ველზე პროგრამირებადი კარიბჭეების მასივი, ანუ FPGA (ინგლ. field-programmable gate array), არის კომპიუტერული ჩიპი, რომლის შიდა წრედიც ხელახლა შეიძლება გადაეწყოს ქარხნიდან გამოსვლის შემდეგაც. წარმოებისას ჩადგმული ფიქსირებული ლოგიკის ნაცვლად, FPGA იტვირთავს კონფიგურაციის ფაილს, რომელიც მისი პროგრამირებადი ბლოკების ბადეს კონკრეტული ამოცანისთვის საჭირო ციფრულ წრედად აქცევს. სწორედ ეს მოქნილობა — და ის სიზუსტით განსაზღვრული, წამის წილადებში გათვლადი დროული სტაბილურობა, რომლის გარანტიასაც ჩვეულებრივი პროცესორები ვერ იძლევიან — აქცევს FPGA-ს თანამედროვე AI აპარატურის ჩვეულ ნაწილად: მონაცემთა ცენტრების ამაჩქარებლებიდან რობოტების რეალურ დროში მომუშავე კონტროლერებამდე.

რა არის FPGA სინამდვილეში

უმეტესი ჩიპი ქარხანაშივე ფიქსირდება: CPU თუ GPU მზადდება კონკრეტული წრედების ერთობლიობით და მასზე მხოლოდ პროგრამული უზრუნველყოფის გაშვება შეიძლება, ამ ფიქსირებულ აპარატურაზე დაყრდნობით. FPGA განსხვავებულია. ის აგებულია ათასობით მცირე, იდენტური ლოგიკური ბლოკისგან, რომლებიც პროგრამირებადი „გაყვანილობის“ ბადეთია დაკავშირებული. ინჟინრები აღწერენ სასურველ წრედს — აპარატურის აღწერის ენების, მაგალითად VHDL თუ Verilog-ის მეშვეობით — და ეს დიზაინი გარდაიქმნება „ბიტურ ნაკადად“, რომელიც აკონფიგურირებს ჩიპის ბლოკებსა და კავშირებს ნამდვილ, დამკვეთის მიერ განსაზღვრულ წრედად. ბიტური ნაკადის ხელახლა დაპროგრამებით იგივე ფიზიკური ჩიპი სრულიად სხვა წრედად იქცევა.

Xilinx-მა, რომელიც 1984 წელს Zilog-ის სამმა ყოფილმა ინჟინერმა დააარსა, პირველი კომერციულად სიცოცხლისუნარიანი FPGA, XC2064, 1985 წელს გამოუშვა. ეს კატეგორია ათწლეულების განმავლობაში თანდათან იზრდებოდა ქსელებში, საავიაციო და სამრეწველო აღჭურვილობაში, სანამ AI-ის დატვირთვებმა მას ახალი სიცოცხლე არ შესძინეს. 2022 წელს AMD-მ Xilinx შეიძინა და FPGA ტექნოლოგია პირდაპირ ჩართო საკუთარ ჩიპების ასორტიმენტში, GPU-ებისა და CPU-ების გვერდით.

FPGA GPU-სა და ASIC-ის წინააღმდეგ

AI აპარატურის გასაგებად სასარგებლოა მისი სპექტრად წარმოდგენა. GPU ზოგადი დანიშნულებისაა და პროგრამულად კონფიგურირებადი, თუმცა თითოეული ეგზემპლარი ერთსა და იმავე ფიქსირებულ აპარატურაზე მუშაობს — შესანიშნავია მოდელების წვრთნისა და გაშვების პარალელური გამოთვლებისთვის. ASIC მეორე უკიდურესობაშია: ჩიპი, სპეციალურად დაპროექტებული და დამზადებული ერთი კონკრეტული ამოცანისთვის, რაც მას ყველაზე სწრაფსა და ენერგოეფექტურს ხდის, მაგრამ დიზაინს თვეები ან წლები სჭირდება და აშენების შემდეგ მისი შეცვლა შეუძლებელია. FPGA ამ ორს შორის მდებარეობს. ის ისეთი „ნედლი“ ეფექტურობით არ გამოირჩევა, როგორითაც სპეციალურად აგებული ASIC — ინდუსტრიის ძველი შეფასებებით, ტიპური FPGA-ს რეალიზაცია დაახლოებით ერთი რიგის სიდიდით ნაკლებად ეფექტურია ფართობისა და ენერგიის მოხმარების თვალსაზრისით, ვიდრე ეკვივალენტური ASIC — მაგრამ მისი ხელახლა დაპროგრამება ველზეც შესაძლებელია, და მას შეუძლია იმგვარი გარანტირებული, მიკროწამების მასშტაბის დროული სიზუსტის უზრუნველყოფა, რასაც CPU-ზე თუ GPU-ზე გაშვებული პროგრამული უზრუნველყოფა ჩვეულებრივ ვერ იძლევა.

რატომ იყენებენ მას AI და რობოტული აპარატურა

სწორედ ეს დროული სიზუსტეა გადამწყვეტი. AI მოდელი, რომელიც აღქმას თუ მსჯელობას GPU-ზე ან სპეციალურ ნეირონულ ძრავზე ასრულებს, მუშაობს ალბათურ, ცვალებადი ხანგრძლივობის ნაბიჯებით — რაც შესანიშნავია კამერის ნაკადის ინტერპრეტაციისთვის, მაგრამ ნაკლებად შესაფერისი იმის გარანტირებისთვის, რომ რობოტის საკონტროლო მარყუჟი ზუსტად ფიქსირებულ ინტერვალში ამუშავდება. FPGA სწორედ ამ ხარვეზის ამოსავსებადაა აგებული: ის რეალურ დროში ამუშავებს შეყვანა-გამოყვანას, სენსორული მონაცემების შერწყმას და უსაფრთხოების ბლოკირებებს — გარანტირებული, აპარატურული დონის სიზუსტით, სანამ ცალკე პროცესორი AI-ის მსჯელობას ასრულებს.

AMD-ის ახლახან წარდგენილი Kria AI რობოტიკის დეველოპერული პლატფორმა ამ მიდგომის ცოცხალი მაგალითია. ის აერთიანებს Ryzen AI Embedded სისტემა-მოდულს — რომელშიც CPU, GPU და NPU საერთო მეხსიერებას იზიარებენ — მზიდ პლატასთან, რომელიც აგებულია ინტეგრირებული FPGA-ს გარშემო და პასუხისმგებელია რეალურ დროში კონტროლზე, სენსორული მონაცემების შერწყმასა და უსაფრთხოების ფუნქციებზე, სანამ AI-ის ამაჩქარებლები ხედვისა და ენობრივ მოდელებზე დაფუძნებულ მსჯელობას ასრულებენ. ეს დიზაინი ასახავს ფართო ტენდენციას რობოტიკასა და ფიზიკურ AI-ის აპარატურაში: მოქნილმა AI პროცესორმა აღქმა და დაგეგმვა აიღოს თავის თავზე, ხოლო FPGA-მ უზრუნველყოს, რომ დროზე კრიტიკული ნაწილები ვერასდროს გამოტოვდეს ან დაგვიანდეს.

რატომ აქვს ეს მნიშვნელობა

FPGA აპარატურის მწარმოებლებს საშუალებას აძლევს, სამუშაო პროდუქტი გაუშვან მანამ, სანამ ინტერფეისი თუ პროტოკოლი საბოლოოდ ჩამოყალიბდება — რაც სასარგებლოა ისეთ სფეროში, როგორიცაა რობოტიკა და AI, სადაც სტანდარტები და სენსორული ფორმატები ჯერ კიდევ ვითარდება. კომპანიას შეუძლია ახლავე განალაგოს საკუთარი ლოგიკა FPGA-ზე, შემდეგ კი, როცა დიზაინი მასშტაბზე დადასტურდება და დამატებითი საინჟინრო ხარჯი გამართლდება, იგივე ლოგიკა უფრო იაფ და სწრაფ ASIC-ზე გადაიტანოს. სწორედ ამიტომ გვხვდება FPGA AI მონაცემთა ცენტრებშიც: მაგალითად, Microsoft-მა Azure-ში FPGA გამოიყენა კონკრეტული AI და ქსელური დატვირთვების ასაჩქარებლად, სპეციალური სილიციუმის დამზადების მოლოდინის გარეშე. AI აპარატურის ამგვარი სწრაფად ცვალებადი სფეროსთვის, ხელახლა დაპროგრამების შესაძლებლობა ხშირად სისწრაფეზე ნაკლებ ღირებული არ არის.

სიახლეებში

AMD-ის Kria AI რობოტიკის დეველოპერული პლატფორმა, რომელიც წარადგინეს, როგორც ღია, ინტეგრირებული აპარატურული და პროგრამული სტეკი ავტონომიური რობოტების ასაშენებლად, ერთ-ერთი ყველაზე ნათელი ბოლოდროინდელი მაგალითია იმისა, თუ როგორ ერწყმის FPGA პირდაპირ AI ამაჩქარებლებს ერთ პროდუქტში, რომელიც ფიზიკურ AI-ზეა ორიენტირებული.