FPGA 工具研发先驱:丛京生院士荣获 ACM 计算突破奖

丛京生院士因对 FPGA 设计与自动化方面的奠基性贡献,荣获 ACM 计算突破奖。他的工作显著提高了 FPGA 的可访问性和能效,推动了人工智能等领域的发展。

原文标题:因研发FPGA工具,丛京生院士获得ACM计算突破奖

原文作者:机器之心

冷月清谈:

丛京生院士因在现场可编程系统和可定制计算的设计与自动化方面的奠基性贡献,荣获 ACM 计算突破奖。他的研究工作极大地推动了 FPGA 的发展,使得 FPGA 从硬件描述语言编程发展到可以使用 C/C++ 等高级软件编程语言进行编程,显著提高了 FPGA 的可访问性和可用性。他所开发的工具,如 AutoESL 和 AutoPilot,已被商业化并广泛应用于业界。此外,他还将 FPGA 应用于深度学习、医学图像处理等多个领域,实现了比传统 CPU 计算更高的能效。丛京生的工作为高度灵活且节能的 FPGA 架构奠定了基础,对人工智能、云计算等领域的发展至关重要。

怜星夜思:

1、丛京生院士的获奖是对整个 FPGA 领域创新的肯定,你认为未来 FPGA 技术发展的主要方向是什么?
2、文章中提到丛京生院士的工具使得可以使用 C/C++ 编程 FPGA,这对于软件工程师来说是福音。你认为这种转变会带来哪些积极影响,又会带来哪些挑战?
3、文章提到 FPGA 在数据中心、航空航天等领域有广泛应用,你认为在未来,FPGA 还可能在哪些新兴领域发挥重要作用?

原文内容

机器之心报道

编辑:Panda


今天凌晨,国际计算机学会(ACM)宣布了今年的 ACM 计算突破奖获奖者。丛京生(Jason Cong)「因其在现场可编程系统和可定制计算的设计和自动化方面做出的奠基性贡献而获奖」。



ACM 计算突破奖,全名为 ACM Charles P. “Chuck” Thacker Breakthrough in Computing Award(ACM 查尔斯・帕特里克・萨克尔计算机突破奖),旨在表彰那些对计算理念或技术做出惊人、颠覆性或跨越式贡献的个人或团体。该奖项还附带由微软资助的 10 万美元奖金。


微软首席科学官 Eric Horvitz 表示:「丛京生在可定制计算和架构设计工具方面的开创性方法,体现了该奖项旨在表彰的『跨越式进步』。他的工作至今仍至关重要,为高度灵活且节能的 FPGA 架构奠定了基础,而这对于人工智能、云计算和其他快速发展领域的前沿应用而言都非常重要。」


丛京生对 FPGA 发展贡献巨大



丛京生,1963 年 2 月 20 日出生于北京市。于 1985 年从北京大学计算机科学与技术系毕业,之后赴美国留学;并于 1987 年和 1990 年分别获得美国伊利诺大学香宾校区计算机科学系硕士和博士学位,之后进入加州大学洛杉矶分校工作。


丛京生现在是加州大学洛杉矶分校 Samueli 工程学院 Volgenau 卓越工程主席。他的研究领域包括 VLSI 电路和系统的设计自动化、可定制计算、量子计算和高度可扩展的算法。他发表了 500 多篇研究论文,领导了 100 多个研究项目,并获得了多项专利。



在获得 ACM 计算突破奖之前,他已经获得了多项荣誉,包括菲尔・考夫曼奖、IEEE 罗伯特・N・诺伊斯奖章、 ACM/IEEE A・理查德・牛顿电子设计自动化技术影响力奖等。他也是 ACM 和 IEEE 会士,同时也是美国艺术与科学学院和美国国家工程院院士以及中国工程院外籍院士。


丛京生在其学术界和工业界的职业生涯中开发了一系列用于自动化集成电路设计的卓越工具,尤其是用于现场可编程门阵列(FPGA)的工具。


FPGA 是一种特殊的集成电路,可以在制造后进行编程,进而更改其功能,这使得它们成为许多应用的标准硬件的一部分,被用于数据中心、电信、航空航天、国防和汽车工程等许多领域。


虽然 FPGA 是可编程的,但为其创建配置文件却很复杂,用户难以完成。丛京生在其职业生涯的大部分时间里都在开发用于解决这个问题的工具。例如,他的工作让人们现在可以使用 C 或 C++ 等软件编程语言对 FPGA 进行编程,从而显著提高了 FPGA 的可访问性和可用性。除了设计基本算法外,丛京生和他的学生还创造了嵌入这些算法的商业工具,进而支持了当今使用的 FPGA 设计工具。


在 1990 年代末,丛京生研究了如何将逻辑映射到查找表(FPGA 的基石)。这个问题非常难 —— 起初都是采用启发式方法解决的。


丛京生及其学生们取得了重大的理论突破。他们证明这个问题可以在多项式时间内精确求解。这一发现催生了商业化这项技术的 Aplus Design Automation—— 如今它已被应用于所有 FPGA 综合工具。


虽然丛京生的早期工作使设计人员能够使用 Verilog 等硬件描述语言来设计 FPGA,但软件应用工程师仍然难以编写这些电路。


21 世纪初,丛京生的团队开始研究高级综合技术,使人们能够使用 C/C++ 编程 FPGA。这一成功尝试催生了 AutoESL—— 这是他在加州大学洛杉矶分校领导的实验室的衍生产品,已于 2011 年被赛灵思公司(现为超微半导体公司的一部分)收购。 之后,他们基于 AutoESL 技术开发了一款商业产品 AutoPilot,这正是 AMD/Xilinx 目前高级综合工具的基础。


在开发这些工具后,丛京生将其应用于可定制的特定于具体领域的计算领域。他和他的团队利用 FPGA 设计了一系列特定于具体领域的硬件加速器,涵盖深度学习、医学图像处理、基因组测序、数据压缩、可满足性求解以及许多其他计算密集型任务。这些定制计算解决方案有一个重要优势:与传统的基于 CPU 的计算方法相比,它们有显著的能效优势。


参考链接

https://awards.acm.org/about/2024-thacker

https://samueli.ucla.edu/ucla-computer-scientist-and-microchip-innovator-jason-cong-receives-acm-computing-breakthrough-award/



© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:[email protected]

别忘了安全性!高级语言编程FPGA,引入了更多抽象层,但也可能带来新的安全漏洞。如果底层实现不严谨,很容易被黑客利用。所以,要加强安全意识,从设计之初就考虑安全问题。

积极影响嘛,肯定降低了FPGA开发的门槛,让更多的软件工程师可以参与进来,加速创新。挑战也很明显,软件工程师可能缺乏对底层硬件特性的理解,导致设计效率不高,性能发挥不充分。

别忘了量子计算!FPGA可以用于量子计算的控制系统和数据处理。虽然量子计算还处于发展初期,但FPGA的应用前景非常广阔。甚至可以利用FPGA来模拟量子电路,方便研究人员进行实验。

我觉得未来FPGA会更加注重智能化和自适应性,可能通过AI算法优化配置,实现更高效的资源利用和性能提升。另一个方向是异构集成,将FPGA和其他芯片如GPU、ASIC等集成,发挥各自优势。

同意楼上的观点,个人觉得安全可信是另一个重要方向。随着FPGA应用深入到关键基础设施,其安全问题日益突出。未来需要加强FPGA的安全防护能力,防止恶意攻击和篡改。

元宇宙绝对是FPGA的下一个风口!元宇宙需要强大的计算能力和低延迟,FPGA可以在渲染、AI加速等方面发挥重要作用。可以预见,未来会出现专门为元宇宙优化的FPGA芯片。

我觉得自动驾驶领域很有潜力。自动驾驶需要处理大量的传感器数据,对计算能力和实时性要求很高,FPGA可以提供加速能力。当然,功耗和成本也是需要考虑的因素。

其实吧,我觉得应用场景的拓展才是关键。现在FPGA主要还是在一些专业领域,如果能够降低使用门槛,让更多的开发者能够轻松上手,那市场潜力将是巨大的,毕竟软硬结合是大势所趋。

我觉得最大的积极影响是可以实现软硬件协同设计,软件工程师负责算法逻辑,硬件工程师负责底层优化,各自发挥优势。挑战在于如何建立有效的沟通机制,避免双方理解上的偏差,这需要新的工具和方法来支持。