وقتی محصولی دارید که توضیح آن چالش برانگیز است، اغلب به ارائه مثال‌های ساده کمک می‌کند تا به مردم کمک کند بفهمند چه کار می‌کند و چرا اهمیت دارد. چنین موردی در مورد نوع تخصصی تراشه‌های نیمه‌رسانا معروف به FPGA (آرایه‌های دروازه‌ای قابل برنامه‌ریزی میدانی) وجود دارد، یک مؤلفه قدرتمند، اما کمی درک شده که در همه چیز از رایانه‌های شخصی و سرورها گرفته تا ماشین‌های صنعتی، شبکه‌های مخابراتی و تجهیزات نظامی استفاده می‌شود.
در راه اندازی یک خط میان رده جدید از FPGA از نیمه هادی شبکه، این شرکت از این رویکرد استفاده کرد، و یک نمایش تصویری ساده از تراشه جدید خود را برای شناسایی و ردیابی وسایل نقلیه از دوربین یک خودروی متصل برجسته کرد، یک قابلیت حیاتی برای کمک و خودران. ویژگی های رانندگی
همانطور که از نام آن پیداست، FPGA ها را می توان سفارشی و برنامه ریزی کرد تا عملکردهای خاصی را مستقیماً در سخت افزار انجام دهد. این به آنها مزایای عملکردی برای تعدادی از برنامه های خاص می دهد. حتی بهتر از آن، می‌توان آنها را پس از نصب مجدد برنامه‌ریزی کرد و نه تنها برای توسعه محصولات (که همیشه به‌روزرسانی‌های نرم‌افزار و سخت‌افزار جدید را می‌طلبند)، بلکه برای افزودن قابلیت‌های جدید به محصولات موجود ایده‌آل می‌شوند.
در دنیای هوش مصنوعی و محاسبات لبه، داشتن الگوریتم هایی برای انجام کارهایی مانند شناسایی و ردیابی اشیا که به طور منظم به روز می شوند، اصلا غیر معمول نیست. FPGA ها دقیقاً به دلیل قابلیت برنامه ریزی می توانند برای این نوع برنامه ها ایده آل باشند.
در چند سال گذشته، Lattice Semi تلاش های خود را بر ایجاد یک خط کامل از FPGA های کوچک و کم مصرف که Nexus نامیده می شود متمرکز کرده است. علاوه بر این، این شرکت با ایجاد طیف وسیعی از ابزارهای توسعه مانند Radiant و Propel، و همچنین مجموعه کاملی از پلتفرم‌های نرم‌افزاری مانند SenseAI، mVision و ORAN، نرم‌افزارهای پیشنهادی خود را تکامل داده است که برای بازارها یا برنامه‌های خاص بهینه شده‌اند.
همانطور که Lattice Semi با خط Nexus کم مصرف خود موفق بوده است، این دسته تنها یک سوم کل بازار FPGA را نشان می دهد. یک سوم دیگر متعلق به چیزی است که FPGA های میان رده نامیده می شوند، که عملکرد بیشتری نسبت به برادران کم مصرف خود دارند، اما برای اجرا به انرژی بیشتری نیاز دارند.
آخرین حرکت Lattice Semi آنها را با خط جدیدی از FPGA ها به نام Avant وارد این بازار میان رده می کند. این تراشه‌های جدید نسبت به خط Nexus 5 برابر افزایش ظرفیت، 10 برابر افزایش پهنای باند و 30 برابر افزایش عملکرد را ارائه می‌دهند. نکته مهم این است که تراشه‌های آوانت جدید با تمام نرم‌افزارهای موجود این شرکت کار می‌کنند، این انتقال را برای مشتریان فعلی آسان می‌کند و به آنها اجازه می‌دهد تا از کارهای توسعه نرم‌افزار خود استفاده کنند.
از منظر رقابتی، Lattice Semi ادعا می کند که عملکرد Avant 2 برابر سریعتر و 2.5 برابر مصرف انرژی بیشتر از تراشه های مشابه اینتل (Altera/Stratix) و AMD (Xilinx) است. تراشه‌های آوانت نیز 6 برابر کوچک‌تر از رقبا هستند، که به طور بالقوه آنها را قابل استفاده بر روی بردهای مدار و در طرح‌هایی می‌کند که دیگر تراشه‌های بزرگ‌تر نمی‌توانند در آن قرار بگیرند.
Lattice Semi می گوید قصد دارند طیف وسیعی از محصولات را به خط آوانت خود معرفی کنند (همراه با افزوده های جدید به Nexus). اولین تراشه Avant-E نام دارد و برای برنامه‌های محاسباتی لبه‌ای بهینه‌سازی شده است، اگرچه این شرکت به سرعت اشاره کرد که می‌تواند (و دارد) در انواع دیگر برنامه‌ها نیز استفاده شود.
پیشرفته ترین Avant-E 500 عملکرد 5 TOPS (عملیات ترا در ثانیه) را برای برنامه های مرتبط با هوش مصنوعی که با نرخ کلاک 350 مگاهرتز اجرا می شوند ارائه می دهد. در تئوری، این باعث می‌شود که برای اجرای برنامه‌های استنباط هوش مصنوعی در دستگاه‌های محاسباتی لبه‌ای مناسب باشد، زمینه‌ای که به نظر می‌رسد در نهایت کشش به دست می‌آید. Avant FPGA ویژگی‌های سخت‌افزاری خاص امنیتی را ادغام می‌کند و به طور بالقوه آنها را به گزینه‌ای جذاب‌تر برای برنامه‌های خاص یا طراحی‌های سخت‌افزاری نسبت به سایر شتاب‌دهنده‌های هوش مصنوعی بدون امنیت یکپارچه تبدیل می‌کند.
به طور بالقوه حتی جذاب تر این است که یادگیری عمیق هوش مصنوعی و الگوریتم های شبکه عصبی که با چارچوب های یادگیری ماشینی محبوب مانند Pytorch، Caffe، TensorFlow و غیره ساخته شده اند، می توانند برای کار بر روی این تراشه های جدید با استفاده از آخرین نسخه پلتفرم نرم افزار SenseAI Lattice پورت شوند.
نرم افزار Lattice Semi اساساً می تواند خروجی چارچوب سطح بالا را وارد کرده و آن را به دستورالعمل های مورد نیاز FPGA ترجمه کند. این یک مشکل بزرگ است، زیرا تعداد کمی از سازندگان الگوریتم هوش مصنوعی تجربه زیادی با FPGA دارند – تراشه هایی که قبلاً تا حدودی بدنام بودند و نوشتن نرم افزار برای آنها بسیار دشوار بود – به این معنی که تعداد زیادی برنامه نویس و برنامه های جدید وجود دارد که می توانند از خط قدرتمندتر Avant استفاده کنند. .
توجه به این نکته مهم است که FPGA ها لزوما برای هر برنامه ای کار نمی کنند. با این حال، آنها یک راه حل بالقوه برای طیف گسترده‌تری از شرکت‌ها، دستگاه‌ها و برنامه‌های کاربردی نسبت به آنچه در حال حاضر ارائه می‌شوند، هستند، به‌ویژه در شرایطی که انعطاف‌پذیری و ارتقاء پذیری کلیدی هستند.
با معرفی Avant، Lattice Semi در حال رشد بازار بالقوه خود است و به یک ارائه دهنده FPGA کامل تر تبدیل می شود. رقبای بزرگی مانند اینتل و AMD مطمئناً به این دلیل از خود دور نمی‌شوند، بنابراین این شرکت باید به نوآوری خود ادامه دهد. با این حال، واضح است که آینده FPGA ها به طور کلی بسیار جالب تر به نظر می رسد.
Bob O’Donnell بنیانگذار و تحلیلگر ارشد TECHnalysis Research، LLC یک شرکت مشاوره فناوری است که خدمات مشاوره استراتژیک و تحقیقات بازار را به صنعت فناوری و جامعه مالی حرفه ای ارائه می دهد. می توانید او را در توییتر دنبال کنید @bobodtech.