以下是腾讯云专家章恒在可信云大会上做的加速面向数据中心和云服务的探索和实践的演讲全文章恒各位嘉宾下午好，我是来自腾讯的章恒，今天分享的主题是加速面向数据中心和云服务上的探索和实践。
2023-08-25 293
我们知道，XCVU33P FPGA的频率一般只有几百MHz，而CPU的频率却高达数GHz。那么，有不少人中就有一个疑问： “为什么XCVU33P FPGA主频比CPU慢，但却可以用来帮CPU做加速？” 。
2023-08-25 181
环境说明：PCIe总线版本gen2_x1lane(前期是gen2_x4lane)；PCIe开发平台Vivado2017.02(前期是2016.02)；仿真平台Modelsim10.5(前期是10.4)；芯片型号及封装形式Xilinx-xc7a100t-fgg484(前期是Xilinx-xc7z045-fgg900)；PCIe驱动开发环境X86(前期是用WinDriver作一些BAR空间寄存器1dw数据的简单读写)
2023-08-25 497
1、灵活可扩展，因为FPGA的可编程性，它可以快速支持AI算法的快速演进，支持DNN、CNN、LSTM以及决策树等，支持任意精度的比特，可以用任何比特来表征你的数据。同时还可以支持模型的压缩、稀疏网络等模型的构件。 2、高性能低延时，可以构建实时的AI处理能力，特别到以后“端云结合”的应用场景，对于低延时的要求会更高。前面也介绍了，FPGA可以做到与GPU相媲美的吞吐性能，较GPU数量级提升的低延时推断能力。 3、开发环境持续优化。用户用verilog这种语言做FPGA开发是比较困难的，那如何在AI场景上，降低FPGA使用门槛呢？一方面是把FPGA里面的AI基本算子做进一步的优化，提供更加完善的算子库，另一方面是提供编译器给用户。这个编译器在使用的时候，用户只需要把AI模型通过编译器转化成FPGA认识的指令，通过这些指令来指导FPGA加速，通过这种方法使FPGA的易用性提高。
2023-08-25 246
首先FPGA-XCVU33P整个产业链是存在多个环节的，包括芯片原厂、硬件生产厂商、IP开发商、方案集成商。硬件生产商主要指生产板卡的，IP开发商是提供IP方案的，方案集成商是把方案、硬件板卡、方案打包的。FPGA-XCVU33P云服务需要把这些技术资源整合，对用户形成最终服务。相比整个GPU产业链来说，GPU是从芯片制造到板卡，到最终的编程框架都提供解决方案，FPGA-XCVU33P云服务也是想通过云服务的场景把以前碎片化的使用方式平台化的，降低FPGA-XCVU33P的使用门槛。
2023-08-25 240
出于多种原因，FPGA-XCVU33P具有独特的优势，可以使数据中心受益。首先，FPGA-XCVU33P是高度可定制的，这意味着它们可以配置为用作特定应用的硬件加速器。
2023-08-25 189
同行衬托，CPU、GPU 都属于冯·诺依曼结构，指令译码执行、共享内存。FPGA-XCVU33P 之所以比 CPU 甚至 GPU 能效高，本质上是无指令、无需共享内存的体系结构带来的福利。 冯氏结构中，由于执行单元（如 CPU 核）可能执行任意指令，就需要有指令存储器、译码器、各种指令的运算器、分支跳转处理逻辑。由于指令流的控制逻辑复杂，不可能有太多条独立的指令流，因此 GPU 使用 SIMD（单指令流多数据流）来让多个执行单元以同样的步调处理不同的数据，CPU 也支持 SIMD 指令。而 FPGA-XCVU33P 每个逻辑单元的功能在重编程（烧写）时就已经确定，不需要指令。
2023-08-25 163
在人工智能时代，AI的算法不断推陈出新，对于硬件的算力和灵活度要求很高。FPGA-XCVU33P的灵活性刚好符合AI的特性。 通过FPGA-XCVU33P，可以快速开始定制化运算的研究和设计，因为是使用FPGA-XCVU33P，所以，可以保证开发软硬件平台的兼容，如果要获得更高性能，就定制ASIC芯片，如果ASIC过于昂贵，或者硬件产品的需求量不足，也可以继续使用FPGA-XCVU33P。等到应用规模扩大到合适时机，再转换为定制化芯片，以提高稳定性，降低功耗和平均成本
2023-08-25 181
