首款可用于自动驾驶的全新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Robert Blake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。

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。

除了采用7nm FinFET工艺制造（7nm真的很贵！），Speedster7t系列产品的优势在于全新的架构，以平衡片上处理、互连和外部输入输出接口（I/O），以实现数据密集型应用吞吐量的最大化，这些应用场景可见于基于边缘计算和基于服务器的AI/ML应用、网络处理和存储。

高性能计算和机器学习系统的一个重点要求就是高片外存储器带宽，这样可以为多个数据流提供存储源和缓冲，据介绍，Speedster7t器件是唯一支持GDDR6的FPGA，每个GDDR6存储器都能够支持512Gbps的带宽，多达8个GDDR6控制器则可以支持4Tbps的GDDR6累计带宽。

Speedster7t系列产品之所以能够支持如此高的带宽，是因为该系列产品专门为高带宽应用进行了设计，具有一个革命性的全新二维片上网络（2D NoC），以及一个高密度全新机器学习处理器（MLP）模块阵列，从而把FPGA的可编程性与ASIC的布线结构和计算引擎结合起来，创造了一类全新的“FPGA+”技术。

正如前面所言，可能现阶段自动驾驶还处于“试错”阶段，FPGA可编程的特点可以在现在赢得市场，但是随着自动驾驶技术的发展，其算法逐渐稳定，需要将算法进行SoC的时候，可能就是ASIC的天下了。

对于Speedster7t的设计方Achronix公司而言，这个问题已经考虑到了，基于Achronix公司是一家既提供独立FPGA芯片又提供Speedcore嵌入式FPGA（eFPGA）半导体知识产权（IP）的公司，Achronix在SpeedcoreEFPGA IP中采用了与Speedster7t FPGA中使用的同一种技术，可支持从Speedster7t FPGA到ASIC的无缝转换。

FPGA应用通常具有必须保持可编程性的功能，而其他固定功能则是应用于特定的系统应用。对于ASIC的转换而言，固定功能可以被固化进ASIC结构中，从而减少芯片面积、成本和功耗。据Achronix介绍，当使用SpeedcoreeFPGA IP将Speedster7t FPGA转换为ASIC时，用户有望节省高达50%的功耗并且降低90%的成本。这个能够实现的话，可以让Achronix公司的Speedster7t系列产品，在自动驾驶领域，应该会有着较好的应用前景。