FPGA芯片与其他主流芯片对比

twel2e

CPU为通用型器件，FPGA架构相对CPU架构偏重计算效率，依托FPGA并行计算处理视觉算法可大幅提升计算速率，降低时延。

FPGA芯片与其他主流芯片对比

CPU处理计算指令流程：

CPU通过专用译码器接收任务指令，接收过程分为两步：指令获取（CPU从专门存放指令的存储器中提取执行指令）以及指令翻译（根据特定规则将指令翻译为数据并传输至计算单元）。其中计算单元为晶体管（CPU基本元件），“开”、“关”分别对应“1”、“0”机器码数字。

CPU处理计算指令特点：

•CPU物理结构包括Control（指令获取、指令翻译）、Cache（临时指令存储器）、计算单元ALU（约占CPU空间20%）。

•CPU为通用型计算任务处理核心，可处理来自多个设备的计算请求，可随时终止当前运算，转向其他运算。

•逻辑控制单元及指令翻译结构较为复杂，可从中断点继续计算任务，为实现高度通用性而牺牲计算效率。

CPU视觉算法与FPGA视觉算法比较：

•CPU架构：CPU用于处理视觉算法需按指定顺序执行指令，第一指令在图像整体运行完成后，第二指令开始运行。在4步操作指令环境下，设定单个操作指令运行需10毫秒，完成总算法耗时约40毫秒。

•FPGA架构：FPGA用于处理视觉算法采取规模化并行运算模式，可于图像不同像素内同时运行4步操作指令。设定单个操作操作指令运行需10毫秒，FPGA完成图像整体视觉算法处理时间仅为10毫秒，FPGA图像处理速度显著快于CPU。

•“FPGA+CPU”架构：此架构下，图像在CPU与FPGA之间传输，包含传输时间在内的算法整体处理时间仍低于纯CPU架构。

•算法案例：以卷积滤镜图像锐化计算任务为例，系统需通过阈值运行图像生产二进制图像。CPU架构下，系统需在阈值步骤前完成图像整体卷积步骤，FPGA则支持相同算法同时运行，相对CPU架构，卷积计算速度提升约20倍。

GPU作为图形处理器件，计算峰值较高，远期在机器学习领域（多指令平行处理单一数据），FPGA相对GPU在灵活性、功耗方面更胜一筹。

FPGA芯片相较于GPU芯片

GPU物理结构：

GPU为图形处理器，针对各类计算机图形绘制行为进行运算（如顶点设置、光影操作、像素操作等），标准GPU包括2D引擎、3D引擎、视频处理引擎、显存管理单元等。其中，3D引擎包含T&L单元、PiexlShader等。

GPU处理计算指令流程：

•顶点处理：GPU读取3D图形顶点数据，根据外观数据确定3D图形形状、位置关系，建立3D图形骨架。

•光栅化计算：显示器图像由像素组成，系统需将图形点、线通过算法转换至像素点。矢量图形转换为像素点为光栅化计算过程。

•纹理贴图：通过纹理映射对多变形表面进行帖图处理，进而生成真实图形。

•像素处理：GPU对光栅化完成的像素进行计算、处理，确定像素最终属性，多通过Pixel Shader（像素着色器）完成。

GPU与FPGA特点对比：

•峰值性：GPU计算峰值（10Tflops）显著高于FPGA计算峰值（小于1TFlops）。GPU架构依托深度流水线等技术可基于标准单元库实现手工电路定制。相对而言，FPGA设计资源受限，型号选择决定逻辑资源上限（浮点运算资源占用较高），FPGA逻辑单元基于SRAM查找表，布线资源受限。

•内存接口：GPU内存接口（双倍数据传输率存储器等）带宽优于FPGA使用的DDR（双倍速率同步动态随机存储器）接口，满足机器学习频繁访问内存需求。

•灵活性：FPGA可根据特定应用编程硬件，GPU设计完成后无法改动硬件资源，远期机器学习使用多条指令平行处理单一数据，FPGA硬件资源灵活性更能满足需求。

•功耗:GPU平均功耗（200W）远高于FPGA平均功耗（10W），可有效解决散热问题。

ASIC芯片专用度高，开发流程非重复成本（流片）极高，5G商用普及初期，FPGA可依托灵活性抢占市场，但规模化量产场景下，ASIC芯片更具竞争优势.

FPGA芯片相较于ASIC芯片

ASIC与FPGA开发流程区别：

•ASIC需从标准单元进行设计，功能需求及性能需求发生变化时，ASIC芯片设计需经历重新投片，设计流程时间成本、经济成本较高。

•FPGA包括预制门和触发器，具备可编程互连特性，可实现芯片功能重新配置。相对而言，ASIC芯片较少具备重配置功能。

ASIC与FPGA经济成本、时间成本区别：

•ASIC设计过程涉及固定成本，设计过程造成材料浪费较少，相对FPGA重复成本较低，非重复成本较高（平均超百万美元）。

•FPGA重复成本高于同类ASIC芯片，规模化量产场景下，ASIC芯片单位IC成本随产量增加持续走低，总成本显著低于FPGA芯片。

•FPGA无需等待芯片流片周期，编程后可直接使用，相对ASIC有助于企业节省产品上市时间。

•技术未成熟阶段，FPGA架构支持灵活改变芯片功能，有助于降低器件产品成本及风险，更适用于5G商用初期的市场环境。

rergr

CPU为通用型器件，FPGA架构相对CPU架构偏重计算效率，依托FPGA并行计算处理视觉算法可大幅提升计算速率，降低时延。

+ {( Y9 p8 A1 ]7 r8 k6 q

dsgh

FPGA则支持相同算法同时运行，相对CPU架构，卷积计算速度提升约20倍。
. B) w& l' a1 [  K! A) a

芦根苏木

PGA相对GPU在灵活性、功耗方面更胜一筹。
2 |. g* e' `- R1 y4 e8 R

雷北城

谢谢分享，学习了！