边缘计算迎来“量子飞跃”!支持抗量子密码,AMD推出FPGA新系列

3月6日,AMD宣布推出AMD Spartan™ UltraScale+™ FPGA系列,这是AMD成本优化FPGA和自适应SoC广泛产品组合的最新成员。

图片

距离1月22日,AMD推出业界首款符合VESA DisplayPort 2.1标准的FPGA和自适应SoC实现,也才过了一个多月的时间。

Spartan UltraScale+器件为广泛的边缘I/O密集型应用提供了成本和节能性能,在采用28纳米及更低工艺技术的FPGA中提供了业界最高的I/O与逻辑单元比率,与上一代相比,总功耗降低了30%,并包含AMD成本优化产品组合中最强大的安全功能。

图片

Spartan UltraScale+ FPGA针对边缘进行了优化,提供高I/O数量和灵活的接口,使FPGA能够与多个设备或系统无缝集成并高效连接,以应对传感器和连接设备的爆炸式增长。

该系列提供业界最高的I/O与逻辑单元比率的FPGA,采用28纳米及以下工艺技术构建,具有多达572个I/O和高达3.3V的电压支持,可实现边缘传感和控制的任意连接应用程序。经过验证的16纳米结构和对各种封装的支持(从小至10x10毫米),在超紧凑的占地面积中提供高I/O密度。广泛的AMD FPGA产品组合还提供了可扩展性,从成本优化的FPGA开始一直到中端和高端产品。

另外,Spartan UltraScale+ FPGA提供AMD成本优化FPGA产品组合中最先进的安全功能。

图片

1)保护IP:通过NIST批准的算法支持抗量子密码,提供最先进的IP保护,抵御不断发展的网络攻击和威胁。物理不可克隆功能为每个设备提供了唯一的指纹,以提高安全性。

2)防止篡改:PPK/SPK密钥支持有助于管理过时或受损的安全密钥,而差分功耗分析有助于防止旁道攻击。这些设备包含永久性的篡改惩罚,以进一步防止误用。

3)最大限度地延长正常运行时间:增强的单事件翻转性能有助于快速、安全的配置,并提高客户的可靠性。

AMD Vivado™设计套件和Vitis™统一软件平台支持整个AMD FPGA和自适应SoC产品组合,使硬件和软件设计人员能够利用这些工具的生产力优势,并通过单个设计人员驾驶舱从设计到验证包含IP。

AMD Spartan UltraScale+ FPGA系列采样和评估套件预计将于2025年上半年推出。文件现已推出,并于2024年第四季度从AMD Vivado设计套件开始提供工具支持。

AMD自适应和嵌入式计算事业部公司副总裁Kirk Saban表示:“25年来,Spartan FPGA系列帮助人类取得了一些最伟大的成就,从挽救生命的自动除颤器到推进人类知识边界的CERN 粒子加速器”。“Spartan UltraScale+系列基于经过验证的16纳米技术,增强的安全性和功能、通用设计工具以及较长的产品生命周期进一步增强了我们市场领先的FPGA产品组合,并强调了我们为客户提供成本优化产品的承诺。”

图片

图片

AMD与研华是长期合作伙伴关系,后者一直在推动边缘计算演进。特别是,利用AMD在处理器方面的领先技术能力,将帮助研华持续增强其高性能边缘计算解决方案,并制定满足客户和市场未来需求的强大产品路线图。

“通过结合AMD的CPU处理器技术、赛灵思的FPGA专业知识以及研华在嵌入式行业40年的经验,双方将进一步优化高级计算应用的工作效率。”研华嵌入式物联网平台事业群高级经理廖世强表示。

图片

研华是工业物联网领域的全球领导者,不断增强其边缘计算解决方案。研华与合作伙伴AMD合作,提供先进的处理核心,推动行业走向高性能计算,帮助赋能多样化的嵌入式和AIoT应用,加速边缘计算革命。

此外,研华预计人工智能驱动的个人电脑将在未来三年发挥关键作用。该公司计划推出更多基于AMD的硬件AI加速解决方案,以继续拓展多元化的AI和高性能计算市场。

图片

根据分析公司MarketsandMarkets Research Pvt Ltd的最新研究,全球边缘计算市场预计将从2023年的536亿美元快速增长到2028年的1113亿美元市场规模,复合年增长率(CAGR)为15.7%。

图片

同时,Gartner公司预测,到2025年,大约75%的企业数据将在数据中心/云之外的边缘生成和处理,进一步强调了在边缘实施高性能计算的必要性。

廖世强预计,未来5到10年,为了实现先进的高端应用,对边缘计算性能的需求将显着增加。这将推动硬件需求符合更高的计算性能、更高效的多任务处理能力、更高的数据传输带宽以及人工智能辅助实时决策的需求。

尽管对高性能边缘计算的需求不断增长,但客户仍面临现有产品的局限性,无法满足高级应用程序的计算需求。

针对这一问题,研华在边缘计算的基础上提出了“高性能边缘计算(HPEC)”的概念。

研华的HPEC系列进一步以高密度处理器为核心,支持各种扩展接口和I/O、高带宽数据传输,并可支持或集成高端GPU、AI加速卡,可以满足边缘高性能计算日益增长的需求,其尺寸比传统服务器产品小30%至50%。

该系列包括采用AMD高性能处理器的工业主板AIMB-592和AIMB-523;系统模块(SOM)SOM-E780;以及高性能系统AIR-520。此外,研华还提供包括Edge AI SDK在内的软件解决方案,以加速应用集成效率。

图片

为了应对不断增加的边缘工作负载,“边缘计算”继续在嵌入式物联网(IoT)或人工智能物联网(AIoT)领域发挥关键作用。它进一步结合了人工智能和数据计算的进步,旨在将更高性能的计算(HPC)带到边缘。

边缘计算技术带来了几个好处。边缘计算无需将数据上传到云端进行处理和分析,缩短了数据生成、处理、分析和存储之间的距离。靠近数据源可以最大限度地减少数据流和延迟,降低安全风险,降低传输和管理成本,从而实现更高效的数据处理和操作。

另一方面,计算技术的进步和标准化的软硬件架构使系统变得更具可扩展性,提高了在各个应用领域大规模部署的灵活性,同时降低了采用新功能的门槛。如今,在人工智能的支持下,边缘计算将能够根据需求自动实时调整,提高准确性。

50多年来,AMD一直在推动高性能计算、图形和可视化技术的创新。针对目前整个电脑行业里最热门的话题AI PC,AMD也展示了自身在这领域研发方面的领先地位。

3月21日,AMD在众多合作伙伴、媒体和意见领袖的见证下举办了AI PC创新峰会,展示了其在中国AI PC生态系统中的发展势头。作为第一家将专用AI引擎、即NPU引入x86生态系统的公司,AMD目前已出货数百万套系统,并在市场上提供多样化的PC设计,AMD锐龙8040系列处理器为中国市场带来了领先的计算和AI体验。

图片

参考链接:

[1]https://www.indianweb2.com/2024/03/amd-launches-new-spartan-ultrascale.html#google_vignette

[2]https://www.eetasia.com/edge-computings-quantum-leap-advantech-high-performance-edge-computing-solution-accelerates-edge-evolution/

[3]https://community.amd.com/t5/adaptive-computing/amd-unveils-industry-first-fpgas-and-adaptive-socs-conforming-to/ba-p/658953

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/494068.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【pytest、playwright】allure报告生成视频和图片

目录 1、修改插件pytest_playwright 2、conftest.py配置 3、修改pytest.ini文件 4、运行case 5、注意事项 1、修改插件pytest_playwright pytest_playwright.py内容如下: # Copyright (c) Microsoft Corporation. # # Licensed under the Apache License, Ver…

前端埋点全解及埋点SDK实现方式

一、什么是埋点 所谓“埋点”,是数据采集领域(尤其是用户行为数据采集领域)的术语,指的是针对特定用户行为或事件进行捕获、处理和发送的相关技术及其实施过程。比如用户某个icon点击次数、观看某个视频的时长等等。 埋点…

Day22 LeedCode:235.二叉搜索树的最近公共祖先 701.二叉搜索树的插入操作 450.删除二叉搜索树的结点

235. 二叉搜索树的最近公共祖先 给定一个二叉搜索树, 找到该树中两个指定节点的最近公共祖先。 百度百科中最近公共祖先的定义为:“对于有根树 T 的两个结点 p、q,最近公共祖先表示为一个结点 x,满足 x 是 p、q 的祖先且 x 的深度尽可能大&…

openGauss增量备份恢复

openGauss 增量备份恢复 openGauss 数据库自 2020 年 6 月 30 日发布以来,很多小伙伴都提到“openGauss 数据库是否有增量备份工具?“这么一个问题。 在 openGauss 1.0.0 版本的时候,关于这个问题的回答往往是:“Sorry…”&…

ClickHouse10-ClickHouse中Kafka表引擎

Kafka表引擎也是一种常见的表引擎,在很多大数据量的场景下,会从源通过Kafka将数据输送到ClickHouse,Kafka作为输送的方式,ClickHouse作为存储引擎与查询引擎,大数据量的数据可以得到快速的、高压缩的存储。 Kafka大家…

免费SSL证书和付费SSL证书的区别点

背景: 在了解免费SSL证书和付费SSL证书的区别之前,先带大家了解一下SSL证书的概念和作用。 SSL证书的概念: SSL证书就是基于http超文本传输协议的延伸,在http访问的基础上增加了一个文本传输加密的协议,由于http是明…

【SQL】1633. 各赛事的用户注册率(COUNT函数 表达式用法)

题目描述 leetcode题目:1633. 各赛事的用户注册率 Code select contest_id, round(count(*)/(select count(*) from Users)*100, 2) as percentage from Register group by contest_id order by percentage desc, contest_id ascCOUNT()函数 COUNT函数用法&#…

每日一题 --- 链表相交[力扣][Go]

链表相交 题目:面试题 02.07. 链表相交 给你两个单链表的头节点 headA 和 headB ,请你找出并返回两个单链表相交的起始节点。如果两个链表没有交点,返回 null 。 图示两个链表在节点 c1 开始相交**:** 题目数据 保证 整个链式结…

【每日力扣】452. 用最少数量的箭引爆气球与763. 划分字母区间

🔥 个人主页: 黑洞晓威 😀你不必等到非常厉害,才敢开始,你需要开始,才会变的非常厉害。 452. 用最少数量的箭引爆气球 有一些球形气球贴在一堵用 XY 平面表示的墙面上。墙面上的气球记录在整数数组 points &#xff0…

Chronos: 将时间序列作为一种语言进行学习

这是一篇非常有意思的论文,它将时间序列分块并作为语言模型中的一个token来进行学习,并且得到了很好的效果。 Chronos是一个对时间序列数据的概率模型进行预训练的框架,它将这些值标记为与基于transformer的模型(如T5)一起使用。模型将序列的…

阿里云ubuntu服务器搭建可视化界面

连接终端 最好初始化服务器的时候 不要以root权限创建 否则会出错 1更新软件: sudo apt-get update2安装ubuntu desktop : sudo apt-get install ubuntu-desktop3 配置ubuntu desktop并重启: sudo apt-get -f install sudo dpkg-reconfigure ubuntu-desktop sudo reboot4 su…

【MySQL】13. 索引(重点)

1. 没有索引,可能会有什么问题 索引:提高数据库的性能,索引是物美价廉的东西了。 不用加内存,不用改程序,不用调sql,只要执行正确的 create index ,查询速度就可能提高成百上千倍。 但是天下没…

VMware ESXi部署macOS Monterey

正文共:1024 字 30 图,预估阅读时间:2 分钟 最早使用黑苹果是在2015年,装在了古老的Acer商务本上(老樹發新芽,acer tm 4750g裝黑蘋果);上次安装黑苹果是在两年前(VMware…

深入理解element-plus table二次封装:从理论到实践的全面指南

前言 在许多中后台管理系统中,表格占据着半壁江山,如果使用element plus组件库,那么少不了要用到table组件,可是table组件的功能过于基础,因此,我在table组件的实现基础之上进一步封装,从而实现…

Windows直接运行python程序

Windows直接运行python程序 一、新建bat脚本二、新建vbs脚本 一、新建bat脚本 新建bat批处理脚本,写入以下内容 echo off call conda activate pytorch python app.pyecho off:在此语句后所有运行的命令都不显示命令行本身,但是本身的指令是…

微信小程序的页面交互练习——实现比较两数大小功能

前提&#xff1a;配置好页面后 一、在wxml里面搭建好框架&#xff1a; <navigation-bar title"Weixin" back"{{false}}" color"black" background"#FFF"></navigation-bar> <scroll-view class"scrollarea"…

简单了解原型模式

什么是原型模式 区别于单例模式&#xff0c;原型模式的一个类可以有多个实例化的对象。 原型模式通过拷贝来产生新的对象&#xff0c;而不是new&#xff0c;并且可以根据自己的需求修改对象的属性。 实现Cloneable接口实现拷贝 而拷贝又分为浅拷贝和深拷贝&#xff0c;两者在…

大模型论文阅读:ADAPTIVE BUDGET ALLOCATION FOR PARAMETEREFFICIENT FINE-TUNING

大模型论文阅读:ADAPTIVE BUDGET ALLOCATION FOR PARAMETEREFFICIENT FINE-TUNING 论文链接:https://arxiv.org/pdf/2303.10512v1.pdf 当存在大量下游任务时,微调所有预训练模型的参数变得不可行。因此,为了以参数高效的方式学习预训练权重的增量更新,提出了许多微调方法,…

node.js项目初始化操作

项目环境Vscode 1.新建一个文件夹node.js(xx.js) 2.右键点击node.js&#xff0c;点击打开终端 我在VScode打开终端 输入npm init初始化项目没反应。 解决方法&#xff1a;进入文件夹node.js&#xff0c;出入cmd跳转到终端 重新输入npm init命令 正确结果如下图 后续命令按下…

酷开科技依托酷开系统用“平台+产品+场景”塑造全屋智能生活!

杰弗里摩尔的“鸿沟理论”中写道&#xff1a;高科技企业推进产品的早期市场和产品被广泛接受的主流市场之间&#xff0c;存在着一条巨大的“鸿沟”。“鸿沟”&#xff0c;指产品吸引早期接纳者后、赢得更多客户前的那段间歇&#xff0c;以及其中可预知和不可预知的阻碍。多数产…