什么是FPGAs? 是什么? 是什么? 是什么? 是什么? 是什么? 是什么? 是什么? 是什么? 是什么? 是什么?

场-可编程门阵列(FPGAs)是半导体设备,其基体是围绕一个可编程互联连接的可配置逻辑块(CLBs)矩阵组成的. 与单函数硬线的应用程序专用集成电路(ASICs)不同,FPGA在制造后可以重新编程,以实施任何数字逻辑电路. 这种灵活性是通过一系列的查询表(LUT),翻转浮图,以及可使用硬件描述语言(HDL)配置的路由资源实现的,如VHDL或Verilog.

内部架构还包括嵌入式内存块(BRAM),数字信号处理(DSP)切片,以及高速I/O收发机. 现代FPGA集成整个处理器系统——例如AMD Xilinx Zynq设备将ARM Cortex核心与可编程逻辑结合,使其成为真实的系统对齐(SoC),配置存储在SRAM细胞中,允许设备在运行期间对每一次电源++甚至部分重构进行重新编程.

为什么选择FPGA 超越替代技术?

使用FPGA的决定往往会归结为性能、灵活性和成本之间的权衡。 以下是将FPGA推向数百个应用的关键优势。

大规模并行处理

FPGA 本质上是平行的。 CPU 执行指令时, FPGA 可以同时处理数千个数据流。 这使得它们能够实现像实时视频处理、软件定义的无线电和硬件加速等高通量任务的理想。 微软和亚马逊等公司已经在数据中心部署FPGA 来加速Bing搜索和云计算工作量。

低延迟和决定时间

由于逻辑直接在硬件中实施,FPGA电路可以在纳秒范围内实现决定性的延迟。 这对工业控制、自主驱动(高级驱动器辅助系统)和微秒重要的交易系统至关重要。

无需重新设计费用即可重新配置

与ASIC相比,需要昂贵的面具集和几个月的制造,FPGA可以在几秒钟内重新编程,这样可以进行迭代原型,场域升级,以及适应变化的标准(如新视频解码器或加密算法)的能力,而无需替换硬件.

特定职能的高效加速

虽然FPGA对某一函数的消耗力比ASIC要大,但它们在数据平行或管道工作量方面往往比CPU和GPU的性能要好得多。 通过调整逻辑以精确地满足所需的操作,取消了不必要的指令获取和内存管理。

与 FPGA 设计:从思想到执行

硬件描述语言( HDLs)

FPGA的主要设计条目是通过HDLs. VHDL和Verilog最为常见,尽管较新的高水平合成(HLS)工具允许设计者在C/C++或SystemVerilog中写作. 代码被合成为网列表,然后被映射到可用的逻辑块和路由中. FPGA的一个关键优势是,同样的设计可以针对来自不同供应商的最小变化的设备.

核查和模拟

在编程 FPGA 之前, 彻底模拟至关重要。 模型Sim 或 Vivado 模拟器等工具可以让设计者验证时间、功能正确性和功耗。 对于复杂的系统, h硬件-in-the-loop(HIL)测试可以将真实的世界信号与模拟模型结合起来。

配置和位流生成

FPGA 设计流程的最终输出是一个位流文件。 此二进制包含所有 LUT 、 路由粘液和块块内存的配置数据。 程序制定是通过 JTAG 、 SPI 闪存 或远程更新的网络完成的。 许多现代的 FPGA 支持部分重组 — 改变部分逻辑, 而其余的则继续运行 — 允许动态资源分配 。

FPGA 跨行业应用

金融信息、数据和分析系统已经远远超出了其在胶体逻辑中的传统作用。 其多功能性使得它们在以下领域不可或缺。

电信和5G

FPGA在基站处理大规模数字信号处理,进行信道编码/解码,并支持大中型海事组织的束形,它们无需硬件变化就可以被调换到不同的无线电标准(LTE,5G NR,Wi ⁇ Fi 6),这是网络运营商的一大成本节约器. Xilinx(现为AMD的一部分)为工业提供SerDes收发机,满足了前排和后排接口的高速要求.

汽车 - 从自动驾驶系统到自动驾驶

在现代车辆中,FPGA被用于传感器聚变(雷达,LiDAR,相机),实时物体检测,以及决策等,它们提供了避免碰撞所需的低潜性,并且经常与域控制器中的GPU加速器结合,例如Xilinx Zynq Ultrascale+家族在汽车平台中被广泛采用.

医疗成像和诊断

实时超声波、CT和核磁共振系统依赖FPGA进行束状、图像重建以及过滤。它们的平行结构可以处理百万个每秒的数据点,从而能够以最小的延迟进行高分辨率成像。 此外,FPGA还被用于便携式诊断设备,其中的功耗必须保持低。

航空航天与国防

雷达信号处理、安全通信和电子战系统既需要高性能,也需要崎岖。 这个部门的FPGA通常都有辐射硬化变体(如微芯片RTAX或Xilinx QQ系列)在极端环境中运行,它们的重编性使军事单位能够更新实地的密码算法和波形。

数据中心和金融交易

谷歌、微软和AWS等技术巨头将FPGA集成到他们的服务器基础设施中,以加速机器的学习推论、网络包处理和数据库查询。 在高频交易中,FPGA可以在微秒下分析网络包并进行交易 — — 以软件为基础的解决方案速度是不可能的。 类似Xilinx和Intel(通过它们的Altera分部)这样的创业公司现在为这些工作量提供专用的加速卡。

FPGA vs. ASC vs. GPU: 选择右侧工具

每一种技术都有独特的甜点。 ASIC在固定函数上都取得了最高性能和最低功率,但需要高容量(百万单位)才能证明NRE是合理的。 GPU在数据平行任务上表现优异,具有高算术强度(如深层学习训练 ) 。 FPGA占据了中间位置:它们为许多任务提供了接近 ASIC 的性能,在部署后可以灵活地改变。 对于需要低延迟和适应性的应用 — — 如快速变化的标准中的定制加速器 — — 来说,FPGA往往是最佳的选择。

新兴的FPGA技术与未来

AI和机器学习加速

金融信息网络系统在边缘越来越多地被用作推论加速器。 其低功率和决定性的耐久性使它们对自主机器人、无人机和工业IOT的理想。 英特尔的OpenVINO工具包和AMD的Vitis AI使开发者能够以微小的努力将训练有素的神经网络部署到金融信息网络系统结构。 随着网络地形的多样化,将加速器重新配置到不同模型的能力成为竞争优势。

异质融合和芯片

下一代的FPGA正在向多点架构发展。 通过将逻辑、内存和模拟块合并在一个使用干涉器的软件包上,设计者可以构建大规模(千个逻辑细胞)系统,而不受retuble大小的限制。 这类似于AMD和Intel在同一芯片上整合CPU和FPGA的方式 — — Xilinx Versal平台是首要的例子。

打开源硬件和工具

历史上,FPGA设计一直被锁在专有的工具链中. Yosys(用于合成)和Nextpnr(用于place-and-route)等开源项目的兴起,正在民主化FPGA开发,特别是较小的Lattice和Gowen设备的开发。 这一趋势可能会降低学生和爱好者进入的障碍,促进定制硬件的创新。

安全和信任处决

随着硬件特洛伊和供给链攻击的日益关注,FPGA提供了独特的安全特性. Bitstream加密,认证,以及在不同安全领域隔离逻辑的能力,使得它们对于安全飞地和块链硬件等应用具有吸引力. 美国国防部正在积极资助对防篡改的FPGA-基于系统的研究.

开始开发FPGA

对于FPGA新来的工程师和爱好者,起点是选择一个开发板. 负担得起的选项包括Digilent Basys 3 (Artix%7),Lattice ICEstick,或Gowin Tang Nano系列. 学习路径一般以简单的组合逻辑(LED闪烁器,计数器)开始,进步到状态机器和通信协议(UART,SPI),然后向像简单的RISC%V处理器这样的复杂设计移动.

资源,如来自 All About Circules[]的免费在线课程和来自AMD Xilinx[或]的正式文件,提供了坚实的基础。 此外,FPGA子编辑和Hackaday.io等社区论坛对于排除和启发是十分宝贵的。

结论

FPGA技术继续快速发展,填补了软件的“定义灵活性”和“硬件”水平性能之间的差距。 从必须跟上不断发展的5G标准,到需要实时图像处理的医疗设备,以及依靠电池运行的AI加速器 — — FPGA正在推动下一轮电子创新。 其反复重新编程的能力意味着一个单一的硬件平台能够适应未来的需求,减少电子废物并延长产品寿命周期。 随着设计工具的普及和FPGA设备的成本持续下降,我们可以期望更多的设计者能够采用这种技术来定制高性能解决方案。