我们正处于半导体乃至整个信息技术产业的重要转折点。
智能互联设备变得越来越普及，目前全球已经部署了数十亿台智能互联设备。这些智能设备存在于我们的手机、平板电脑、手表、家庭、汽车、城市和云端。在过去，智能设备是指有微控制器，运行某个软件的设备，如今的智能设备则需要执行类人任务。然而，处理器无法满足所需的工作负载需求，对新型计算平台的需求也随之诞生。
1. 三大趋势推动计算与架构转折
数据爆发性增长：
这意味着更多的存储器和更多的计算需要更接近数据，以实现更高的吞吐量和实时计算。
AI 时代到来：
正如 Mark Andreessen 在10 年前所预测的，从现在主导世界的公司来看，软件确实吞噬了世界。但如今，深度学习正在吞噬软件。因此，为提供适当级别的性能、时延和功率，器件需要包括异构计算引擎。
摩尔定律已经放缓：
单靠芯片技术改进已无法满足日益增长的计算需求。
在过去的几十年中，这已经引起了几波新计算架构浪潮：
第一波浪潮是 CPU 受益于芯片技术性能扩展的时代。这种简单的性能扩展随着 20 年前登纳德缩放比例定律（ Dennard Scaling ）的结束和摩尔定律的式微而结束。架构师必须更加努力地研究架构，从而实现性能提升。CPU 随后演进发展为多核架构，有效地将性能提升问题转移给软件开发者。
然而，这只是短暂的，因为阿姆达尔定律（ Amdahl’s Law ）严重限制了多线程软件的加速和效率。随后，业界开始使用应用专用加速器进行异构计算。但是像 GPU 这样的加速器有一些缺点。首先，它们的应用范围非常有限。其次，创新的速度最终还是超越了芯片设计周期，这意味着固定的硬件架构无法跟上最先进的算法。
自适应计算应运而生
赛灵思构建了自适应 SoC，使用户可以借助灵活的、能自适应任何计算架构的硬件来构建芯片。这将成为下一波计算浪潮。在自适应 SoC 的帮助下，用户可以针对最新技术（即使最新技术每隔几个月就会发生变化）构建特定领域架构（ DSA ）。依托深度学习，最新技术每两到三个月就会发生变化，而新的芯片从概念到专业生产则需要一到两年的时间。
举例来说，如果您在技术最先进的时候优化 ASIC 或 GPU 架构以实现 Resonant 50，那么，到芯片准备生产时，最新技术就已经迭代过五、六次了，这意味着您全新的 ASIC 或 GPU 从一开始就基本上无法达到最先进的水平。自适应硬件的强大之处在于，您可以在没有新芯片的情况下跟上创新的速度。
赛灵思平台
传统 FPGA 到自适应 SoC：FPGA 可对硬件进行编程。它们具有相对精细粒度的计算和存储器单元，可实现高效的定制设计。
Versal ACAP：Versal 自适应计算加速平台添加了更多异构子系统，如 AI 引擎，并且可以将其像构建流水线或数据流一样连接起来，通过利用正确的架构来实现所需功能，从而满足系统需求。
（12月7日13:30，Xilinx Adapt-中国站将举行开发者系列Vitis及AI专场，详细介绍 AI 引擎库，以及如何使用 Vitis Model Composer进行 AI 引擎开发）
从历史上看，软件开发者并没有真正接触到 FPGA，AI 科学家更是如此。然而，从几年前开始，赛灵思就一直在提升抽象层次（ Abstract Shell ），让软件和 AI 开发者都能使用 FPGA 和自适应 SoC。这就是赛灵思为此目的构建的开发堆栈，它包括以下开发工具：
Vivado
硬件设计师用于将定制硬件构建到 FPGA 结构中。
点击下图报名 Xilinx Adapt - 中国站专场：
Vitis 及 Vitis AI
软件开发者可利用前者构建软件可调用加速器，后者则可以帮助数据科学家用来加速 AI 推断。
点击下图报名 Xilinx Adapt - 中国站专场：
业界正进入自适应计算的新时代。这一时代开始让软件和AI科学家能够使用赛灵思自适应平台。在短短几年内，赛灵思已将抽象层次从RTL设计提升到软件和AI框架，现在又提升到特定领域专用的SDK，如Vitis视频分析SDK。而这一切，仅仅是一个开始。
在接下来的三场Xilinx Adapt-中国站开发者系列专场直播活动中，上述提及的内容都将一一与您深入展开和分享，期待您扫描二维码，预约赛灵思Xilinx Adapt 开发者系列专场直播活动。
