现代FGPA(现场可编程门阵列)已不仅仅是工程师可以随意定制的计算应用实时可编程芯片了。现代FPGA已经成了智能的、适应性极强的处理引擎了,这样的处理引擎对于新兴的机器学习和5G无线基础设施市场至关重要,原因是这些领域的发展和创新速度太快了。其他依靠FPGA技术推动创新的市场包括太空和卫星应用,但这两个领域在环境方面的要求则更严苛。Xilinx(赛灵思)今天宣布推出旗下新的20nm耐辐射Kintex UltraScale XQRKU060系列FPGA,该系列可望在诸多太空级应用的下一代设计中找到很好的定位。
尽管多家半导体OEM厂商已经在7nm(纳米)节点上推出了产品,而Xilinx新推出的Kintex UltraScale FPGA则采用了主力20nm工艺技术。20nm工艺听起来像是过气的芯片技术,但在太空方面,20nm工艺实际上是先进技术。太空级半导体芯片需具耐辐射性,必须使用高度可靠且经过验证的芯片制造技术。Xilinx的上一代太空级FPGA建在65nm节点上,新的20nm芯片技术将空间应用大幅推进了三代的工艺节点。简而言之,太空级部件不能够出故障、需要承受冲击、振动和辐射,同时体积要小包装要轻便,而且又要能提供高水平的计算和AI(人工智能)处理能力。 Xilinx表示,“ XQRKU060是业界唯一可以在无限太空轨道里真正的重配置解决方案。而且还能进行实时机载处理和机器学习加速,这些可以令卫星实时更新,能按需提供视频,并执行“及时”计算处理复杂的算法。”
太空级别Xilinx Kintex UltraSCALE耐辐射FPGA (图:Xilinx)
Xilinx 的Kintex XQRKU060在机器学习方面也是一流的,特别是边缘推理加速方面,这里的边缘或许可以说是“外太空”边缘。新型Xilinx XQRKU060可提供5.7 TOPs 尖峰INT8的性能并具有高度可扩展精度,内置密集的可编程逻辑阵列,数字信号处理(DSP)功能比上一代产品提高了10倍,还支持TensorFlow和PyTorch等机器学习开发工具。 Xilinx称,XQRKU060的机器学习吞吐量比上一代XQR5QV系列提高了近25倍。 Xilinx指,“XQRKU060的机器学习功能适用于解决各种问题,包括科学分析、对象检测和图像分类(例如云检测),可以提高处理效率并减少空间和地面决策延迟。”
此外,读者大可以想像得到,能在发射前及发射后在轨道上重新配置的功能很重要,是区分先进FGPA解决方案和普通解决方案的关键,原因是尖端的空间应用程序常常需要顺着各种曲线轨迹飞来飞去。换句话说,人工智能要能够学习、推断、分析,然后做出决定如何重新配置自身或交由工程师决定。这些听起来像是钢铁侠电影里的东西,是不是?
软件工具方面,Xilinx指XQRKU060会得到旗下成熟的Vivado设计套件的支持,Vivado套件同样也支持机器学习行业标准框架。另外,Xilinx旗下人工智能统一软件平台也有计划支持XQRKU060,芯片和生产级加速器板都会支持。
Xilinx指,20nm RT Kintex UltraScale太空级XQRKU060 FPGA(https://www.xilinx.com/products/silicon-devices/fpga/rt-kintex-ultrascale.htm)飞行元件将于今年9月下旬在MIL-PRF-38535规格设备里提供。
好文章,需要你的鼓励
创业公司Pythagora发布全新AI编程平台,通过14个专业AI代理实现从前端到后端的全栈应用开发。该平台支持开发者和非技术用户仅通过自然语言提示创建应用程序,涵盖规划、编码、测试、调试和部署全流程。与传统AI编程工具不同,Pythagora提供端到端解决方案,AI代理可自动处理前后端开发、API连接、数据库管理等任务,并具备专门的调试功能,让用户无需实际编写代码即可创建完整应用。
字节跳动联合浙江大学发布了ImmerseGen系统,这是一个能根据文字描述自动生成VR世界的AI工具。该系统采用轻量化代理和RGBA纹理技术,用AI代理协作完成从地形生成到物体布置的全流程,还能添加动态效果和环境音效。相比传统方法,它生成的场景效率提升数十倍,在移动VR设备上达到79帧流畅运行,为VR内容创作带来革命性突破。
Context公司推出AI驱动的自动驾驶平台,可同时启动数千个AI代理执行深度研究、数据分析和报告生成等工作。该公司与高通建立战略合作,支持AI代理在骁龙神经处理单元上本地部署,实现在用户个人电脑而非云端运行的AI自动化。平台类似中国AI平台Manus,通过大语言模型执行复杂任务,包括企业搜索、代码解释、文档生成等应用,已完成1100万美元种子轮融资。
慕尼黑大学研究团队开发了SwarmAgentic技术,这是首个能够完全自主生成智能体系统的框架,无需人工预设模板。该技术借鉴蜂群智能原理,让AI系统自己决定需要什么角色、如何分工协作。在旅行规划等六项复杂任务测试中,SwarmAgentic表现优异,在旅行规划任务上比现有最佳方法提升261.8%,展现了全自动智能体系统设计的巨大潜力。