FPGA是一個很特殊的芯片，可能在2個月前，我還對它一無所知。我們熟知的芯片都是CPU，GPU，或者知道ASIC的概念。但實際上，FPGA已經走過了30個年頭，它目前已經成為一個包含各種先進電路，邏輯單元，接口，芯片封裝，制造等技術的“集大成者”。在硬件不斷發展的同時，FPGA的開發軟件和設計工具也在不斷迭代和更新。基于硬件描述語言HDL，抽象出HLS（High-Level Synthesis）（翻譯為高層次綜合？怎么聽起來都沉得別扭）技術，通過高層設計去隱藏很多底層邏輯和細節，讓FPGA的開發更加簡單。即使這樣，FPGA開發還是同CPU，GPU不一樣，它需要設計者在一定程度上了解FPGA的內部架構，這樣才能引導高層語言綜合工具睡時到優化的系統性能。

　　一：開發FPGA的痛點

　　首先，FPGA的體量非常大，大得驚人，英特爾最新的StraTIx10 GX 10M 有 433億只晶體管，1020萬個可編程邏輯單元，以及2304個可編程的I/O接口。這些數量龐大的晶體管組成了大量的可編程邏輯單元和查找表結構，大量運算單元，各種類型和大小的內存資源，高速串行I/O，多個嵌入式處理器，還有成百上午種不同功能的軟核和硬核IP。因為可編程，可以通過定制實現極高吞吐量和極低的功耗。

　　當這么多硬件資源都集成到了一個芯片上，用戶如何對這些硬件進行編程呢？

　　通常來說，我們要解決一個復雜問題，常用的辦法就是分解任務，我們需要劃分清楚哪些是在硬件上完成，哪些通過軟件完成。在FPGA，這種分解非常困難和復雜。例如：哪部分用編程邏輯（硬件），哪部分使用片上的芯片。如何合理分配片上內存，內不足時，如何優化……

　　如何降低FPGA的開發難度，EDA軟件一定要好用，所以，不管英特爾還是賽靈思，包括我了解的一個新創團隊，都會在EDA軟件團隊上做大力投入，甚至做EDA軟件開發的人員要多于FPGA本身的工程師數量。另外，業界也出現了大量的第三方公司，負責FPGA設計咨詢公司，IP提供商，外包公司等……，業務已經發展產生了很多特定的分工。

　　當前，FPGA還在進入更多的市場，比如：嵌入式應用，5G和汽車市場，這些領域中的大多數開發團隊都沒有FPGA相關的設計專業知識和經驗。而且，他們更多是純軟件開發，更多依賴于人工智能技術。這些也使得FPGA的開發難度被放大。

　　二：HLS——讓軟件工程師開發FPGA

　　HLS指的是通過EDA工具，將描述的邏輯結構轉換成低抽象級語言描述的電路模型的過程。

　　這里，我不得不再強調一下HLS的概念，因為記不住，搞不太懂。

　　High-Level Synthesis 簡稱：HLS 指的是將高層次語言描述的邏輯結構，自動轉換成低抽象級語言描述的電路模型的過程。有點象我們軟件領域講的 Java 語法在運行時，根據不同的機器翻譯成不同的機器字節碼。所謂高層次語言，通常指的是 C，C++，SystemC等，通常有點較高的抽象度，并且往往不具有時鐘或時序的概念，相比之下，諸如Verilog，VHDL，SystemVerilog等低層次語言，通常用來描述時鐘周期精準的寄存器傳輸級電路模型，這也就是當前ASIC或者FPGA設計最為普遍使用的電路建模和描述方法。

　　為什么要使用HLS？

　　1: 這是一個趨勢。因為集成電路的復雜度太高，已經逐漸超過人類可以手工管理的范疇。使用RTL代碼，代碼行過多，不現實。而使用C，C++ 等高層語言，可以將代碼縮至10%。

　　根據NEC2004年發布的研究，一個擁有100萬邏輯門的芯片設計通常要編寫30萬行RTL代碼。

　　2: 高層語言更善于復用，特別是對于IP的重用。

　　因為傳統的RTL的IP 往往需要定義固定的架構和接口標準，在IP重用時，需要大量的時間運行系統互聯和接口驗證。高層語言屏蔽了這些要求，轉而由HLS工具具體來負責完成。現代FPGA有大量的IP單元，這些IP有固定功能，一定需要大量復用。

　　3: HLS能幫到軟件和算法工程師參與主導芯片設計，這是因為HLS能夠屏蔽實現細節。對于硬件工程師，HLS也能幫助他們快速設計迭代，專注于性能，面積或功耗模塊，不用關注上層的算法實現。

　　我們在談HLS前，先看看RTL的發展：

　　通過描述寄存器到寄存器之間的邏輯功能描述電路的HDL層次。RTL級是比門級更高的抽象層次，使用RTL級語言描述硬件電路一般比門級描述簡單高效得多。這個時期，工程師們都在關注RTL。

　　HLS經過發展，產生了以C++ 為主的目標語言，從而被很多不少不了解RTL的工程師所接受。而且，HLS在性能上也近似RTL的水平。

　　到現在，英特爾，賽靈思，包括多倫多大學都推出了各自的HLS工具。

　　其中比較成功的工具是AutoPilot，

　　前端，它使用了LLVM的編譯器架構，能夠使用C，C++，OSCI SystemC等語言，使用llvm-gcc編譯器將高層語言模型轉換為IR，優化后，再根據具體的硬件平臺，生成RTL代碼。

　　AutoPilot在某些領域完勝人工優化RTL的結果。說明了HLS的潛力。

　　HLS的主流優化方法有以下幾種：

　　1: 字長分析和優化。

　　FPGA的一個最主要特點可以使用任意字長，所以 HLS工具也不需要拘泥于某種固定的長度。好處呢，對性能提升和面積縮減有幫助。

　　2: 循環優化

　　可以使用多面體模型來達成循環優化，可以幫助實現性能和面積優化，同時也能幫助提升內存的使用效率。

　　3: 對并行的支持。

　　RTL是可以直接實例化成多個運算單元并行執行的，C/C++ 一開始是順序執行，但后面也引入的并行支持。如：pthreads和OpenMP等多線程并行編程方法，以及OpenCL等針對GPU異桅系統進行并行編程的擴展。

　　作為HLS工具，一定要支持并行。比如：lgeup就整合了對pthead,OpenMP的支持。英特爾推出了OpenCL SDK，將其引和HLS，并生成FPGA硬件電路邏輯和CPU代碼兩部分，從而實現FPGA作為硬件加速模塊的快速開發。

　　盡管如此，HLS要完全替代人工的RTL建模，還有很長的路要走。對于FPGA而言，內存瓶頸是制約性能的關鍵要素，所以，如何有效利用片上和片外的各類存儲單元，是HLS的研究熱點。

　　P4 語言是實現SDN 的重要手段，所以，新型的FPGA開發工具，需要對P4進行編譯和支持。

　　三：商業級的開發工具

　　3.1  賽靈思ViTIs 開源開發工具

　　ViTIs花費了 1000人。年的開發工作量。

　　ViTIs的核心架構示意圖如下：

　　3.2 英特爾oneAPI

　　OneAPI 可以針對英特爾的所有芯片進行編程。

　　英特爾將旗下的芯片分成了SVMS四類：

　　標量架構（Scalar）：CPU

　　矢量架構（Vector）：GPU

　　短陣架構（Matrix）：AI芯片

　　空間架構（Special）：  FPGA.

　　四：業界看法

　　業界普遍認為，GPU之所以在人工智能獲得成功，很大程度上取決于對軟件和算法工程師的友好。而FPGA雖然在不斷擴展應用范圍，在性能和功耗上也不比GPU差，但是，它的編程仍然是以RTL開發為主，這對開發者并不算友好。

　　所以，FPGA在HLS上的發展和突破，可能是FPGA能否有更廣泛應用的最后一塊拼圖。

更多信息可以來這里獲取==>>電子技術應用-AET<<