现如今，所有行业都想和AI扯上关系。作为算力芯片之一的FPGA，自然也不例外。我记得之前已经总结过几次，但总觉得有些附会。最近半年，AI芯片的概念再次暴火，所以，想再总结一下。从纯技术角度看看。
一：FPGA在AI运算中的优势
1.1：近存运算
我记得这两年的AI芯片大会上，讲得最多的就是存算一体，或者说近存运算。
FPGA芯片内有很多的BRAM（还可以使用LUT搭建DRAM），这就可以构建高效的分布式内存，实现近存访问，减少远程内存访问，缓解内存墙的问题。
1.2：流式运算
大家都是冯氏架构，不断的读写内存，完成运算，这样的效率是很低的。
FPGA可以通过布局布线，将数据像流水一样在计算单元间流动，避免内存访问。
1.3：大量并行
GPU较快，是因为大量的并行，但FPGA的并行度可以更高，因为所有的并行都是可以通过配置来达成的。上百万的LUTS单元，FF单元，可以任意配置，形成任意多的并行运算流程。（当然，这是理论上，还得保证合理的时序）。
1.4：算法的粒度可变
多个计算单元可以组合形成粗粒度的管道，这样运算效率更高。注意，实际上就是减少了调度的成本。让数据的运算过程，通过管道的方式固化下来。
1.5：可适配迭代AI算法
人工智能时代，AI算法会不断推陈出新，对于硬件的算力和灵活度要求很高。
FPGA可适配迭代AI 算法，不管AI算法如何变化，因为FPGA可编程（硬件电路）。
总之，FPGA使用AI运算，可以按要求进行算法定制，并采用合理的粒度，大量并行的，像流水一样的，在计算中流动。
二：EDA的作用
FPGA 的能力，离不开强大的EDA工具。
要形成像流水一样的数据管道，依赖FPGA的强大的EDA工具，该工具不是简单的编译器，通过布局布线，获得足够多的并行，通过时序优化，保证运算的合理配合，
可以处理复杂的电路网表，并运算变成海量的并行，优化形成DataFlow & Streaming方式，形成高效的AI运算。
三：AI技术对FPGA的影响
那AI的兴起，对FPGA有什么深远的影响呢？
3.1：Fabric架构变化
为了提升FPGA对AI运算的支持，需要在Fabric架构层面调整计算颗粒度，
在细粒度逻辑单元和粗粒度专用模块（如DSP）间找到最佳平衡，实现高效矩阵运算。
优化级联：减少计算单元间的连接延迟，打造高效流水线。
3.2：有效的动态重配
提升资源利用率，适应AI模型多变的需求。
阶段性重配：在运行不同模型阶段时，快速切换硬件电路，最大化利用芯片资源。
目标：近似ASIC的效率，保留FPGA的灵活性。
3.3：提升数据搬运的瓶颈，增强Routing架构
增加高速数据通路：像修建高速公路，实现计算单元间的高速数据流动。
支持宽位数据：原生支持128/256位等宽数据总线，匹配AI数据流
3.4：降低开发门槛，进一步优化EDA工具
高级综合工具：让算法工程师直接参与硬件设计。
系统级协同优化：工具链能对AI应用进行全栈优化。
四：融合方案
实际上还是以前的建议，在AI方面，FPGA提供与其它芯片融合的方案，而不是独立完成AI运算。
其它内容，在我之前的几篇博客中已提到，这里就不用再写了，可参考：