XC7V2000T-1FLG1925C

发布时间:2020/11/27

XC7V2000T-1FLG1925C_XC7VH580T-1FLG1155C导读

VU19P
FPGA采用台积电16nm工艺制造(上代为20nm),基于ARM架构,集成了16个Cortex-A9
CPU核心、893.8万个系统逻辑单元、2072个用户I/O接口、224Mb(28MB)内存,DDR4内存带宽较高1.5Tbps(192GB/s),80个28G收发器带宽较高4.5Tbps(576GB/s),支持PCIe
3.0 x16、PCIe 4.0 x8、CCIX。

虽然具体面积没有公布,和日前那个1.2万亿晶体管、46225平方毫米、AI计算专用的世界较大芯片不在一个数量级,但在FPGA的世界里,绝对是个超级庞然大物,从官方图看已经可以盖住一个马克杯的杯口。


XC7VX330T-2FFG1157E

XC2S2006FGG256C XC2S200-6FGG256C XC2S200-6FGG256I
XC2S200-6FGG456I XC2S200-6FT256 XC2S200-6FT256C XC2S200-6FTG256C XC2S2006PQG208C
XC2S200-6TQ144C XC2S200-6TQ144I XC2S200-6TQG144C XC2S200-6TQG144I
XC2S200-6VQ100C XC2S200-6VQ100I XC2S200-6VQG100C XC2S200-6VQG100I
XC2S200-7FG456C XC2S200A-4FTG256C XC2S200AN-4FTG256C XC2S200E 。

XC2S250E-4FT256C XC2S250EPQ208 XC2S250FG456
XC2S256-7FT256 XC2S256-7FT256C XC2S256FT256 XC2S256-FT256 XC2S30 XC2S300
XC2S300-2FT256C XC2S300-4FG456C XC2S300-6EPG208AGT XC2S300-6FG456C
XC2S300-6FG456I XC2S300-7 FT256C 。

XC2S200E-6TQ144I XC2S200E-6TQG144C XC2S200E-6TQG144I
XC2S200E7FG456C XC2S200E-7FG456C XC2S200E-7FG676C XC2S200E-7FG676I
XC2S200E-7FGG456I XC2S200E-7FGG676C XC2S200E-7FGG676I XC2S200E-7FT256 。

XC2S200E-6FC456C XC2S200E-6FG256C XC2S200E-6FG456
XC2S200E6FG456C XC2S200E-6FG456C0703 XC2S200E-6FG456C0775 XC2S200E-6FG456I
XC2S200E-6FG676C XC2S200E-6FG676I XC2S200E-6FGG676C XC2S200E-6FGG676I
XC2S200E-6FT 。


XC7VX980T-1FFG1926C

XC2S400E-7FG676I XC2S400E-7FGG456C XC2S400E-7FGG456I
XC2S400E-7FGG676C XC2S400E-7FGG676I XC2S400E-7FT256C XC2S400E-7FT256I
XC2S400E-7FTG256C XC2S400E-7FTG256I XC2S400E-7PQ208C XC2S400E-7PQ208I
XC2S400E-7PQG208C 。

XC2S300E-FT256AGT XC2S300E-FTG256 XC2S300EFTG256AGT
XC2S300EFTG256AGT-6C XC2S300E-PQ208-6I XC2S300E-PQ208-7C XC2S300ETMFG456
XC2S300ETMFG456-6C XC2S300FG456 XC2S30-1CSG144I XC2S30-1TQ144C XC2S30-4CS144c

XC2S30-6CS144C XC2S30-6CS144I XC2S30-6CSG144C
XC2S30-6CSG144I XC2S30-6FG256C XC2S30-6FG256I XC2S30-6FG456C XC2S30-6FG456I
XC2S30-6FGG256C XC2S30-6FGG256I XC2S30-6FGG456C XC2S30-6FGG456I XC2S30-6PQ208C

XC2S400E-5FG456C XC2S400E-5FG456I XC2S400E-5FG676I
XC2S400E-5FGG456C XC2S400E-5FGG456I XC2S400E-5FGG676C XC2S400E-5FT256C
XC2S400E-5FT256I XC2S400E-5FTG256C XC2S400E-5FTG256I XC2S400E6F676C
XC2S400E-6FG256C XC2S400E-6FG456 。


最后,将改写的OpenCV设计中的函数,替换为HLS提供的相应功能的视频函数,并使用VivadoHLS综合,在Xilinx开发环境下在FPGA可编程逻辑或作为Zynq
SoC硬件加速器实现。我们通过快速角点的例子,说明通常用VivadoHLS实现OpenCV的流程。当然,这些可综合代码也可在处理器或ARM上运行。接着,建立基于视频数据流链的OpenCV处理算法,改写前面OpenCV的通常设计,这样的改写是为了与HLS视频库处理机制相同,方便后面步骤的函数替换。首先,开发基于OpenCV的快速角点算法设计,并使用基于OpenCV的测试激励仿真验证这个算法。

ACAP的推出将有助于赛灵思与更高级别的竞争对手在新市场中展开竞争。显然这适用于英特尔和Nvidia。拆分SoC原型和仿真市场。灵活性和适应性是ACAP的主要卖点。然而,在7纳米处,FPGA速度和密度大大提高,功耗也较低,因此这种竞争格局可能会发生变化,尤其是ASIC和FPGA。FPGA和ASIC之间的竞争将继续。英特尔的10nm仍然推迟,使得除了英特尔关注的云市场之外,Xilinx在收购Altera后占据了FPGA市场的主导地位。特别是在人工智能时代,Xilinx还希望通过这一优势实现英特尔和Nvidia的未来。