AI计算

在CES 2024上，AMD围绕在高性能计算领域，在人工智能（AI）领域的也是努力发功

本直播将为您详细介绍在 AI Benchmark 的测试中能达到90%以上的计算效率的 AI 芯片，以及如何使用 VCK5000 加速 AI计算的设计方法和设计资源。

在本次研讨会上，我们将详细介绍如何在AMD Xilinx VCK5000加速卡上实现超高效率的 AI 以及其他全线计算加速。

9月25日，米尔官方发布，其MYD-CZU3EG开发板在原产品的基础上搭载了Xilinx深度学习处理单元DPU，该部分新功能的增加可以极大的提升产品数据处理与运行效率，为AI应用落地提供完整支撑，帮助用户实现更为快速的产品开发和迭代。

相信您一定听说过基于FPGA的计算加速突然成为一个热门话题。你可能还听说过英特尔在几年前收购Altera超过160亿美元的消息。FPGA技术已逐渐的一个杀手应用程序。如今，随着摩尔定律的逐渐减缓。工程师寻找替代方法以更快的速度和更低的功耗处理更多数据，数据中心的控制正在酝酿着巨大的争夺战。

FPGA是加速许多类型计算工作负载的出色平台，特别是那些数据通路适用于大规模并行运算的工作负载。FPGA可以通过在硬件中实现重要的计算密集算法块来减少传统处理器，从而大幅减少延迟和（通常更重要的）功耗。

基于FPGA的加速的一大缺点是编程模型。为了从具有FPGA和传统处理器协同工作的异构计算系统中获得最佳性能，您需要一种方法来分解问题，将传统代码转换为适当的FPGA架构，并在精心设计的硬件配置中实现整体功能。除其他外，这需要FPGA设计方面的大量专业知识，以及将数据输入和输出这些FPGA加速器的总体策略，以及完成任务的存储器和存储架构。做到这一点并不是一件容易的事，并且有很多方法可以在整个过程中出错并最终从您的FPGA投资中获得很少的收益。