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。
2023-08-25 330
为什么智能汽车用到的FPGA越来越多以智能化、电动化、网联化、共享化为代表的汽车“新四化”时代，正在加速推进汽车行业技术和架构的快速演进。例如，传统的分布式方案将被集成式方案取代，包括ECU、传感器在内的硬件会得到高度整合；汽车OEM会更关注客户在接口软件层面上的创新，以及为终端客户提供差异化产品的能力。同时，电动汽车、自动驾驶、高级驾驶辅助系统(ADAS)和车载信息娱乐系统等市场需求的猛增，也大
2023-08-25 109
腾讯、微软、百度等很多巨头数据中心都采用或者准备采用XCVU35P FPGA，那么为什么XCVU35P FPGA会逐渐被这些巨头所采用？我们找到一篇文章，以微软数据中心采用XCVU35P FPGA来做分析讲解。
2023-08-25 187
腾讯、微软、百度等很多巨头数据中心都采用或者准备采用XCVU33P-FPGA，那么为什么XCVU33P-FPGA会逐渐被这些巨头所采用？我们找到一篇文章，以微软数据中心采用XCVU33P-FPGA来做分析讲解。
2023-08-25 334
在深度学习中，训练模型和在线推断是两个重要阶段。训练过程，分有监督和无监督事情（这个不是我们的重点），而在线推断实际上已经涉及到硬件的选型。一般有三种选型： CPU方案：这是较为常用的方案。在学习芯片之前，我只知道这个。 GPU方案：英伟达推出了适合在线推断场景的专用GPU。 FPGA-XCVU33P方案：一些公有云厂商推出了基于FPGA-XCVU33P在线推断的云服务（为什么用FPGA-XCVU33P方案，之前我写的笔记中已多次说明，因为需要推断计算的场景太多，数据中心，基站，自动驾驶汽车，摄像头……），另外一些有实力的AI厂商也在自研FPGA-XCVU33P方案。
2023-08-25 215
Alveo U200 数据中心主动散热加速器卡Xilinx® Alveo™ U200 数据中心加速器卡旨在满足现代数据中心不断变化的需求，为重要工作负载（包括机器学习推断、视频转码和数据库搜索与分析）提供比 CPU 高 90 倍的性能。Alveo 加速器卡建立在 Xilinx 16 nm UltraScale™ 架构基础之上，能适应不断变化的加速要求和算法标准，能在不改变硬件的情况下，加速任何工作
2023-08-25 227
近日，高通、恩智浦、英飞凌、Nordic半导体和博世发布联合声明，宣布他们联手设立了一家合资公司，旨在通过支持下一代硬件开发来推动RISC-V架构在全球的采用。高通及合作单位在公告中表示，合资公司将成立于德国，旨在加速基于开源RISC-V架构未来产品的商业化。最初的应用重点将是汽车，但最终将扩展到移动设备和物联网。
2023-08-25 125
