Karl Wachswender 是 Lattice Semiconductor Corp. 的高级系统架构师，工业部门，该公司位于俄勒冈州，专门设计和制造低功耗场可编程门阵列（FPGAs）。
几十年来，边缘硬件设计遵循着一个直接的等级制度：最大化吞吐量，然后在此基础上管理电源和热量。原始计算能力是其他所有东西的基础。这种逻辑在边缘设备是静止的，环境是受控的，集中处理可以处理边缘无法处理的所有内容时是有意义的。然而，今天的工业环境中没有任何这些条件，旧的等级制度正在由于这一点而崩溃。工业设施操作员现在正在将AI驱动的自动化直接推到车间，要求在操作尽可能接近的地方进行智能、决定性的行动。这个志向是合理的。但是，将其转化为可靠的硬件，并在真正的工业条件下运行，需要从头开始重新思考芯片设计。新的约束等级全球工业边缘市场预计将从2025年的210亿美元增长到2030年的近450亿美元，随着这一增长，硬件需求看起来与历史上芯片设计师优化的内容根本不同。随着AI驱动的自动化从受控的测试环境转移到活跃的工厂车间，边缘部署的约束等级已经有效地反转： 电源现在占据首位。始终在线的操作需要灵活的控制模式来减少浪费和最小化部署边缘AI系统的相关支出。 热量和环境因素会大大影响性能。工业设施引入了环境极端，如高温和热节制，以及潜在的碎屑和湿气，这些都可能不可预测地降低功能性。 延迟和确定性在工业设施中发现的精度为中心的用例中至关重要，因为及时和准确的行动可以使成功和失败之间的区别。 原始吞吐量在这种范式中排名最后。虽然重要，但带宽和吞吐量在嵌入式能力良好的情况下不那么关键。关键处理和推理发生在设备上，减少了对集中处理系统的持续传输需求。 这些约束的反转要求设计师在设计工业边缘时采用一种新的方法，考虑到不仅仅是原始计算能力。找到“恰到好处”的东西例如，在开发环境中，设计工业机器人时，GPU可能就足够了。它们是高性能和高效的组件，可以快速、准确地处理大量数据。然而，这些过程发生在高度受控的环境中。工业设备通常安装在已经运行的设施中的遗留设备上。它们可能是移动的。电源、空间和热容量由环境预先确定，而不是由设备的需求决定。这只留下了芯片设计本身作为变量，一般用途的硅是填充这个角色的糟糕选择。它要么太僵化，要么太广泛，无法满足工业远端AI的特定、持续需求。例如，具有集成NPU的SoC为这些构建提供了一个中间立场，提供了低功耗能力和强大的确定性功能。然而，由于它们的设计针对间歇性功能在热量受限的环境中进行了优化，因此它们在要求苛刻的远端环境中往往会失败。突发推理专注的设计使它们成为工业设施更复杂现实的不可靠选择。为了使自动化工业操作成为现实，设计师需要一些介于两者之间的东西：能够填补广泛差距的芯片，但又足够具体以处理专用应用。FPGAs：更有能力的伴侣越来越多的边缘开发人员开始利用现场可编程门阵列（FPGAs）作为答案。关键是，FPGAs并不是作为GPU、CPU或其他集中处理选项的整体替代品。相反，它们作为伴侣芯片，位于主要处理器旁边，处理一般用途硅在现场条件下处理不良的任务：始终在线的传感器监控、实时预处理、确定性响应和电源门控。根据架构，这些伴侣设备可以位于GPU或CPU旁边，或者位于传感器本身附近，给设计师带来灵活性，以决定如何和在哪里卸载工作量。这种在伴侣角色中发挥作用的能力使FPGAs非常适合远端工业环境，在这种环境中，主要处理器需要被保护免受持续低级处理需求的压倒性影响。全球FPGA市场于2024年估计为116亿美元，预计到2033年将达到416亿美元，这一轨迹反映了工业和边缘部署中这种伴侣架构的日益增长的认可。作为伴侣芯片，FPGAs带来了一套直接解决反转约束等级的特定能力： 并行、数据流导向的处理，使设备能够在传输到集中计算硬件之前处理高级预处理。这减少了数据量，减轻了延迟，并确保了可靠的操作。 确定性推理能力，可以识别已知触发事件以实现关键场景中的实时响应。 基于逻辑的电源门控，使设备能够根据环境触发器（运动或其他变化）缩放能量使用，因此高需求过程仅在需要时才处于活动状态。 内置安全功能，允许FPGAs作为硬件根信任（HRoT）并帮助保护集中计算免受设备上发生的安全漏洞的影响，增加了对日益复杂系统的额外安全层。 虽然这些功能对于推进边缘AI能力至关重要，但FPGAs的多功能性最终使它们成为远端构建的最佳“问题解决者”。它们通常作为智能预处理器，处理实时、设备上的传感器融合，以减少数据传输需求并实现及时响应。它们的并行处理能力使它们能够快速整合和分析数据，并根据需要升级到更高功率处理器，或在危机中实时响应。由于FPGA可以独立处理这些较小的任务，因此集中计算保持更多带宽来处理实际传递的更复杂任务。此外，FPGAs按照设计是可重新编程的，因此系统管理员可以在工作负载、环境和需求发生变化时更新其边缘AI实现。使用FPGAs作为伴侣芯片的设备可以在无需更换硬件或重新部署的情况下随系统需求而演进。例如，它们提供了适应后量子密码学进展所需的灵活性，并使现有的密码算法无效。更好地合作工业边缘是AI驱动的自动化将证明其全部潜力的地方，现实世界的自动化需求并没有等待一般用途芯片赶上。边缘开发人员需要开始采用新的设计原则，并建立优化的基础，平衡灵活性和特异性。FPGAs可以做到这一点。在GPU和SoC达到极限时，FPGAs填补了空白，作为能够提供始终在线推理、确定性控制、低功耗操作和随着AI能力和工业用例的演进而增长的潜力的伴侣芯片。无论是独立部署还是与一般用途处理器配对，FPGAs都有助于为实现远端AI生态系统打造坚实、可靠和适应性强的基础。
