年正式开始盈利，并与Dialog、大唐电信和波音等企业达成了合作。Flex Logic的EFLX eFPGA IP基本已经覆盖了主流的成熟工艺，比如Sandia美国国家实验室的180nm、格芯的12nm以及台积电的40nm、28/22nm、16/12nm，已完成了十数种芯片的流片。不仅如此，Flex Logic宣称格芯的22FDX和台积电的7/6nm也已经在设计阶段，下一步就是进军5nm。

在Flex Logic看来，传统独立FPGA芯片+SoC的方案所需的功率太大，且多数需要高速SERDES或PCIe与其他芯片进行I/O互联。这种方案不仅功率过大，也因为SERDES/PHYS的存在带来了一定的面积成本，而eFPGA却可以做到低功耗、低成本和小面积，并将100K LUT塞入复杂的SoC设计中。而且在继承了FPGA可编程的特性后，即便是已经安装完成的产品，EFLX核心也可以用来升级I/O协议、改变加密算法等等。

eFPGA在重构时间上同样具备优势，因而在复杂的神经网络模型中更为适用。比如Flex Logic的AI推理芯片，InferX X1，在测试中，神经网络模型层级的动态重构只需6微秒。这使得InferX X1在具备ASIC性能的同时，也能对新的模型做出动态化处理，非常适合作为主处理器的加速器或协处理器，用于要求低功耗高性能的边缘AI市场。

这样的动态重构也为eFPGA带来了更多的应用方向，比如自动驾驶中的传感器融合方案，针对激光雷达、毫米波雷达和视觉等不同传感器数据进行处理。还有不同的PWM频率要求的多电机方案，在其中提供电机控制器支持。亦或是需要多不同指令集架构的CPU进行动态切换，比如ARM、RISC-V和ARC等。

Achronix

同样踏足eFPGA市场的还有美国公司Achronix。Achronix的Speedcore可以做到750MHz的峰值频率，且已经支持了台积电16nm、12nm和7nm三个成熟制程节点，也可以移植到其他节点上。

Achronix非常看好eFPGA在汽车市场的机遇，尤其是当下汽车开发周期缩短，又要支持10年以上的生命周期。我们以特斯拉这种开始走自研ASIC方向的厂商为例，与其他现成组件相比，虽然需要投入一定的开发成本，但ASIC提供的整体成本和性能都是最优的。与此同时，选择ASIC路线也带来了一定的风险。

首先，ASIC方案必须要对自己的方案有着清楚的认知。特斯拉的FSD ASIC开发历时近三年，如果这之后摄像头ISP需要更新，GPU需要支持浮点而不是FP32，都需要对ASIC架构的大改，很可能会进一步延长后续车型的生产，这也是为何少有汽车厂商选择该技术路线的原因。而将eFPGA IP集成在ASIC中，就为这些厂商提供了FPGA的嵌入式硬件编程能力，又不会像独立FPGA那样加大成本和功率。

小结

eFPGA还有不少优势，比如在加密和保护上，不仅可以支持各种加密算法，也可以保护IP资产被逆向工程。虽然几年前刚面世之际，eFPGA还是一个不成熟的技术，并没有在芯片设计领域产生多大的吸引力。随着几年的发展下来，经过晶圆厂的生产认证，设计流程和软件的完善，加上AI和自动驾驶的兴起，eFPGA已经成了一个可行的方案。但在ARM的IP厂商的前人经验下，eFPGA能否真正崛起，还需要等待更多的市场验证。

责任编辑：haq