芯片战争：世界最关键技术的争夺战(【美】克里斯·米勒；蔡树军译)

书: https://pan.baidu.com/s/1xhc2t938Uhd6HLI6pHjlVg?pwd=77ya
笔记如下：

1. FPGA架构核心：基于可编程逻辑块（CLB）、查找表（LUT）和布线资源实现硬件重构。
2. AI加速优势：并行计算架构适配矩阵运算（GEMM）、卷积神经网络（CNN）等高吞吐需求。
3. 量化技术：FP32→INT8/INT4模型压缩，提升资源利用率（DSP效率提高3-5倍）。
4. 流水线设计：数据流（Dataflow）任务级并行，实现低延迟推理（如5ms内目标检测）。
5. HLS开发：C/C++/OpenCL直接生成RTL代码，降低硬件开发门槛。
6. 专用优化：Winograd算法减少卷积计算量，脉动阵列（Systolic Array）优化数据流动。
7. 内存层级：BRAM缓存+数据复用策略减少外部存储访问，缓解带宽瓶颈。
8. 动态功耗管理：时钟门控（Clock Gating）和电压调节实现能效优化（10 TOPS/W）。
9. 异构计算：Zynq系列集成ARM核，CPU+FPGA协同处理控制与加速任务。
10. IP核复用：调用预置AI加速核（如Xilinx DPU）快速部署ResNet/YOLO等模型。
11. 边缘计算：无人机/工业质检场景中，FPGA低延迟特性优于GPU。
12. 数据中心应用：微软Catapult项目加速Bing搜索，AWS F1实例支持定制化推理。
13. 自动驾驶适配：激光雷达点云处理的确定性延迟满足实时性要求。
14. 新兴架构：Xilinx Versal AIE引擎、Intel Agilex BF16支持强化AI算力。
15. 工具链生态：TVM/Vitis AI编译器优化模型部署，开源工具（Verilator）降低开发成本。
16. 安全机制：比特流加密保护IP，对抗侧信道攻击（如功耗分析）。
17. 对比GPU：FPGA在能效比（TOPS/W）和延迟确定性上占据优势。
18. 对比ASIC：FPGA灵活性适合算法迭代，ASIC适合量产固化场景。
19. 开发实践：PYNQ等开发板快速原型验证，Vivado分析时序关键路径。
20. 行业趋势：FPGA+AI向边缘智能、可重构计算（CGRAs）方向演进。