可编程逻辑业界新闻-电子发烧友网

时间：2024/02/03　　点击量：

　　在现代工业生产的过程中,通常都会需要大量的开关量顺序控制以及大量的离散量的数据采集。这些信号需要按照逻辑条件进行顺序动作并按照逻辑关系进行连锁保护动作的控制。传统上这些功能是通过气动或电气控制系统来实现的。上个世纪80年代至90年代中期,可编程逻辑控制器plc经过了一段最快的发展时期,它在处理模拟量能力、数字运算能力、人机接口能力和网络能力上都得到了大幅度的提高,从而逐渐进入了过程控制领域。

　　另一方面，在基于闪存的FPGA中，配置模式保存在芯片上的非易失性存储器单元，甚至电源被移除时，闪存单元中的内容仍然保持完好无缺；当系统重新启动时，FPGA可在数微秒内上电，节省了宝贵的时间，可让系统快速从电源故障或者重新启动中恢复。

　　当博通收购高通案遭到美国总统特朗普的阻止后，下一个被华尔街分析师看准的“目标”便锁定在圣何塞芯片厂商赛灵思（Xilinx）上。对此，赛灵思总裁兼首席执行官（CEO）Victor Peng首次回应媒体称“对于这种谣言和猜测我们不作评论，无论我自己还是我们的高管团队、董事会，都专注于我们自己的战略，关注于如何把业务做的更成功，更好的服务客户。”

　　泰克科技公司日前宣布推出吉时利DMM7512双通道7位半采样万用表，把两立且相同的数字万用表放入一个1U高、全机架宽的瘦身版机箱中，大大节省了空间。由于同时融汇了行业领先的密度和性能，DMM7512特别适合各种苛刻的大批量制造测试应用，这些应用在测量容量、性能和紧凑空间方面均有很高的要求。

　　汽车进入系统历经几十年的演变，逐渐由机械式、遥控式转向无源式PASE系统（无钥匙进入与启动系统），并且PASE系统简单易用、方便快捷已经逐渐被消费者所认可。但是随着移动通信技术和云端服务的成熟，众多零部件厂商开始布局最新一代的智慧进入系统。

　　人工智能（AI）热潮持续攀升，AI晶片的竞争也日趋激烈，而GPU近年来可说是跃升为AI晶片领头羊。为了不让GPU专美于前，以FPGA为主的英特尔（Intel）也加紧脚步，拓展创新技术，加速AI部署；像是携手微软（Microsoft），运用FPGA升级Bing智能搜寻引擎（Intelligent Search），以迎接现今云端数据中心所带来的挑战。

　　人工智能正在经历一场变革，这要得益于机器学习的快速进步。在机器学习领域，人们正对一类名为“深度学习”算法产生浓厚的兴趣，因为这类算法具有出色的大数据集性能。在深度学习中，机器可以在监督或不受监督的方式下从大量数据中学习一项任务。大规模监督式学习已经在图像识别和语音识别等任务中取得巨大成功。

　　根据市场调研机构Semico Research提供的数据显示，未来五年内，使用人工智能的网络边缘设备数量将以110％的复合年增长率呈爆发式增长。无疑给设备厂商和芯片厂商的机会巨大，也成为众多厂商的关注点，一场卡位大战已经打响，目前我们看到首先爆发的是手机的AI芯片，相信接下来还会扩散到更广泛的终端设备市场。其中FPGA因为其产品特性，一直被认为在云端和网络端的AI技术方面更有发挥空间，而近日，作为低功耗、小尺寸、低成本FPGA的代言人，莱迪思公司宣布进入网络边缘计算市场的AI领域。

　　13日报导，NVIDIA Corporation虽凭借通用GPU（GPGPU）登上人工智能（AI）芯片一哥位置、但竞争对手早已在一旁虎视眈眈。美国低功耗现场可程序逻辑门阵列（FPGA）制造商Xilinx表示，伙伴厂商利用FPGA芯片进行基因体定序与优化语音识别所需的深度学习、察觉FPGA的耗能低于GPU且处理速度较快。相较于GPU只能处理运算，FPGA能以更快速的速度一次处理所有与AI相关的信息。

　　AuperaTM Aup2600 系列是一套分布式计算架构视频处理系统，其去中心化，打破传统x86架构瓶颈，将颠覆现有数据中心的视频处理格局。单台设备配置高达48个Zynq® UltraScale+™ MPSoC处理引擎，可并行处理380路H.264/H.265高清视频码流，实现单位能耗相同下相比传统方案33倍的性能以及1/10机架空间的压倒性优势。

　　“我在跑马拉松的时候，身心都受到了磨砺。因此我明白了一个道理，想要把一件事做得更好，必须要持续不断地转型。”在近日的赛灵思开发者大会（XDF）上，赛灵思总裁兼首席执行官 Victor Peng 以他35年的长跑经历来形容赛灵思的战略转型。此外，赛灵思还向全球消费者推出了两款重磅转型之作……