异构融合计算技术白皮书（2023年）研读2

读到工业和信息化部电子第五研究所所做的《异构融合计算技术白皮书（2023年）》，我关注的重点是FPGA与异构计算。续前篇，前篇为第1和第2点。

3 异构计算技术困境

性能瓶颈，性能/灵活性矛盾，编程框架不统一
FPGA灵活性好，其功耗、成本高，实际落地案例少
（我的想法：从FPGA本质入手，功耗和成本能打下来吗？FPGA如果用到满，资源不浪费，是否提高竞争力？）

（FPGA厂商莱迪思：物联网太碎片化，开发AI芯片成本太高20190523第一财经：莱迪思 sensAI解决方案 1mW~1W 实时在线的人工智能 专注于边缘端 低功耗、小封装市场。
为什么FPGA是战略芯片 20230510 成电少年学FPGA 适合太空探索 长尾市场 不适合ASIC FPGA在太空上可以定期刷新回读）

（csdn上的一个文章《FPGA需要跑多快？影响FPGA计算性能的几大因素》作者Hack电子：FPGA作为可重构计算来加速CPU，如果和CPU跑一样快就没意思了，一般要比CPU快5倍才行。有可能FPGA算法升级的速度比不上CPU算法升级的速度，FPGA加速器做了无用功，比如数据压缩卡这样的功能，CPU直接带了还更便宜。静态控制逻辑，FPGA做计算就不希望靠参数确定怎么计算，而是希望一开始就定好，一个计算单位同时支持个位数和两位数平方计算就会很占资源，最好一开始就定）

（网上的一个文章《软件工具将GPU代码迁移到fpga以用于AI应用》20220602 software tools migrate GPU code to FPGAs for AI application人工智能软件初创公司Mipsology正与xilinx合作，使FPGA就能够仅适用一个额外的命令就可以替换AI加速器应用程序中的GPU，软件Zebra，xilinx的卡是Alveo U50，Alveo U200，Alveo U250。Mipsology公司的CEO拉祖尔 Ludovic Larzul。我们在FPGA上安装软件，使其透明，就像Nvidia为AI用户打造的Cuda CuDNN。Mipsology公司的核心团队来自于Zebu硬件辅助验证产品，属于EVE,被Synopsis收购。他们意识到GPU的缺点，比如寿命低,用2-5年，怕太阳暴晒，更耗电）

4 异构计算孤岛问题

不同的加速器的存储器和内存管理机制不同，数据访问、传输方式复杂
异构计算编程框架各异，为GPU编的代码无法在CPU、FPGA上运行。
计算领域热门课题，真正统一的、能满足所有硬件和应用需求的编程框架。
（我的想法：FPGA被软件直接操作可行吗，DDR接口有，通过某协议直接出来。FPGA工种：做IP核，是将来某SoC产品的硬件模块，用户直接用关键IP，总线，无线连接技术）
基于NOC的SoC，异构系统支持。
设备级融合技术（芯片间互联高速总线 PCIe，CXL，NVLink）
DPU为中心的计算架构，DPU主要是虚拟化、网络、存储、安全四类基础设施工作任务的集成加速平台。
DPU连DSA（DSA与FPGA有关）
FPGA算力计算复杂，考虑架构、时钟频率、并行度、逻辑单元数量。