2019年12月17日 | 赛灵思的Liam Madden对下一代无线基础设施的关注

我们正在创建用于支持基于云的物联网（IoT）的无线基础架构的许多方面中，必须在集中式和分散式计算之间取得平衡。 随着边缘计算越来越流行，我们应该在边缘上投入多少力量？ 我们可以在多大程度上依靠5G等先进的无线技术来减少硬件需求？

在最近于荷兰海牙举行的赛灵思开发者论坛上，我们采访了赛灵思执行副总裁兼公司有线和无线事业部负责人Liam Madden。 我们的讨论范围从云与硬件之间的平衡到下一代嵌入式设计。

记者：您如何看待无线基础架构与在边缘增加更多计算能力之间的平衡？

Madden：当您考虑无线基础设施和有线之间的重叠以及它们的交汇处时，我认为有两件事。 正如我所说，其中之一是，在您进入实际的网络本身之前，大多数当前的无线部署往往都有专有标准。 ORAN现在正在对它们进行标准化，以便在不同设备之间实现互操作性。 显然，这可以分解事物。 它还可以使您以不同的方式解决问题。 

我已经谈论了很多，我称之为电信数据中心，这本质上是使用商用服务器的概念，它需要进行大量的计算，然后您仍然必须进行位撞击等。 某些事情必须要做，我们认为我们的FPGA是理想的选择。 例如，有时天线之间回到所谓的分布式单元之间的连接称为前传。 再次，这主要是一种有线技术。

因此，结果是，在单个PCIE卡中，我们可以拥有该前传部件，再加上另一个执行很多L1处理的FPGA。 同样，我们看到的是，有线和无线技术之间存在很多重叠之处。 业界正在发生的事情之一就是，现在5G有望提供更大的带宽，这给宽带运营商施加了更大的压力，要求它们也提供更多的带宽。

因此，每个人都希望引起注意，并提供内容，从中获取收益。 现在，宽带运营商正在升级其设备。 因此，他们没有使用通过电缆广播的中央单元，而是使用了所谓的远程PHY。 因此，他们本质上将打包的数据发送到远程PHY，然后在本地，它们将在电缆的其余部分广播。 该技术实际上与无线技术非常相似。 它的工作频率在1到2 GHz之间。 就像我们之前所说的，它为5G网络使用了数字预失真。

因此，确实存在很多重叠。 唯一的区别是，我们实际上是通过电缆而不是在空气发送信号，除此之外，大多数技术都是如此，例如RFSoC也可以在该应用中使用。 基本上，我们不是在驱动功率放大器到天线，而是在驱动一根电缆。 因此，我发现有时候我们谈论的是有线组和无线组，事实证明它们之间有很多重叠之处。

我还想说，这是我们通常所说的无线和有线之间的人为区别，很多重叠，很多必须解决的常见问题，但从历史上看，它们一直是分开的。我认为，正如我们看到虚拟化正在发生的那样，我认为它们之间的区别将变得不那么明显。

记者：所以这是一个有趣的平衡，而您正面临这个平衡的问题。

Madden：对。 我们站在这两端，这确实令人着迷。 我认为，需要考虑的事情是，对于那些消耗大量带宽但只保留相对少量信息的事物，边缘是正确的处理方法，例如，如果您要做的是认出一张脸，您真的需要发送大量的数据流，只是为了找到一张脸吗？ 还是您在本地做，然后发送“我找到了脸”？

我认为真正有趣的是，当我们拥有数百亿个IoT设备时，如果他们所做的只是测量温度并将其发送回去，我认为还有很多必须做的工作。为此，需要进行很多本地处理，但是如果要做更多的工作，则要处理大量本质上无用的数据，从我的角度来看，将其运回数据中心似乎不是一个好计划。

我想它们将会混合。我认为没有一种解决方案能适合所有人。如果您查看整个服务器/客户端的内容，它已经绕圈了好几次。您现在说的是：“好吧，我可以在云上访问所有工具。那么，为什么要花这么长时间才能完成此演示文稿？”关于边缘处理与核心处理，这些处理本来需要低延迟。 我认为很多处理仍必须在边缘进行。 我看不出可以通过其他方式进行管理。

记者：一种不同的解决方法，融合已经持续了一段时间。 其中有些是物理融合，有些是软件中的功能融合。 您在哪些领域可以看到设备级别功能的下一个重大整合？

Madden:一个叫弗雷德·韦伯（Fred Weber）的人说，“整合还是被整合”，他曾经是AMD的首席技术官。 因此，我的信念是，如果可以将其集成到硅中，它将与硅集成在一起，因为最终从功率和总体成本的角度来看，它是最低的电源解决方案，并且可能是最低的成本，尽管对此有很多争论。

如您所知，我个人的观点是，我们生产多芯片器件，但是我们这样做是出于非常特定的原因。我一直坚信，作为我们集成RF的原因之一，是获取数据，对其进行序列化，通过接口发送数据，对其进行反序列化的想法并没有多大意义。

当您考虑要集成的功能类型时，我们在哪里思考，这将朝什么方向发展？ 从哲学上讲，我同意集成商的观点。 我认为从成本和功耗的角度来看，这是最有效的处理方式。

现在有几个例外，第一个例外是高密度内存DRAM。 我们已经看到了HBM。 您可能对HBM很熟悉，为了提高带宽并降低高密度内存的功耗，他们将它们放在同一封装和插入器中。

这是我们几年前用于集成超大型设备的技术。 我们与台积电一起使用的中介层技术也已启用，这很有趣。 这就是我认为将要进行的工作。 尽管可以在完全相同的硅片上安装DRAM，但这并不划算。 原因是用于DRAM的模具开销也将充入所有其他晶体管。 那不是一个好的生意模式。 人们尝试制作嵌入式DRAM已有很长的历史，并声称这样做具有成本效益，但他们从未真正做到这一点。 另一个不会集成的是光子学，这是我们面临的问题之一。

记者：甚至在隔离设备等应用中也不适合供电吗？

Madden:恩，所以，如果今天我们来看一下，我们将展示我们的112 Gb电SerDes。 尽管您可以构建速度是其两倍的产品，但功率效率却不存在。 您最好使用两个112而不是一个220或任何神奇的数字。

真正的意思是您现在必须行动，如果要超出几毫米的范围，则必须使用光学解决方案。 有些人谈论将光学解决方案放在一起。但是，关于光学有两件事。 一种是，激光必须是温度受控的。

从短期来看，我的感觉是可以改善我们用于芯片的封装技术，在那种封装环境中用于研发的资金相对有限。 而且，如果您尝试进行光纤连接以及此类操作，那么我认为是不合算的。 因此，我认为它们将是独立的程序包或非常紧密地结合在一起。 但是，这可能已经到了尽头。 某些高密度开关可能最终会在同一封装中具有光子学。

记者：堆叠式包装怎么样？ 每个人都在谈论3D封装。 例如，您实际上可以在层上放置一个单独的功能芯片。

Madden:那绝对是可行的。 问题是，哪些功能需要那么多的带宽？ 从功率的角度来看，如果将事物堆叠在一起，则功率只会增加通量。

记者：余热增加。

Madden:是的。如果您今天想看个示例，请看一下它们在处理图像传感器方面的工作。 他们现在完成3D堆栈的地方，我认为它们具有图像传感器，内存DRAM层，然后具有逻辑层。 我想索尼是在几年前做到的。 对于该应用，由于外形尺寸巨大，他们希望获得最大的图像传感器。 他们也有很多并行性。 就像他们希望大量数据进入逻辑区域。 这是一个很好的例子。

我确实认为这项技术会应用起来。 再次，您必须看一下……很多人来找我们说，“为什么我们不打包包装呢？”是同一回事。 我通常还有另一个问题：“为什么要打包？您要解决的问题是什么？” 我的意思是，如果您遇到带宽和电源问题，那是您的基本问题。 如果这是一个成本问题，而您认为它将降低成本，我不会做。 我认为这不会降低成本，而会变得更加复杂。

您将在认知方面遇到问题，有人将不得不测试不同的组合。它们是可解决的。 但是，这需要付出一定的代价。 您必须非常仔细地研究该方程式。 

但是最终，客户对我实际生产它所花费的成本更感兴趣，这是一个很难平衡的经济方程式。 因此，我认为目前这是一个大辩论。 我认为，如果您回顾一下我们过去所做的事情，那么很多人都说，我们构建模具的方式在所有其他方面都行不通。 在过去的九年左右的时间里，它都运行良好。 我们一直在这样做，我认为它将继续这样做。

很高兴看到其他公司（例如AMD）也接受了相同的想法……因为，它们本身是自给自足的，但是当您需要更多功能时，只需将它们堆叠起来。 我认为这是一个非常有力的概念，当然，您首先要赢得与标线的斗争。

记者：现在，当我们考虑整个迁移前移和应用程序空间时，您认为下一个大问题是什么？

Madden:哦，这是一个很好的问题。 有一些默认答案。 大家都在谈论量子计算，这将彻底改变事物。 我认为量子计算可能会解决一类问题。 我认为这不是最广泛的课程。我们从开始使用CPU开始，然后慢慢添加GPU，然后添加视频处理。 但是，我们很少留下一整个。

我觉得只有一种技术可以适用所有人，这是不太可能的。 我认为，展望未来，它最终将只是可添加的。 我认为量子计算的最大问题是，似乎最能解决问题的一类问题是输入数量少，输出数量少。

因此，进行加密或其他方式，您只需要输入有限的位数，事情就可以解决，而另一端的结果却很小。 这类问题，我们在世界上没有太多问题。 所以，这是我认为很多人都谈论的一件事。 我认为这是一个引人入胜的领域。

而且，我总是说，当您正在使用的新技术变得如此困难，您都将转向新技术。除此之外，我确实认为我们才刚刚开始AI机器学习之旅。 我认为这一切都不会结束。 我认为今天采用的形式取决于它最初在2012年开发的GPU。

因此，我认为人们对此的想法可能与此相同。Victor（赛灵思首席执行官）谈到了神经网络的东西。 我觉得这很有趣。 

当我现在与客户交谈时，客户总会说“成本，成本，成本”，现在说：“好吧，如果您无法达到此功率水平” 没关系。” 因此，这是一个持续存在的问题。 我确实认为架构将集中于力量所在。如果您看一下执行加法的能力与获取指令所需的能力之比，大概消耗了10％的电量。 也许，甚至比那还少。

马克·霍洛维茨对此做了很好的研究。他分解了所有要素。 但是，最昂贵的是内存。 而最昂贵的是从芯片外转到内存。 它比芯片上的能量多几个数量级。 因此，我认为特定于特定体系结构的领域确实是我们对Versal所做的。

我们的功耗比许多其他解决方案低得多的原因之一是，因为我们拥有分布式内存。 并且，分布式存储器非常适合诸如机器学习之类的事情。 再次因为如果您有很多延迟，您将在本地进行。 您不想每次都将它们交换进来并交换出去。 因此，我认为这些类型的事情会随着时间的推移而发展。

我认为另一件事是摩尔定律的消亡，我很高兴地说，目前这几乎是最后一站。 新算法和体系结构是我们拥有的一些东西。

记者：材料呢？ 像氮化镓这样的先进半导体已经彻底改变了功率空间。

Madden:是的。 我在康奈尔大学做硕士的时候，就说过砷化镓将要替代硅。 到目前为止还没有做到。发现最新的材料与实际投入生产之间通常相隔10至15年的时间，所以，我看不到有很多有希望的好东西。

我很幸运，我生活在摩尔定律的黄金时代。 这就是为什么Versal是一种新架构。 它是在考虑到这一点的基础上构建的。 仅仅扩展旧内容就不能很好地工作了。 您必须重新考虑如何使用功能模块。 您如何将它们提供给其他类型的引擎。 您必须这样考虑。 这就是为什么我说架构可能是我们所看到的。 现在，许多人将其视为计算机体系结构的复兴。

我认为这实际上是行业中非常有趣的时期。 但是，我认为人们必须比过去20年更加辛勤工作。