FPGA在人工智能硬件加速上的应用-行业数据

在人工智能领域，FPGA 可应用于推理环节，但由于涉及复杂的算法，对产品性能要求较高。人工智能算法的硬件芯片可分为训练和推断两大任务。CPU/GPU 应用在训练端，主要运用大量已知的数据进行迭代计算，调整神经网络的参数；FPGA 凭借高度灵活性及强大的并行运算能力在实时数据的处理上具有优势，可应用在推断端，用已训练好的神经网络对新输入的数据进行归类、分析和判断。在人工智能领域，FPGA 相对 GPU 具备明显的能效优势；而相较于 CPU 则具备性能优势；与 ASIC 相比，AI 神经网络演进速度快，ASIC无法跟上算法迭代更新。长期来看，采用 CPU+FPGA+AI 或 CPU+FPGA+GPU 融合架构的 PSoC 芯片兼具了 SOC 的灵活性和通用性、FPGA 的硬件可编程性和专用 AI 加速核或GPU 的高效性，可带来更优的效果。