賽靈思SDAccel 環境能在FPGA 上提供類似CPU的開發與運行時間體驗，減輕數據中心設計負擔。

?

從支持中小機構運作的服務機房，到支持美國大型企業和提供云計算服務接入的企業級數據中心，數據中心在現代經濟中發揮著骨干作用。根據自然資源保護委員會的統計，數據中心是美國用電量最大、增長最快的用電大戶之一。2013 年美國數據中心估計耗電約910億千瓦時，超過紐約市全部居民用電的兩倍以上，而且到2020 年用電量有望達到1400 億千瓦時[1]。很明顯，降低用電對于擴展數據中心，提升可靠性和降低運營成本具有重要意義。

根據具體的服務器應用，數據中心各個不同。許多服務器長期不間斷運行，使得硬件可靠性和耐用性極為重要。雖然服務器可以使用商用計算機部件組裝，但關鍵任務型企業級服務器往往使用以硬件加速為目的的專用硬件，如圖形處理單元（GPU）和數字信號處理器（DSP）?，F在許多企業尋求使用現場可編程門陣列（FPGA），因為FPGA 是一種高度并行的架構，而且功耗相對較低。賽靈思的新款SDAccelTM 開發環境為開發人員提供了一種熟悉的CPU 或類似CPU 的環境，避免編程給FPGA 在此類應用中使用時造成的障礙。

提升性能功耗比

Amazon We b 服務、Google Compute、Microsoft Azure 和中國的百度等公有云（public cloud）擁有巨大的圖片庫，需要極快的圖像識別能力。在一個實現方案中，谷歌科技人員將16000 個計算機處理器連接為一個實體，創建出了一個極為龐大的機器學習神經網絡，然后投放到互聯網上，讓其自主學習。這項研究是新一代計算機科學的代表。這一代計算機科學以充分利用大型數據中心中的大量計算機集群的運算能力為目標。潛在應用包括讓圖像搜索、語音識別和機器語言翻譯能力邁上新的臺階。但是對數據中心設計而言，僅依靠充分利用CPU 并非是一種高能效的做法。要提高速度、降低功耗，還需要其他解決方案。

中國最大的搜索引擎百度借助于深度神經網絡處理技術來解決語音識別、圖像搜索和自然語言處理方面的問題。百度迅速判定，如果在在線預測中使用神經網絡反向傳播算法，FPGA 解決方案在降低功耗的同時，還能以比CPU/GPU 簡便得多的方式進行擴展[2]。

因在數據中心服務器的主機卡和線路卡中集成了FPGA，新一代28nm和20nm 高集成度FPGA 系列（如賽靈思7 系列和UltraScaleTM 器件）正在改變數據中心動態發展狀況。性能功耗比可以輕松達到CPU/GPU 的20倍以上，同時在某些應用中與傳統CPU 相比，時延可降低50 至75倍。

但是對FPGA 硬件資源有限或缺乏的開發團隊而言，由于需要使用RTL（VHDL 或Verilog）開發專業知識才能充分發揮FPGA 的性能優勢，因此過渡到FPGA 難度較大。為解決這一問題，賽靈思已引入開放計算機語音（OpenCLTM）作為減輕編程負擔的方法。

OpenCL代碼移植性

由蘋果公司開發并經Khronos 集團推廣的OpenCL [3] 有助于異構設計中的CPU、GPU、FPGA 和DSP 模塊集成。為增強用于編寫可在異構平臺上運行的程序的OpenCL 框架，賽靈思等業界領先的CPU、GPU 和FPGA廠商都在為這種語音及其API 的開發做出努力。

OpenCL 被CPU/GPU/FPGA 廠商、服務器OEM 廠商以及數據中心管理人員等日益廣泛地接受，說明各方都已經認識到一個嚴峻的現實：用于單處理器架構的C 語言編譯器在服務器機架內部只能實現小幅總體功耗降低，即便是在處理器采用低于20nm 的工藝技術并添加特殊省電狀態后依然如此。

OpenCL 是一種用于編寫可在由CPU、GPU、DSP、FPGA 及其它處理器構成的異構平臺上運行的程序的框架。OpenCL 包含基于C99 的編程語言和應用編程接口（API），以控制平臺和在目標器件上執行程序。OpenCL 使用基于任務和基于數據的并行機制提供并行計算功能。

SDAccel編譯器相對CPU性能提高10倍，且功耗僅為GPU的1/10。
? ? ?