讓FPGA替代GPU，你會有怎樣的顧慮？

　　這幾天，已經(jīng)退役的AlphaGo又強行刷了一波頭條，不是又跟哪位世界高手對決，而是“新狗”通過無監(jiān)督式學習，僅用3天時間就戰(zhàn)勝了李世石版的AlphaGo，然后用了21天時間戰(zhàn)勝了柯潔版本AlphaGo。AlphaGo讓我們真真切切地看到了AI計算的強大。

　　目前，在AI計算平臺使用最廣泛的兩種加速部件是GPU和FPGA。GPU可適用于具備計算密集、高并行、SIMD(SingleInstructionMultipleData，單指令多數(shù)據(jù)流)應(yīng)用等特點的深度學習訓練模型領(lǐng)域，并且GPU創(chuàng)建了包含CNN、DNN、RNN、LSTM以及強化學習網(wǎng)絡(luò)等算法在內(nèi)的應(yīng)用加速平臺和生態(tài)系統(tǒng)。

　　但是，最近FPGA又頻頻被各AI領(lǐng)域的巨頭看好，比如微軟、百度、科大訊飛都對FPGA應(yīng)用前景有所期待。那么如果讓你選擇FPGA作為AI計算系統(tǒng)的主力軍，你會有什么樣的顧慮?

　　顧慮一：FPGA有啥優(yōu)勢?什么樣的場景更適合FPGA?

　　首先，深度學習包含兩個計算環(huán)節(jié)，即訓練和推理環(huán)節(jié)。GPU在深度學習算法模型訓練上非常高效，但在推理時對于小批量數(shù)據(jù)，并行計算的優(yōu)勢不能發(fā)揮出來。而FPGA同時擁有流水線并行和數(shù)據(jù)并行，因此處理任務(wù)時候延遲更低。例如處理一個數(shù)據(jù)包有10個步驟，F(xiàn)PGA可以搭建一個10級流水線，流水線的不同級在處理不同的數(shù)據(jù)包，每個數(shù)據(jù)包流經(jīng)10級之后處理完成。每處理完成一個數(shù)據(jù)包，就能馬上輸出。通常來說，F(xiàn)PGA加速只需要微秒級的PCIe延遲。當Intel推出通過QPI快速通道互聯(lián)的Xeon+FPGA之后，CPU和FPGA之間的延遲甚至可以降到100納秒以下。

　　其次，F(xiàn)PGA是可編程芯片，算法燒錄更加靈活。目前來看，深度學習算法還未完全成熟，算法還在迭代衍化過程中，若深度學習算法發(fā)生大的變化，F(xiàn)PGA是軟件定義硬件，可以靈活切換算法，快速切入市場。

　　未來至少95%的機器學習計算都是用于推斷，只有不到5%是用于模型訓練，而FPGA正是強在推斷。大幅提升推斷效率的同時，還能最小限度損失精確性，這正是FPGA的強項。

　　顧慮二：FPGA的計算性能能不能滿足我的需求?

　　與CPU和GPU不同，F(xiàn)PGA是一種典型的非諾依曼架構(gòu)，是硬件適配軟件的模式，它能夠根據(jù)系統(tǒng)資源和算法特征靈活的調(diào)整并行度，達到最優(yōu)的適配，因此能效比高于CPU和GPU。

　　以浪潮F10A為例，這是目前業(yè)界支持OpenCL的最高密度最高性能的FPGA加速設(shè)備，基于Altera的Arria10芯片，單芯片峰值運算能力達到了1.5TFlops，功耗卻只需35W，每瓦特性能達到42GFlops。同時，F(xiàn)10A設(shè)計為高密度的半高半長PCI-E插卡，同時具有靈活的板卡內(nèi)存配置，最大支持32G雙通道內(nèi)存，是業(yè)內(nèi)同等FPGA卡內(nèi)存容量的4-8倍。此外，F(xiàn)10A支持2個10Gb光口，可以實現(xiàn)數(shù)據(jù)直接從網(wǎng)絡(luò)到板卡處理，無需經(jīng)過CPU，大大減低了傳輸延時。

　　測試數(shù)據(jù)顯示，在語音識別應(yīng)用下，浪潮F10A較CPU性能加速2.87倍，而功耗相當于CPU的15.7%，性能功耗比提升18倍。

　　顧慮三：FPGA的開發(fā)周期得1年以上吧，這不能滿足我的業(yè)務(wù)上線需求?

　　傳統(tǒng)的FPGA的開發(fā)類似于芯片的開發(fā)，采用硬件描述語言(HDL)開發(fā)，HDL開發(fā)帶來的問題就會像芯片設(shè)計一樣周期會比較長，從架構(gòu)設(shè)計、到仿真驗證、再到最終完成，需要一年左右的開發(fā)時間。

　　但是互聯(lián)網(wǎng)的業(yè)務(wù)迭代速度極快，在幾個月時間內(nèi)就可能完成龐大用戶群的積累，因此業(yè)務(wù)對于數(shù)據(jù)中心的要求是“快”—計算力平臺的升級要盡量快地滿足業(yè)務(wù)的發(fā)展，因此FPGA的傳統(tǒng)開發(fā)模式動輒以半年或年為單位的開發(fā)周期難以滿足需求。

　　為此浪潮嘗試通過OpenCL高級語言開發(fā)方式，它把底層的硬件如總線、IO接口、訪存控制器等和底層軟件如驅(qū)動、函數(shù)調(diào)用等全部封裝，變成標準單元提供上層支持，用戶只需要關(guān)注算法本身，OpenCL開發(fā)的邏輯通過編譯工具直接映射到FPGA中，開發(fā)周期從至少1年縮短至4個月以內(nèi)。

　　顧慮四：對于O經(jīng)驗的公司，怎樣快速上線FPGA應(yīng)用?

　　或許你還是有些顧慮，即時開發(fā)效率大幅提升、開發(fā)周期大大縮短，但是對于技術(shù)和團隊儲備不足的中小型AI企業(yè)來說，F(xiàn)PGA仍是“高不可攀”的AI加速部件。如果，有一種方案能夠?qū)④浖⑺惴ê陀布蹇ㄕ?，以軟硬一體化的形式，提供FaaS(FPGAasaService)服務(wù)。你還有什么顧慮么?

　　目前，浪潮正在針對市場上需求最迫切的幾種應(yīng)用場景進行算法的移植開發(fā)，在圖像壓縮、文本數(shù)據(jù)壓縮及神經(jīng)網(wǎng)絡(luò)加速等應(yīng)用開發(fā)出業(yè)界領(lǐng)先的IP，省去客戶的算法開發(fā)周期，最小化FPGA落地門檻、最大化FPGA落地效率。

　　神經(jīng)網(wǎng)絡(luò)加速方案：基于浪潮F10A的AI線上推理加速方案，針對CNN卷積神經(jīng)網(wǎng)絡(luò)的相關(guān)算法進行優(yōu)化和固化，可加速ResNet等神經(jīng)網(wǎng)絡(luò)，能夠應(yīng)用于圖片分類、對象檢測和人臉識別等應(yīng)用場景。

　　實測數(shù)據(jù)顯示，在進行ResNet殘差網(wǎng)絡(luò)的圖片識別分類任務(wù)時，浪潮F10A加速方案圖片處理速度可達每秒742張，Top-5識別準確率達到99.6%，相比同檔次GPU能效比提升3倍以上。而與通用CPU對比，在處理這種高并行、小計算量的任務(wù)時，F(xiàn)10A的優(yōu)勢將更明顯。

　　WebP圖片轉(zhuǎn)碼壓縮加速方案：針對圖片數(shù)據(jù)的壓縮應(yīng)用，嵌入基于FPGA計算環(huán)境下的WebP編解碼優(yōu)化算法，通過充分利用硬件流水設(shè)計和任務(wù)級并行，大大提升WebP圖像壓縮編碼算法的處理性能，能夠?qū)崿F(xiàn)JPEG-WebP圖片格式的快速轉(zhuǎn)換，比傳統(tǒng)實現(xiàn)方式的整體處理效率平均高9.13倍左右，最高性能可比CPU提高14倍。

　　數(shù)據(jù)壓縮加速方案：為解決傳統(tǒng)壓縮架構(gòu)的弊端，浪潮GZip算法加速方案充分利用板卡硬件流水設(shè)計和任務(wù)級并行，大幅提升了壓縮任務(wù)的吞吐量并有效降低CPU的負載，壓縮率(壓縮率=1-壓縮后文件/壓縮前文件)最高可達94.8%，壓縮速度達到1.2GB/s，10倍于傳統(tǒng)方案的壓縮效率。

　　顧慮五：我是做云的，F(xiàn)PGA咋管理?支持虛擬機么?

　　FaaS不僅僅是指板卡與軟件算法的一體化服務(wù)，同時還可以支持公有云及在線遠程管理和更新。浪潮FPGA解決方案能夠支持動態(tài)邏輯的在線可重構(gòu)、靜態(tài)邏輯的遠程更新，并且通過優(yōu)化的監(jiān)控管理機制，提升板卡遠程監(jiān)控管理的可靠性，通過它們可以實時的監(jiān)控FPGA芯片的溫度、板卡風扇轉(zhuǎn)速、板卡內(nèi)存特性等從而調(diào)整FPGA的工作頻率。

　　同時浪潮FPGA也支持虛擬機的直接訪問，板卡本身也加入了很多RAS(可靠性、可用性、可擴展性)特性，如高可靠內(nèi)存訪問等，支持并行(FPP)和串行(AS)雙加載模式，任何一種模式加載出現(xiàn)故障，都可以快速切換到另一種模式加載，保證了板卡大規(guī)模服務(wù)的可用性。

　　有了這些特性，就可以利用浪潮FPGA方案，快速搭建FPGA云所需要的基礎(chǔ)底層計算平臺，不論是對外提供公有云服務(wù)，還是對內(nèi)實現(xiàn)FPGA計算力快速分配都能夠既高效又可靠。

　　顧慮六：我可不想當小白鼠，有誰用過了?

　　對于FPGA這種新興的AI計算設(shè)備，“觀望”往往是明智的選擇，畢竟不是每家公司都想要作為新技術(shù)的小白鼠，而當有第一個吃螃蟹的人出現(xiàn)后，“跟進”則成為“飛豬”的必然之路。

　　目前，浪潮FPGA已經(jīng)在百度、阿里巴巴、騰訊、網(wǎng)易、科大訊飛取得批量的落地應(yīng)用或深度測試，F(xiàn)PGA在人工智能線上推理的能效優(yōu)勢已經(jīng)得到大部分互聯(lián)網(wǎng)和AI公司的認可。

　　那么，F(xiàn)PGA可以應(yīng)用在哪些領(lǐng)域?我們可以聽聽騰訊云FPGA團隊負責人怎么說：

　　在機器學習領(lǐng)域、金融領(lǐng)域、大數(shù)據(jù)領(lǐng)域、基因檢測領(lǐng)域都存在比較大的數(shù)據(jù)量需要分析計算，這些是FPGA可以發(fā)揮高吞吐優(yōu)勢的領(lǐng)域。

　　網(wǎng)絡(luò)安全領(lǐng)域有更安全、更低延時的需求，這些場景也可以發(fā)揮FPGA低延時的優(yōu)勢。

　　超大規(guī)模圖像處理，這些圖片的處理都使用FPGA來進行處理加速，都可以得到滿意的效果。

　　現(xiàn)在比較熱門的自然語言處理和語音識別這些也都是FPGA可以發(fā)揮優(yōu)勢的場景。

　　當FPGA成為一種計算力服務(wù)，有著高效的硬件、成熟的IP和云化管理，你還在顧慮什么?

　　浪潮擁有國內(nèi)領(lǐng)先的FPGA軟硬件開發(fā)團隊，浪潮正聯(lián)合Intel及BAT、科大訊飛、網(wǎng)易等AI領(lǐng)先企業(yè)深入研發(fā)基于FPGA的通用系統(tǒng)方案，包括深度學習、網(wǎng)絡(luò)加速、存儲優(yōu)化等，并將方案推廣到其它應(yīng)用領(lǐng)域和客戶。未來，CPU+FPGA或許將作為新的異構(gòu)加速模式，被越來越多的應(yīng)用領(lǐng)域采用。