今天，小弟和大家谈一谈某国产FPAI芯片的AI系统方案以及参考设计实例。
1）FPAI芯片架构：博采众长、兼容并蓄
首先，我们简单了解下FPAI（Field Programmable AI）芯片。FPAI芯片，创新性地采用了异构融合架构，即在一颗die上集成了高性能SOC（PS）、大容量FPGA（PL）、AI加速引擎（AI）三大模块。该异构融合架构，可谓“博采众长、兼容并蓄”，融合了各异构模块优势，特别适合AI计算。其中，高性能SOC优势在于控制和通用计算，使得能在单芯片上运行完成完整的AI计算；大容量FPGA优势在于可重构和高速接口，解决了长尾算子的难题，适应了AI算法不断的迭代升级趋势；AI加速引擎优势在于高性能、低功耗地完成卷积等计算密集型算子的计算。 
图1 FPAI芯片架构：异构融合
具体的，以下是某款国产FPAI芯片，该芯片资源很丰富。PS部分，有四核处理器CPU、视频编解码模块VPU、图像处理模块GPU等；PL部分，有444K的逻辑资源，16个高速接口GTX；AI部分，有高达27.52TOPS的int8算力，精度支持int8和int16，配合AI编译器支持快速部署,
图2 某国产FPAI芯片资源
综上，该颗FPAI芯片支持丰富的AI应用场景，特别适合边缘融合端的AI应用场景。
2）FPAI系统方案：好马配好鞍，好船配好帆
从芯片到系统产品，还需设计硬件，开发FPGA程序，开发软件程序，部署AI网络等。系统方案及对应的参考实现，提供了一整套完整的解决方案参考，能够帮助用户方便、快速、高效、可靠地完成自己产品的设计。 所谓“好马配好鞍，好船配好帆”，不同芯片需要适合的系统方案以及对应的参考设计。
首先，FPAI芯片是PS+PL+AI的架构，对外接口管脚位于PS、PL模块，因此依据外部数据流输入的管脚，设计了PS_IN、PL_IN的系统方案，以此对应不同的内部控制流数据流方案；然后，FPAI芯片的AI峰值算力达27.52Tops，能够支持多路数据流的不同的AI计算，视频编解码模块能支持多路视频流的压缩，可编程逻辑资源也支持多输入的高速数据流接口，因此依据以上算力特点，设计了多源的系统方案，以此也符合了边缘融合端的AI应用特点；此外，PCIe加速板卡的系统方案，配合主机服务器，完成AI的推理计算加速。
综上，基于FPAI芯片的架构、算力、资源、输入数据流来源、应用场景等特点，分别制定了如下4种系统方案，基本能够涵盖FPAI单芯片下的各种应用场景。
（1）PS_IN系统方案
（2）PL_IN系统方案
（3）多源系统方案
（4）PCIe加速卡系统方案,
图3 FPAI芯片的系统方案 一个系统方案可能有多个具体的参考实现，但对应的设计架构是一致的，可能只是具体内部实现有区别。参考设计会提供一整套参考方案，包括硬件设计、FPGA设计、软件设计的代码和相应文档。因此，想要基于FPAI设计系统的朋友，可以依据自身的应用场景需求，选择上述系统方案的参考设计。
3）多路PL_IN+VPU编码的参考设计实例
好了，说了这么多，大家等不及要看具体的参考设计实例吧。以下会介绍多源系统方案的一个参考设计实例：多路PL_IN+VPU编码的参考设计，分别从参考设计概述、硬件板卡介绍、FPGA工程介绍、软件工程介绍、实例功耗介绍等5部分来介绍该实例。
3.1 参考设计概述
输入：4路SDI摄像头，默认分辨率和帧率设置1080p@30Hz；
输出：SD卡，H.265/H.264格式文件格式；
VPU：分辨率1080p，YUV422输入, 输出 H.265/H.264，默认编码帧率设置30Hz；
检测：运行示例网络Yolov5s AI检测，带检测结果的视频压缩到SD卡。
性能：4路1080p@30Hz输入，AI+VPU编码，每一路30fps。 
图4 多路PL_IN+VPU编码的参考实现框图
3.22 悟空硬件开发板简介
如下图，采用SDI接口摄像头输入4路视频到板卡，悟空硬件板卡上主芯片FPAI芯片；SD卡，储存和启动Linux操作系统启动文件和根文件系统；1GB PS DDR和2GB PL DDR，用于运行操作系统和AI；通过子卡接入的4路SDI视频接口；网口、串口、JTAG调试接口等。 
图5 悟空硬件开发板
3.32 FPGA设计介绍
首先，整体数据流如图所示> 
图6 多路PL_IN+VPU编码的数据流
Step1：对应图中的数据流1，Cam0~Cam3为4路不同的SDI摄像头视频流，帧率1080p@30Hz。对于每一路SDI摄像头视频流，复制成两路，一路经过resize、image_make模块完成AI预处理后存入PL_DDR，供AI检测使用；另一路经过resize、rgb565转为yuv422（可选）通过HP接口存入PS_DDR，供后续画上检测结果后VPU压缩用或者HDMI显示用。
Step2：对应图中的数据流2，启动AI访问PL_DDR完成AI的计算。
Step3：对应图中的数据流3，最后一层特征图，经过icore_post模块处理后，通过HP接口写入PS_DDR。PS完成剩余后处理计算，得出AI检测结果，画在PS DDR上的视频帧上。
Step4：对应图中的数据流4，启动VPU，对含有结果的视频帧压缩成H.264/H.265格式。
Step5：对应图中的数据流5，将压缩视频流写回SD卡。 Step6（可选）：对应图中数据流6，将检测框的视频显示到HDMI显示屏。
其次，介绍以下子数据流通路的实现
（1）Camera -> PLDDR的逻辑通路实现,
图7 子逻辑通路Camera -> PLDDR
输入的4路视频流帧率为1080p@30Hz，均以serdes 差分对接入FPGA端口，通过rx_sdi模块解析为rgb888数据格式。然后经过frame_trans模块resize成AI计算所需要的尺寸。 在一些应用场景中，输入数据可能预先存储在了PS DDR中，因此本工程也预留了2路独立的PSIN数据通路，通过HP口读取数据，转变成AI_MATE接口规范好的数据总线格式。这两路PSIN数据通过img_data_crossbar_0/1模块分别与CAM2/3视频流数据进行仲裁，各自选出1路输入给AI_MATE端。
（2）Camera -> PSDDR的逻辑通路实现,
图8 子逻辑通路Camera -> PSDDR 将CAM视频流数据resize成VPU压缩需要的尺寸，注意此处的resize与CAM->PL DDR通路中的resize相互独立，即AI计算尺寸和VPU压缩尺寸独立配置。为了减少写入PS DDR的数据量，这里将rgb565数据格式转为yuv422（16bit），相比于rgba（32bit）格式，数据量可减少50%，而图像色度分量完整保留，基本不影响图像质量。
每一路CAM数据均需要通过HP口写入PS DDR，PS端共有4个HP口，有很多模块会对它发起请求，因此工程中在BlockDesign中调用axi interconnect IP进行仲裁。
最终，实现的FPGA资源占用情况如下所示> 
图9 FPGA实现资源占用情况
3.42 软件设计介绍
参考实现软件整体流程可以归结如下： 摄像头输入视频数据 > AI检测 > AI结果绘制 > vpu编码h264/h265视频 > 输出数据流
软件中按功能将代码封装为多个模块：摄像头模块、神经网络模块、VPU模块。则在实现一次完整数据流通路对应的模块调用为：摄像头模块取帧 > 神经网络模块计算与后处理 > 摄像头模块得到图像数据 > vpu模块压缩 > vpu模块输出数据。
在AI调度过程中，采用了任务队列的实现方式。主要参考了生产者消费者设计模式，前处理、icore前向、后处理运行在各自的线程中，互相之间通过任务队列的方式通信。
对于多路的情况，则会使用多个前处理线程与多个后处理线程，以4路为例，4路不同的输入图像数据、icore推理结果会存放在ddr的不同位置，不同路之间数据不会相互干扰。任务队列还提供了可以控制不同路是否做AI或者设置优先级的功能。 
图10 软件任务队列调度框图
具体的AI神经网络部署，基于icraft编译器，直接编译生成json和raw文件，就能够更新参考设计的AI网络部署。
3.52 实例结果介绍
性能：能够稳定完成4路1080p@30Hz视频的AI检测和视频编码。
功耗：整体芯片功耗（含DDR）是12.32W。 
表1 多路PL_IN+VPU编码的功耗
4）小结：海阔凭鱼跃，天高任鸟飞
好了，经过以上的参考设计实例的介绍，相信大家对FPAI芯片的系统方案以及参考设计有了更深层次的了解。
近几年，边缘端AI计算的市场份额逐年增长明显，越来越多的落地应用需求提出。“海阔凭鱼跃，天高任鸟飞”，如何选择一款AI芯片及系统方案，能够满足边缘融合端的各种应用场景，能够适应算法迭代的需求，能够解决长尾算子的问题，形成高性能、低功耗、灵活可靠的产品？相信FPAI芯片及系统方案，会是一个不错的选择！
