FPGA（现场可编辑门阵列）作为赛灵思（Xilinx）的一项重要发明，以其可编程和灵活性著称。起初，FPGA只是用来仿真ASIC，再进行掩码处理和批量制造使用。不过ASIC相比FPGA来说明显在定制化上要求过高，流片量过小情况下成本反而更高，因此两者毫不冲突地“各司其职”。而后，随着加速器的出现和算力提升，目前已成为与GPU齐名的并行计算器件。

如今，FPGA已进发数据中心领域，相比CPU和GPU，FPGA所需器件更少，功耗也更优。赛灵思依靠其“数据中心优先”、“加速核心市场发展”、“驱动自适应计算”的三大战略加持下，使其ACAP平台和Alveo加速卡在数据中心市场极具竞争力。

除此之外，赛灵思曾为笔者展示过其云服务商领域的“一体化SmartNIC平台”、消费领域的“FPGA TCON”方案、工业领域的Zynq SoC系列方案。

实际上，根据赛灵思透露，医疗领域已占据赛灵思营收非常重要的比重，并且一直在11%-15%的速度增长。那么赛灵思是依靠什么FPGA产品占据的医疗市场，FPGA器件在医疗设备中扮演什么角色？

日前，赛灵思为记者介绍了近期在医疗科学和医疗设备方面的成果，21ic中国电子网记者受邀参加此次采访。

FPGA器件能用在什么地方
信息显示，全球人均医疗支出每年都在增长，随着人口老龄化加剧，消费者对医疗条件和医疗成本都有着极高的预期。另一方面，随着疫情的爆发，市场对病情的及早发现和诊断的快速分析有了更高的要求，这就需要医疗器械成本的进一步降低和算力的提升。

FPGA器件自身拥有可编程特性，借助这种优势，可避免ASIC器件前期高昂的一次性工程费用，消除最低订单数量和多芯片迭代风险和损失。医疗行业本身是与科技发展联系最为紧密的行业之一，伴随FPGA器件的不断迭代升级，更多新设备出现，引领了新的治疗方法、治疗途径、治疗理念的改变。

赛灵思医疗科学全球业务市场负责人Subh Bhattacharya
根据Subh Bhattacharya的介绍，赛灵思的FPGA器件在医疗领域的应用主要分为三类：临床、医疗成像和诊断分析。

01 临床环境

临床设备数量大种类多，因此需要灵活性极强的FPGA。需要注意的是，部分设备直接影响患者生命安全，对启动速度、安全稳定性、时延要求极高；部分设备在便携性上则有一定要求，对功耗、小尺寸有很大需求。

根据Subh的介绍，在临床方面，赛灵思的Zynq UltraScale+ MPSoC（下文简称为“ZU+ MPSoC”）是一个高度集成的平台，集成多个处理器，拥有可编程逻辑，此外还集成了信息安全和功能安全功能。Subh强调，这个技术平台的强大功能和性能非常适合在临床环境应用之中，包括从云端到边缘。

Subh为记者展示了几个利用该平台解决临床环境的实例：

其一是赛灵思与Spline.AI和AWS（亚马逊云服务）合作开发的医疗AI，利用ZU+MPSoC的ZCU104平台作为边缘设备，实现的高精度低时延的医疗X射线分型深度学习模型和参考设计。该方案可独立自主根据Chest X-Ray预测疾病，也可预测COVID-19和肺炎，也可开发定制模型供临床使用。另外，ZCU104支持开源语言PYNQ语言下开发，也可借助AWS IoT Greengrass实现进一步的扩展和部署。该方案发挥了ZU+ MPSoC的高性能和扩展性，赋予了低成本医疗设备高精度的诊断。

其二是赛灵思为奥林巴斯内窥镜核心技术提供支持。该方案发挥了ZU+ MPSoC在启动速度、功耗和低时延的特性。

其三是赛灵思为Clarius超便携高性能超声波系统。该方案发挥了ZU+ MPSoC片上双ARM处理器和FPGA的小尺寸封装特性，实现了超便携。

究其历史，Zynq SoC是赛灵思在2011年推出的全球首款集成ARM内核的产品，彼时该平台称为“可扩展的处理器平台”，主要是为了将市场扩展到嵌入式应用之中。此前FPGA多用作辅助芯片，自从引入更多功能的集成SoC平台之后，ARM GPU、数据安全处理器、功能安全处理器都被集成在单芯片之中。Subh表示，经过这样的转型之后，赛灵思从每年5%-6%的收入增长，实现了到14%-15%的收入增长，2.5倍的增长率全要归功于这样的技术平台。

除此之外，Subh还为记者展示ZU+ MPSoC在医疗安全上的解决方案。“目前，全球安装的医疗物联网设备超过1亿台，到2020年将增长到1.61亿台。医界高管认为 59%隐私问题， 55%老旧系统集成和54%安全问题，是阻碍当今医疗机构采用物联网的三大障碍。”

Subh表示，赛灵思可以利用可编程平台，不断适应新的安全防护措施，这种升级囊括了软件和硬件。最终体现在SoC上的，就是认证与加密启动、安全启动、测量启动、安全应用通信、基于云的监测等功能。

02 医疗成像

大型医疗成像设备使用FPGA器件已经是基本操作，Subh为记者介绍，在医疗成像方面，主要包括CT、超声、X射线、PET、MRI扫描仪等。

对于医疗成像，Zynq UltraScale+ MPSoC同样适用。Subh表示，除此之外还有Versal ACAP，这个系列可以理解为下一代的MPSoC，Versal ACAP在成像领域具有非常大优势。

Versal ACAP除了拥有ARM多处理器集成、可编程逻辑、DSP以外，还加入了AI引擎，即SIMD、VLIW这样的单元，可以支持很多类似操作的平行处理。

Subh为记者展示了超声波图像重构与计算机辅助诊断的方案，利用赛灵思的软硬件支持，能够降低功耗和热度范围、降低解决方案成本、延长设备使用寿命、低时延边缘推断，虽然市场非常复杂，赛灵思的技术也能够大大提高生产力。

03 诊断分析

Subh表示，除了SoC和FPGA，赛灵思还提供即插即用的Alveo加速卡，正因这是一种PCle的解决方案，因此可以大大降低开发时长。根据介绍，Alveo加速卡适用于任何通用PC，既可以加速CPU的普通任务，也可以加速其他的GPU的任务，最终实现高吞吐量和超低时延。其独特的算力和灵活应变能力，可以大大加速很多的医疗应用。

联影医疗（United Imaging）是一家中国公司，这家公司在使用Alveo U200加速卡替代传统GPU时发现，Alveo的技术成本更低、功耗更低，并且无需牺牲任何性能或是开发进度。

FPGA vs. CPU&GPU
医疗设备中使用CPU或者GPU产品的方案也屡见不见，为何FPGA拥有如此卓著效果，甚至有着替代CPU和GPU的“魔力”？实际上，CPU和GPU都属于冯诺依曼结构，FPGA能够突破结构上的限制因此拥有极强的能效。

具体来说，CPU和GPU需要使用SIMD（单指令流多数据流）来执行存储器、译码器、运算器、分支跳转处理逻辑等，FPGA则在烧写时已经确定每个逻辑单元的功能，因此不需要指令；另外，CPU和GPU在内存使用中是共享的，因此就需要访问仲裁，执行单元间的私有缓存使得部件间要保持缓存一致性，同样在烧写过程中FPGA已明确通信要求，因此无需共享内存进行通信。

得益于此，FPGA拥有极强的浮点乘法运算能力，而且对比同样是浮点运算的GPU延迟更低。这是因为，FPGA同时拥有了流水线并行和数据并行，而GPU只有数据并行。

从算力上来说，赛灵思还将FPGA器件转变为了SoC进行加速和自适应。赛灵思在加速上通过标量引擎实现，包括ARM、应用处理器和实时处理器，而自适应引擎的核心便是可编程逻辑器件FPGA，另外还配备智能引擎，目前配备的是DSP。特别是，在Versal ACAP的平台上还会将会有AI引擎进行支持，进一步进行加速和自适应。

“在医疗领域，诸如内窥镜这种应用，手术中患者拥有一个共同的要求，就是时延非常低，甚至需要实时来完成。从摄像头捕捉图像，经过管线处理，再到显示屏可能不到20微妙的时间。CPU和GPU达不到FPGA如此低的时延，因此这就是FPGA相比CPU和GPU的最大优势”，Subh继续为记者介绍，从功耗、成本和集成上，赛灵思SoC的FPGA也拥有更好的优势。

“很多领域，诸如视觉化，GPU使用很多年了，FPGA并不是做不到，不过我们还是会专注在优势的领域，即在封闭空间内做数据移动，而非断断续续的内存上传的情境”，Subh坦言。

不同层面分析FPGA在医疗的应用
能够在医疗领域，兼顾拥有业界领先的AI时延与性能，生命周期延长、高质量、高可靠性、高安全性，实时、确定性控制与接口的仅赛灵思一家。

赛灵思除了提供FPGA和 SoC这样的硬件器件及平台以外，还专门为降低FPGA 开发门槛满足广泛市场应用需求量身定制了Vitis AI统一软件平台。之前笔者也曾多次介绍这款软件平台，算法工程师无需硬件设计经验，也可直接应用算法的实现。

赛灵思的医疗解决方案帮助了Illumina对重症新生儿做基因组分析，为ICU患者和重症患者加速推进eyetech的基于眼球追踪的沟通平板电脑，与迈瑞合作以抗击新冠疫情。FPGA就是在不经意间为声名增添了一份敬畏。

笔者认为，赛灵思的FPGA器件从高性能加速和自适应两方面着手，成为了其在市场立足的最大竞争力。一方面，FPGA、ARM、应用处理器、实时处理器、DSP、AI引擎利用片上系统（SoC）和软件进行高度集成，既增强了算力也增强了应用的扩展性；另一方面，FPGA本身拥有的低延时性，对于时延要求极高的医疗领域可以说是“天生一对”。

从市场上来分析，随着疫情的爆发，医疗设备市场需求持续增加，其中不乏大型数据分析和便携性要求极高的设备，这刚好吻合了FPGA SoC的特点。另一方面，医疗水平的提升和市场马太效应之下，更具能效和低功耗优势的FPGA产品需求量持续增加。

从软件上分析，赛灵思的Vitis平台适用于不同人群，包括熟练掌握HDL语言的硬件工程师，熟练掌握各大编程语言的软件工程师，也适用于熟练掌握TensorFlow、Caffe、PyTorch的算法工程师。利用这种灵活性，可以让许多有创意的初创公司有了施展拳脚的可能。

通过赛灵思的介绍，可以说无论是大型设备还是便携设备，FPGA都有其一席之地。

未来赛灵思医疗创新之路该如何发展？Subh表示，在医疗产品上赛灵思将不断提高集成度并降低封装尺寸，另一方面，将会不断发展异构计算提高效率和性能。

文章及图片来源：21ic电子网