如今，边缘采集的数据量十分庞大。据 Gartner 预测，到 2025 年，将有多达 75% 的企业数据会在传统数据中心以外生成[1]。
企业实施 AI 需要满足哪些要求？
为什么 FPGA 是 AI 实施的理想选择？
人的大脑中有近 1,000 亿个神经元。尽管这已经是个天文数字，但将这些神经元组织成为网络的神经连接数量更是达到了百万亿级，而神经连接的数量显著影响着大脑的能力。
FPGA 内的互连性就类似于人脑中的神经连接。FPGA 内的可编程逻辑结构也以类似的方式相互连接，这就是为什么 Altera FPGA 是神经网络和其他 AI 工作负载实施的理想选择。
在逻辑和线路互连的层面上，FPGA 的比特级动态可编程性就好比灵活的大脑，可以调整注意力，专注于当前的特定任务。此外，一直以来，FPGA 的外部 I/O 也具备其他硬件架构所不具备的出色灵活性，可以连接到雷达、音频、振动和视觉等各种来源的传感器。这些特性能够让信号实时进出 FPGA，达到可媲美人脑的高级智能水平。
Altera FPGA 早先的一些产品比如 Cyclone® 10 GX FPGA、Arria® 10 GX FPGA 和 Stratix® 10 GX FPGA 等，具备 I/O 灵活性、低功耗和低时延，本就可在 AI 推理上带来优势。
这些优势在三个全新的 Altera FPGA 和片上系统 (SoC) 家族的产品中又得到了补充，使得 AI 推理性能进一步获得了显著提升。这三个家族分别是 Stratix® 10 NX FPGA 以及 Agilex™ FPGA 家族的新成员：Agilex™ 5 FPGA D 系列和 Agilex™ 5 FPGA E 系列。这些 Altera FPGA 和 SoC 家族包含专门面向张量数学运算优化的专用 DSP 模块，为加速 AI 计算奠定了基础。
面向 Altera FPGA 和 SoC 的边缘就绪型 AI 工具套件
分布式 AI/机器学习边缘解决方案往往十分复杂，开发难度非常高。Altera 提供的开发工具和软件致力于推动开放标准并支持容器化和云原生开发，从而帮助开发人员简化工作流程并加速分布式边缘解决方案的部署。对于使用 Altera FPGA 和 SoC 进行 AI/机器学习应用开发的人员，可以使用以下开发工具。
2- 采用 Altera FPGA 实施 AI 加速器和额外逻辑，实现多功能 CPU 任务卸载。
3- 提取/内联处理 + AI。
4- Altera SoC FPGA 利用集成的 CPU（ARM 或 Nios® 处理器内核）充当 AI/机器学习加速器，直接提取并处理数据，实施 AI/机器学习推理，然后通过以太网网络将处理过的数据和推理传输至云端。
边缘 AI 用例
许多数据中心以外的终端市场都很适合采用 FPGA 来实现应用和 AI 计算功能所需的逻辑，从而支持在本地处理数据。这些终端市场包括：
点击了解更多 Altera FPGA 及边缘 AI 的内容
[1] 这些边缘设备都可以从 AI 功能中受益。
文章来源：Altera FPGA
