הבנה של FPGA וענן מחשוב

תצורת שדה-Programmable Gate Arrays (FPGAs) הם מכשירים למחצה המורכב בלוקים לוגיים הניתנים להגדרה (CLRT) המחוברים באמצעות חיבורים בין-מתוכנתים.כל CLB מכיל שולחנות חיפוש (LUTs), פיקסלים דמויי-סול (LS) באמצעות CSD-L-LSCLs) מותאם אישית ל- CTMLS) , כגון ®-L-L-L-L-L-L-L-L-L-L-L-S-S) ® (התקן ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® ® OpenL-L-L-L-L-CTMStraStrasecttensive (Stextensive-CTMSte

מחשוב ענן מפשט תשתיות פיזיות למשאבים וירטואליים על פי דרישה נגישים באמצעות APIs וקונסולות אינטרנט.ספקים כמו Amazon Web Services (AWS), Microsoft Azure, Alibaba Cloud, ו- Nimbix מציעים מקרים FPGA שבהם ההיגיון הניתן לתוכנה מחובר ישירות למכונה המארחת על פני מחשב מהיר PCI Express. הגדרה זו מאפשרת למפתחים לפרוס פיסות מותאם אישית ללא טיפול פיזיקליזציה.

חיוני להכיר בכך ששירותי FPGA בענן משתנים בארכיטקטורה.לדוגמה, AWS F1 מקרים עוטפים את FPGA עם ספק-ניהול "Shell" המטפלת בקרי זיכרון של PCIe, DDR4 וממשקי פלאש.סדרה של Azure NP משתמשת ב-Alveo U250 וחשפה ממשק פתוח באמצעות שיlinx Runtime (XRT) מציעה ל-Cloud אינטגרציה קריטית יותר, כמו גם עם רמות פיתוח ענן PG.

היתרונות של Integrating FPGA עם משאבי ענן

ההיתוך של טכנולוגיית FPGA עם מודלים של משלוח בענן מניב ספקטרום רחב של יתרונות תפעוליים וטכניים.התועלת המיידית ביותר היא FLT:0scalabilityFLT:1 [WEB שירותי FPGA ענן לתת לך להגדיל את המקרים מאיץ דקות באמצעות שיחות API או מדיניות השקיה אוטומטית, התאמה של מקבילות חומרה עם עומסי עבודה משתנים.

(FLT:0) יעילות גבוהה של FPGA (FLT:1) הוא נהג גדול נוסף במקום לרכוש לוחות FPGA מעודכנים (לעתים קרובות עשרות אלפי דולרים כל אחד) ובניית מעבדה מבוקרת טמפרטורה, צוותים יכולים לשכור קטן, בינוני או גדול FPGA מצויד על בסיס שעה.

(FLT:0) האצה של פורמול (Performance האצה) בענן נובעת מהיכולת של FPGA למקביל עיבוד נתונים ברמת השער הלוגיקה.עבור עומסים כמו גינומי, סיכון פיננסי דוגמנות, דחיסה וספקי למידת מכונה כדי לספק שיפור סדר-מנטלי בעקביות ובהשוואה ל- CGA-FMA, בדרך כלל, עם אחסון מינימלי של CGA-FMA, באופן משמעותי, עם CGA-F.

(FLT:0) lexibility ו-recontionurabilityFLT:1 , פירושו מקרה FPGA יחיד ניתן repurposed מקוד וידאו למנוע הניתוק רשת עצבית תוך שניות על ידי טעינה של bitstream חדש. agility זו תומכת בסביבות מרובות-נטנסיכות שבו אותו מכשיר משרת צוותי יישומים שונים לאורך כל היום.זה גם מאפשר אלגוריתמים של חומרה וללא החלפת חומרה, בנוסף לממשק ליבה, כלומר, כלומר, כלומר, מעבדי זיכרון, מאשר מעבדים, מאשר מעבדים מתקדמים, מעבדים, מעבדים מתקדמים, מאשר מעבדים, מעבדים, מעבדים מתקדמים, מעבדים את ממשק DMA, מאשר מעבדים, יותר מאשר מעבדים, מעבדים, מעבדים, מעבדים, מעבדים, מעבדים מתקדמים, מעבדים מתקדמים, מעבדים את ממשק מחשבי מחשבי מחשבי מחשבי מחשבי מחשבי מחשבי מחשבי מחשבי מחשבי מחשב, לעומת זאת, מאשר מאפשר גם מאפשר שיטות אבטחה אלגוריתמים של מערכות הפעלה אלגוריתמים של מערכות הפעלה אלגוריתמים של מערכות הפעלה אלגוריתמים, במקום, במקום, במקום, במקום, לעומת זאת, מאשר מערכות הפעלה אלגוריתמים, מעבדים שונים של מערכות הפעלה אלגוריתמים של מערכות הפעלה אלגוריתמי

יתרון נוסף המשקיף הוא (FLT:0) יכולת והתאמה מחדש של 1 (כיוון שתמונות FPGA ענן מאוחסנים כחפצים ספציפיים ספקית (למשל, אמזון FPGA או Azure .xclbin קבצים), הם יכולים להיות נשלטים, ביקורתיים, ופורסים על פני אזורים מרובים.

אדריכלות FPGA-Cloudאינטגרציה

הבנת האדריכלות הבסיסית היא חיונית לפני צלילה לפיתוח.ספקי ענן בדרך כלל משתמשים במודל "שלום ותפקיד" (The FLT:0shellFLT:1) הוא עיצוב קבוע, ספק-מסופק FPGA אשר מנהל את ה- PCIe Endpoint, DRAM בקרים, DMA מנועים, וההבזק הפיזי.

המארח וה-FPGA מתקשרים באמצעות סדרה של ספריות נהיגה שממפה אזורי זיכרון FPGA לתוך חלל המשתמש ומספקים APIs עבור נתוני הזרמת, DMA מעבירה, והודעות.שירות FPGA בענן מבסס את תהליך של שילוב עיצוב משתמש, אריזה אותו עם הקליפה, יצירת תמונה FPGA ייחודית (למשל, אמזון FPGA, או AFI), ברגע שהוא יכול להיות טעון על ידי מכשיר אחד, לאחר מכן, לאחר מכן, אחד, ניתן לטעון על ידי מכשיר אחד, אחד, לאחר מכן, לאחר מכן, לאחר מכן לטעון תמונה אחת, אחד, הוא יכול להיות טעון על ידי מכשיר אחד, אחד, אחד, לאחר מכן, לאחר מכן, לאחר מכן, לאחר מכן, אחד על ידי טעינה על ידי מכשיר אחד, אחד, אחד, אחד, לאחר מכן, אחד, אחד, לאחר מכן, אחד, אחד על ידי תמונה אחת, לאחר מכן, אחד יעיל על ידי מכשיר אחד, לאחר מכן, אחד מופעל על ידי טעינה, לאחר מכן, אחד מופעלת על ידי מכשיר אחד, אחד, אחד, אחד, אחד, אחד, אחד מופעל על ידי טעינה, לאחר מכן, לאחר מכן, לאחר לטעון על ידי טעינה, לאחר מכן, אחד, אחד מופעל על ידי תמונה אחת, לאחר מכן, אחד, אחד

בצד התוכנה, שילוב טיפוסי זוגות מאיץ FPGA עם שירותי ענן-native כגון אחסון אובייקטים (אמזון S3, Azure Blob), תורים הודעה (אמזון Kinesis, Azure Event Hubs), ופלטפורמות תזמורת מכולות (Kubernetes, AWSS) יישום מארח עשוי לקרוא ערכת נתונים מדלי S3, לייעל אותו באמצעות DMA ל- FPGA עבור ענן, ולאחר מכן להפעיל את התפקוד של מערכת אחסון גמישה או להפעיל את מערכת ההפעלה.

ספקים כמו Microsoft Azure משתמשים בהפשטה שונה של הקליפה, לעתים קרובות בהתבסס על כרטיס אלבו U250 מאיץ מ- AMD. במודל זה, הקליפה היא פלטפורמה מבוססת FPGA הכוללת נקודת קצה PCIe, מנועי DMA וממשקי זיכרון, אך חושף מודל סטנדרטי יותר של OpenCLed OpenCLary.

Step-by-Step Guide to Integrating FPGA עם משאבי ענן

בחירת ספק הענן הנכון ו-FPGA Instance

ההחלטה הראשונה היא שספק הענן מתאים לדרישות הטכניות והתקציביות שלך. Amazon Web Services מציעה את משפחת F1, שמציעה את התקני AMD Xilinx Virtex UltraScale+ VU9P FPGAs עם כ- 2.6 מיליון תאים לוגיים.מקרים אלה אידיאליים לפיתוח חומרה מותאם אישית, האצת מכונה ועיבוד מקביל גדול יותר.Azure מספקת FPGA-A מקרים כמו NP עם ביצועים מתקדמים (I) כמו גם 10GA-Faclin ביצועים מתקדמים, ו-PROX) כמו AI.

כאשר בוחרים, לשקול את צפיפות ההיגיון של FPGA, על זיכרון שבב, תמכו ממשקי I / O, ואת הבשלות של מפתח המפתח של ספק מפתח שרשרת.מאשר כי האזור שנבחר תומך בסוג המקרה הנדרש וכי הסכם רמת השירות עונה על הצרכים שלך.בנוסף, להעריך אם אתה דורש מערכת אקולוגית ספקית ספציפית של FPGA (AMD Vivado או Vitis לעומת Intel Quartus Prime) בשל מומחיות קיימת או ספקי אבטחה מסוימים.

2.הפצה והפצה של הסביבה ה-FPGA

לאחר שנבחר ספק, מתן מקרה FPGA באמצעות קונסולת הענן או תשתיות ככלי קוד כמו Terraform. עבור AWS, היית משיקה f1.2xlarge או f1.16xlarge לדוגמה באמצעות FPGA מסופק AMI, הכולל את AMD Xilinx Vivado Design, AWS FPGA SDK, ותמיכה בספריות.

הגדר מאגר של קוד ה-FPGA שלך, בונה תסריטים ומקור יישומים מארח.קונה בונה סביבות עם שרתי הרישיון הדרושים, או באמצעות מודל הרישוי של ספק הענן או העלאת הרשיון הצף שלך למנהל רישיון מעוגן ענן.ספקים רבים מציעים תוכנית רישוי פשוטה לשימוש בתשלום עבור כלי FPGA, הסרת הצורך עבור רישיונות יקר עבור רישיונות קבועים.

FPGA Compute Units

הלב של כל שילוב FPGA הוא לוגיקה מותאמת אישית.מפתחים יכולים להשתמש שפות תיאור חומרה (VHDL, Verilog) לשליטה מדויקת, או High-Level Synthesis (HLS) כדי להמיר C / C++ / קוד פתוח לתוך RTL. HLS מוריד באופן דרמטי את המחסום לכניסת תוכנה, ומאפשר למהנדסים ליצור חומרה על ידי לאנרטור עם פונקציות ממריצים, עיצוב לא משנה של צינורות לא משנה, עיצוב.

עבור AWS F1, זה אומר יישום עבד AXI4-lite עבור רישומים שליטה ו ממשקים ממופת זיכרון AXI4 עבור חילופי נתונים עם DRAM.העיצוב חייב לעמוד במגבלות התזמון עבור תדירות שעון היעד וכולל סינכרוניזציה מדויקת של איפוס.מודולריות הוא עודד: העברת נתונים נפרדת, עיבוד ליבות, ושליטה במכשולים לוגיים נפרדים שניתן לבדוק באופן עצמאי ושימוש חוזר באמצעות תוכנת SIMStramation, לפני הפעלת תוסף XS.

4. Compiling, Packaging, and Deploying Bitstreams

לאחר סימולציות פונקציונליות ותזמון לעבור, להפעיל סינתזה ויישום כדי ליצור bitstream.עבור AWS, ה-FPGA Developer Kit כולל תסריט שעטוף את פרויקט Vivado, יוצר נקודת מבחן עיצוב (DCP), ונשלח אותו לשירות ה-FRAP של הענן.שירות זה משלב את ה- DCP עם ה-AWS, מבצע את המיקום-and- Pathways ופלט של אמזון FPGA מספר פעמים (A) הוא בעל ערך קריטי עבור חשבון FAF1.

לאחר טעינה, הפעלת בדיקות סניפיות כדי לאשר כי AFI גלוי וכי הקישור PCIe פעיל. a פשוט Hello-world kernel כותב וקורא בחזרה רישום הוא יקר ערך עבור לאשר כי כל שרשרת הכלים שלם שלם שלם. עבור Azure, החפץ האנלוגי הוא קובץ בינארי של FLT:1, אשר טעון באמצעות שיlinxTime Run (X) תמיד לאמת את הספרייה היחידה על מנת סקאסטרופית.

5.התמקצות FPGA עם שירותי ענן

עכשיו כי החומרה נגישה, לחבר אותה לשירותי ענן עבור עומסי עבודה אמיתיים. צינור נתונים טיפוסי עשוי להיות שירות upstream כמו אמזון Kinesis Data Streams להאכיל רשומות לתוך יישום מארח.היישומים המארחים מאגד נתונים, יוזם העברת DMA ל-FPGA, מחכה להתנגשות או סקרים דגל סיום, ולאחר מכן כותב את התוצאות המעובדות ל-Azon3 או דלי טבלת DMADMO, כדי לטפל ב-SD, כדי לטפל ב- SDKs.

עבור מקרים נמוכים יותר של שימוש בעקביות, ה-FPGA יכול לפעול כמעבד החבילה שיושב בקו ישר עם תעבורת רשת, באמצעות כרטיס ממשק רשת שולח חבילות ישירות ל-FPGA באמצעות העברות PCIe peer-to-peer. במתקנים כאלה, תיאום עם ערימה של ספק הענן נדרש, ולעתים קרובות קבוצות מיקום מתקדמות או מקרים משופרים ברשת חייב להיות נבחר מעקב אחר הבריאות ודרך האינטגרציה של Cloudtcaste או באמצעות , באמצעות tcher.

שקול גם את השימוש של הפונקציה AWS:0 (פונקציות ללא תשלום) הפונקציה של LT:1 (למשל, הפונקציה AWS Lambda ניתן להגדיר כדי להתחיל F1 מקרה כאשר אובייקט חדש מועלה ל-S3, לטעון את AFI, לעבד את הנתונים ולאחר מכן לסיים את המקרה.תבנית זו מצמצם את העלות והתאמה של ניצול חומרה עם הביקוש.

6. Orchestrating and Scaling FPGA Workloads

עבור פריסות ברמת הייצור, למתוח את היישום המארח במיכל Docker ולהפיץ אותו באמצעות אמזון ECS, Kubernetes, או Azure Kubernetes שירות. Deploy מספר פעמים F1 כציר, ולהשתמש תור עבודה (Amazon SQS, RabbitMQ) כדי להפיץ משימות.יישם מדיניות מדרגת כי עולה ספירה כאשר התור העליון עולה על סף וירידה כאשר זה נופל כאשר זה יכול להיות רשום על פני כדור הארץ מקרים חדשים.

שקול פריסה מעורבת שבה עובדי CPU בלבד מטפלים בתהליכים ובתהליכים של FPGA רק להפעיל את הקרנלים המתקדמים-רגישים.הפרדה זו של חששות מאפשרת לכל סוג משאבים להגדלה באופן עצמאי, למקסם את השימוש ויעילות העלות. השתמש בתשתית כקוד כדי להגדיר את הערימה כולה, המאפשרת פריסות ניתנות לבדיקה בכל האזורים.

פלטפורמות מתקדמות כמו Kubernetes ניתן להרחיב עם הגדרות משאבים מותאם אישית (CRDs) כדי לטפל במקרים FPGA כמשאבים ברמה הראשונה. TheFLT:0KnativetureFLT:1 מסגרת ללא שרת יכול גם להיות מותאם באופן אוטומטי לדרג את המקרים FPGA כדי אפס כאשר אין בקשות החלות, עוד צמצום עלויות idle.

דרישות מפתח ותעשייה

חברות שירותים פיננסיים משתמשות ב-FPGA-accelerated Cloud מקרים עבור חישובים סיכון, מונטה קרלו סימולציות ואסטרטגיות מסחר ב- ⁇ גבוהה, שבו חד-ספרית microther עקבית קובעת רווחיות.FLT:0Xilinx פתרונות האצה פיננסית (ראה: 10 LT:1) להוכיח כיצד מטפלים במחיר מותאם אישית ניתן לפרוס בענן.

ב-genomics, רצף ה-DNA ושיחות הגרסאות הגרסאות הן אינטנסיביות מבחינה חישובית.FPGAs מאיצה את סמית'-ווטרמן או Burrows-Wheeler אלגוריתמים, תוך ניתוק הזמן לניתוח של כל-גנומה מכמה ימים עד שעות. פריסת ענן מאפשרת למעבדות קליניות כדי לדרג את צינורות אלה על הביקוש ללא רכישת חווה של כרטיסי מסך יקר-מרוץ:0-FLT: FPGMA FPGates ל-D.

למידת מכונה היא מועמדת ראשית נוספת.בעוד GPUs שולט הכשרה, מנועי הקצינה מבוססי FPGA מציעים נטייה נמוכה עבור מערכות המלצה ומודלים ראיית מחשב, במיוחד כאשר מודלים הם הקוונטיים ל-8 סיביות או דיוק נמוך יותר. FPGA מקרים יכולים לארח ספריית של פעילות רשת עצבית טרום-אופטימית שיכולה להיות מוחלף כ- A / B בדיקות להכתיב את ספריית Vitis מספקת מאוסף אופטימיזציה של יחידות עיבוד ענן (PD) עם עיבוד מינימליות (מעבדות).

יישומים אחרים כוללים קידוד וידאו בזמן אמת על קצה, שבו מקרה FPGA קרוב לרשת משלוח תוכן יכול לשחזר זרמי שידור; רשת מוגדרת תוכנה, שבו FPGAs ליישם כללי אש אישית ובדיקה החבילה; וסימולציות מדעיות כמו דינמיקות מולקולרית הדורשות מקבילות מסיביות נתונים מקבילות (כל אחד היתרונות של עיבוד נתונים מן היכולת לשכור את כמות המדויקת של כוח סוסי FPGA למשך הניסוי.

אתגרים משותפים

למרות ההבטחה, הצוותים חייבים לנווט מספר מכשולים.FLT:0 (Latencyph:1) בין שירותי ענן ו-FPGA ניתן לצמצם על ידי שיתוף פעולה של מקרה FPGA עם מקורות נתונים (באמצעות אותו אזור Availability) ועל ידי הפעלת DMA ישיר משירותי אחסון שבו נתמך.

(FLT:0)SecurityFLT:1 דורש הצפנה של נתונים בטיסה ובמנוחה.ספקי ענן מצפינים את התנועה PCIe בין המארח ל-FPGA, אך לוגיקה אישית צריכה גם לשלב AES או ciphers אחרים לעיבוד נתונים רגיש.ספקי כניסה סדירים של היישום המארח ומדיניות IAM מונעת גישה בלתי מורשית לתמונות FPGA ונתונים שהם מניפולטיביים.

ניהול:0 (עלות)FLT:1 דורש אסטרטגיה ברורה של תג, הגדרת ערנות תקציב, ושימוש במקרים של מקום או יכולת שמורה עבור עומסי עבודה צפויים.דמית FPGA עצמו עולה רק כאשר טעון; לשמור על עקבות העיצוב שלה רזה כדי למזער משאבים כבושים ובכך להפחית את העלות לכל שעה אם הספק נטען על ידי גודל החלוקה.

ה-FLT:0.complexofFLT 1 של פיתוח FPGA ניתן להפחית על ידי אימוץ HLS, באמצעות בלוקים IP מאומתים מראש הספרייה של הספק, והשקעה צינורות בנייה אוטומטיים המפעילים סימולציות ועיבוד העיצוב רק כאשר שינויים המקור מחויבים.ספקים רבים מציעים גם פתרונות שוק ייעודיים עבור מאיצים משותפים, אשר ניתן לשכור כמו מחסימת, כדי להתחיל מחדש כלי רכב משותף, כמו עיצוב משותף.

שיטות טובות לשילוב FPGA-Cloud

(הופנה מהדף פיתוח ממושמע הוא הנכס החזק ביותר שלך.לשמור סניפים נפרדים עבור RTL, HLS ותוכנות מארחות, ולהשתמש צינורות CI /CD כי גורמים על כל פעולה. A צינורות טיפוסי יהיה קוד מקור lint, להפעיל סימולציות עם מטרה עצמית בדיקת אובייקטים, ניסיון סינתזה יבשה לרוץ (אם הספק מציע שירות איסוף חלקי), וליצור את החלק הסופי כאשר אני משרת דוגמאות דומות: GIFvT) עבור דגם ה-Hubt.

Instrument היישום המארח שלך עם מדדי ביצועים מפורטים: נתונים באמצעותput, DMA להעביר פעמים, kernel הוצאות להורג, ו- מארח-to-FPGA עגולים הילוך עגולים: לדחוף את המדדים האלה לערימה ניטור מרכזי (Prometheus, Grafana) ולהגדיר התראות עבור סטייה.זה נראה חיוני כאשר אופטימיזציה של חומרה / רכה - לעתים קרובות גבול קטן כיצד ניתן לרשום נתונים כפולים או להגדיר שיפורים.

התחל קטן.פרוטוטיפ האלגוריתם שלך על מקרה F1 יחיד עם ציון נתונים מינימלי לפני הסקאלה את העיצוב, לזהות צווארי בקבוק רוחב פס זיכרון או תדירות שעון, ו-Iterate. רק כאשר המאפיינים של הקרנל מבינים היטב אם אתה משקיע בתזמורת ו- Auto-scaling. Document את רשומות ההחלטות שלוכדות מדוע ממשק מסוים, זיכרון, או תור זיכרון, או מיפוי, כמו מנגנון שנבחר, כמו גם עוזרי עזר עתידי.

שקול להשקיע ב- FLT:0 ביצועים עקביים רגרסנסרבטיבה 1 (בכל פעם שאתה מעדכן את עיצוב FPGA או התוכנה המארחת, למדוד אוטומטית באמצעות חישוב ושקיפות על מקרה ההתייחסות.זה מונע את ההידרדרות בביצועים מלהגיע ללא הפרעה עד שביצוע הייצור מתרחש.קבוצות רבות משתמשות ב-FPGA קטן, תמיד על FPGA, כמו "אפשרי" כדי לאמת מעט זרמים חדשים לפני שעדיין לא ניתן לגלגולים אותם לפני שצוותים.

מגמות עתידיות ב-FPGA ו-Cloud Computing

שוק ה-FPGA בענן מתפתח במהירות.ההופעתו של FLT:0 [FPGA-as-a-Service (FaaS)OVAFLT:1 פלטפורמות מופשטות עוד יותר, המציעות ממשקי API ברמה גבוהה שבהם מפתחים משתמשים ב- Python פונקציות אשר מתורגמות באופן אוטומטי ל-FPGA bitstreams ולבצע.דמוקרטיזציה זו תפתח תאוצה לקהל רחב הרבה יותר.

אינטגרציה עם מחשוב ללא שרת היא גם באופק.דמיין פונקציה של AWS Lambda כי עבור גורמים מסוימים, עומסים חישובים למאצת FPGA הסמוכה באופן שקוף לחלוטין, השילוב של תת-מילי שנייה FPGA ביצוע עם ארכיטקטורות מונחת אירוע יכול להיות כוח דור חדש של ניתוח בזמן אמת ושירותי AI.

מגמה נוספת היא העלייה של FPGA ToolchainsFLT:1, כגון SymbiFlow ו- Project IceStorm, שמטרתה לשחרר מפתחים מ-Auto-ineder Lock-in. בעוד עדיין מתבגר, כלים אלה יכולים בסופו של דבר לשמש כדי להרכיב עיצובים עבור Cloud FPGAs, המאפשר יכולת אמיתית בין ספקים.בנוסף, הופעתה של RISCV-Rice-R.

לבסוף, ההתכנסות של FPGAs עם FLT:0 (0) , 000 זיכרון זיכרון מבוזר 1Figregated זיכרון 1Figregated (כמו זיכרון CXL-tached) תפחית את צוואר הבקבוק של העברת נתונים בין מארח לבין מאיץ.ספקי ענן כבר להתנסות עם בריכות זיכרון מתמשך FPGA-טאנדנדנטיות שניתן לשתף במקרים רבים.

מסקנה

הגדלת FPGAs עם משאבי מחשוב ענן פותחת פרדיגמה רבת עוצמה שבו האצה חומרה אישית אינה נכס קבוע אלא שירות גמיש, גמיש, גמיש, תוכנה גמישה, על ידי ביצוע גישה מובנית - בחירת הספק הנכון, שליטה על הקליפה / אדריכלות רוטיל, עיצוב יחידות compute עם HLS או RTL, וחיבור כל דבר עם שירותי ענן-ארגון יכול להאיץ באופן דרמטי את העבודה התובענית ביותר שלהם, ללא אתגרים התפתחותיים, אך לא מפותחים ביותר, אלא גם כיום, ללא יכולת פיתוח יעיל יותר מאשר אלה.