时伟

摘要：人工智能是研究、开发用于模拟、延伸和扩展人类智能理论、方法及应用的一门新技术，特别是机器学习正在改变这人们的生产和生活方式，也为工业和商业带来了更多机会，但目前支持神经网络迭代、多样性、训练和推理的最佳硬件體系架构还未确定，本文针对这一领域，就嵌入式现场可编程门阵列eFPGA芯片的应用做一些探讨。

关键词：嵌入式现场可编程门阵列；人工智能；eFPGA；AI

中图分类号：TN791 文献标识码：A 文章编号：1007-9416（2019）01-0075-01

目前，人工智能技术在正不同的领域逐步得到越来越广泛的应用，如：自动驾驶、医疗诊断、家用电器、工业自动化、自适应网站、财务分析和网络基础设施。这些应用对电路的性能和功耗有严格的要求，以适应实时的学习和处理过程，这些将对传统的硬件体系构架提出新的挑战。嵌入式现场可编程门阵列作为一种新技术在AI解决方案中具有较高的灵活性，可以实现吞吐量和可重编程性之间的最佳平衡，并提供现实世界机器学习系统所需的性能，本文有针对性地做一些探讨。

1 常用机器学习的硬件构架

许多通用中央处理器CPU构架可用于支持高性能机器学习，但是对于实时嵌入式系统来说，由于功耗和性能的限制，这些方案在电路设计开发的早期不得不放弃。

在2010至2015年期间，通用图形处理单元GPGPU能提供数以百计的片上浮点处理单元，且能够并行处理多个神经元的输入，其运算性能要远超出通用CPU集群，从而成为了工程师进行训练和推理算法设计的热门硬件平台。……