XCS30XLTMPQ208AKP【太航半导体】专注XILINX二十年

XCS30XLTMPQ208AKP【太航半导体】专注XILINX二十年

到针对语音和图像识别的AI推断，VersalPremium提供了高度集成的云就绪平台，为多元化的工作负载提供突破性能。具体到AI性能方面，VersalPremium系列在NeatNet50（224×224）图像分类模型下的性能是英伟达TeslaV100的1.6倍，是英伟达TeslaT4的2.3倍；在Yolov2（608×608）对象检测模型下，性能分别是英伟达V100和T4的4.6倍和7.7倍；在异常检测AI方面（随机森林算法），性能是英特尔Xeon的65倍。另外，存储器也是计算加速的一个重要瓶颈。VersalPremium系列不仅拥有1Gb的紧密耦合的存储器，可以改善性能，降低功耗和延时，同时内部还集成了LUTRAM、块RAM、UltraRAM。

XC4003PQ100

XC4003PQ100-6

XC4003PQ100CK

XC4003TM-5PC

XC4003TM-5PC84

XC4003TM-5PC84C

XC4003TM-6

XC4003TM-6PC84

XC4004A

XC4004A-5PC84C

XC4004A-5PG120C

XC4004A-5PQ160C

XC4004A-5PQ160I

XC4004A-6

XC4004A-6 PC84

XC4004A-6PC84C

XC4004A-6PQ160C

XC4004A-6PQ160I

XC4004A-6TQ144C

XC4004ATQ144-5C

XC400-4BG432C

XC4005

XC4005-15PG156C

作为VersalACAP的产品系列，VersalPremium系列可提供比当前FPGA高达三倍的吞吐量，且拥有高度集成的软件/硬件平台，内置了以太网接口、Interlaken和加密引擎，以打造快速、安全的网络。该系列还提供了当前部署主流FPGA两倍的计算密度，同时还面向持续扩展的多元化且不断演进的云工作负载及网络工作负载，提供了灵活应变的能力。具体来说，与之前的VersalPrime系列相比，VersalPremium系列在其原有的灵活多变的平台（集成了Arm应用处理器内核和实时处理器内核、自适应硬件、DSP引擎、高速片上可编程网络等等）上，突破性的集成了功耗优化的网络硬核（ASIC），包括：400G高速加密引擎、600GInterlaken硬核、600G以太网硬核、112GPAM4收发器、带有DMA的PCIeGen5&CCIX。

XC4005-3PC84C

XC4005-3PQ160C

XC4005-4/PQ160

XC4005-4PG156C

XC4005-4PG156M

XC4005-4PQ160C

XC4005-4PQ208C

XC4005-5

XC4005-5C/PQ160

XC4005-5PC84C

XC4005-5PC84I0090

XC4005-5PG156B

XC4005-5PG156B MXC

XC4005-5PG156C

XC4005-5PG156M

XC4005-5PQ100C

XC4005-5PQ160

XC4005-5PQ160C

XC4005-5PQ208C

XC4005-6

XC4005-6/PQ240

XC4005-6CB164B

包含多个模块化、异构的高性能多核CPU、AI和计算机视觉引擎，以及图形处理单元。数据显示，在L1/L2应用方面，实现30TOPS的性能；L2+/L3基于多颗SoC组合，预计在60-125TOPS之间，以及700TOPS/130W的L4/L5应用。这意味着在ADAS及自动驾驶领域，高通、英特尔（旗下Mobileye）以及英伟达三家芯片巨头再次齐聚，而高通的优势在于横跨通信（5G/V2X）、座舱信息、智能驾驶，从而可以提供真正全栈式的解决方案。对于Xilinx来说，这又是一个巨头级别的竞争对手。而在几年前，曾一度传出高通准备收购Xilinx，意图进军低功耗和高密度的CPU+FPGA数据中心异构计算市场。

XC4005-6PC84

XC40056PC84C

XC4005-6PC84C

XC4005-6PG156

XC4005-6PG156B MXC

XC4005-6PG156C

XC4005-6PG156M

XC4005-6PQ160

XC4005-6-PQ160

XC4005-6PQ160C

XC4005-6PQ160C

XC4005-6PQ160I

XC4005A

XC4005A TM-5PQ160C

XC4005A-3PQ160C

XC4005A-4PG156C

XC4005A-4PQ160C

XC4005A5PC84C

XC4005A-5PC84C

XC4005A-5PC84I

XC4005A5PQ160C

XC4005A-5PQ160C

XC4005A-5TQ144C

就听众关心一些问题：基因数据的特点？FPGA能够在基因组数据高性能计算中获得优异成绩的原因？怎样进行大量数据传输？怎样申请和购买使用GTX加速分析工具？GTX应用案例和主要领域？基于FPGA的基因分析开发等相关问题分别从技术细节和GTX应用方式和情景一一进行了解答，并表达了FPGA未来在生命科学高性能计算的更多应用展望，以及人和未来在该领域的规划。基因数据以数据量大、计算量大、数据间依赖关系复杂的特点，并且文件形式有其独特性，目前主流的做法是在拥有数量更多、性能更强的高性能处理器的计算机集群上，运用基于多线程技术的软件进行处理。但是，这种系统的缺点是：一方面，它在存储、功耗、技术支持和维护上的成本高。