พอร์ตโฟลิโอ FPGA ที่ออกแบบรับมือ AI หลายรูปแบบ
Agilex 2X คือพอร์ตโฟลิโอ FPGA และ SoC ที่ออกแบบให้ระบบ AI ปรับการเชื่อมต่อและการประมวลผลตามงานได้ ตั้งแต่โครงสร้างพื้นฐานดิจิทัลที่รับส่งข้อมูลปริมาณมาก ไปจนถึงอุปกรณ์ปลายทางอย่างหุ่นยนต์ โดยมีรุ่นให้เลือกตามระดับสมรรถนะและการใช้พลังงาน
Altera เปิดตัว Agilex 2X โดยเริ่มจาก Altera Agilex 27 ซึ่งวางตำแหน่งสำหรับงาน AI infrastructure เครือข่ายระดับเทระบิต ตลอดจนงานด้านการบินและกลาโหม การขยายพอร์ตโฟลิโอครั้งนี้มีเหตุผลชัดเจน: นักพัฒนาต้องรองรับเวิร์กโหลดและมาตรฐานที่เปลี่ยนเร็ว ขณะที่ FPGA สามารถปรับแต่งการทำงานได้มากกว่าชิปที่กำหนดหน้าที่ตายตัว
พอร์ตโฟลิโอแบ่งเป็นสี่ตระกูล ได้แก่ Agilex 27 สำหรับงานประสิทธิภาพและแบนด์วิดท์สูง, Agilex 25 สำหรับงานประมวลผลที่ต้องการความหน่วงต่ำ, Agilex 23 ที่เน้นการประมวลผลฝังตัวและความปลอดภัยเชิงหน้าที่ และ Agilex 22 สำหรับงานที่ให้น้ำหนักกับการเชื่อมต่อและการควบคุม จึงไม่ใช่ผลิตภัณฑ์ระดับสูงเพียงรุ่นเดียว แต่เป็นชุดทางเลือกที่ครอบคลุมทั้งงานและต้นทุน

แบนด์วิดท์สูงมีความหมายเมื่อชิปจัดการข้อมูลได้ทัน
จุดขายของ Agilex 27 ไม่ได้มีเพียงพอร์ตเครือข่ายเร็ว แต่คือการพยายามไม่ปล่อยให้การเคลื่อนย้ายข้อมูลแย่งทรัพยากรจากการประมวลผล ตัวชิปมีส่วนเชื่อมต่ออีเทอร์เน็ตแบบฮาร์เดนสูงสุด 800GbE และ 1.6TbE พร้อมทรานซีฟเวอร์ที่กำหนดค่าได้สูงสุด 256 Gbps รองรับ PCIe 6.0 และ 7.0 รวมถึงหน่วยความจำ LPDDR6 และ DDR5
เครือข่าย HyperFlow เป็นโครงข่ายข้อมูลแบบกระจายภายในชิปที่ Altera ระบุว่าส่งข้อมูลได้ระดับหลายเทระบิตต่อวินาที โดยแยกจากลอจิกแบบโปรแกรมได้ ตัวอย่างเช่น ข้อมูลจากพอร์ต 1.6TbE เข้าสู่ชิปผ่านวงจรเฉพาะ แล้ว HyperFlow กระจายข้อมูลไปยังส่วนประมวลผล โดยไม่กินทรัพยากรลอจิกสำหรับงานแอปพลิเคชันหรือเพิ่มความติดขัดในการเดินสัญญาณ
สำหรับโครงสร้างพื้นฐาน AI ที่ต้องเคลื่อนข้อมูลระหว่างเครือข่าย หน่วยความจำ และตัวเร่งประมวลผล ความสามารถนี้อาจลดคอขวดและเปิดพื้นที่ให้ FPGA ทำงานกับข้อมูลได้มากขึ้น อย่างไรก็ตาม ตัวเลขความเร็วสูงสุดไม่ใช่คำตอบทั้งหมด ประโยชน์จริงยังขึ้นกับการออกแบบระบบ ซอฟต์แวร์ และการใช้งานที่รองรับการรับส่งข้อมูลระดับดังกล่าว
ประสิทธิภาพต่อวัตต์และเครื่องมือพัฒนาคืออีกครึ่งของโจทย์
Altera ระบุว่า HyperFlex รุ่นที่สามใน Agilex 27 เพิ่มประสิทธิภาพต่อวัตต์ 1.8 เท่าเมื่อเทียบกับ Agilex 7 โดยมีรีจิสเตอร์กระจายอยู่ในเส้นทางเชื่อมต่อ เพื่อให้ซอฟต์แวร์จัดจังหวะและแบ่งขั้นการประมวลผลได้โดยไม่เพิ่มการใช้ลอจิก นอกจากนี้ยังมีบล็อก AI tensor DSP สำหรับเร่งงานประมวลผลสัญญาณ และแกน Arm สำหรับงานฝังตัว
แม้สมรรถนะฮาร์ดแวร์จะน่าสนใจ อุปสรรคเดิมของ FPGA คือการต้องมีความรู้เฉพาะทางในการออกแบบวงจร Altera จึงเพิ่ม QuartusIQ เป็นผู้ช่วยปัญญาประดิษฐ์สำหรับขั้นตอนสร้างแบบ ตรวจสอบเวลา แก้ข้อผิดพลาด และยืนยันการทำงาน บริษัทระบุผลทดสอบภายในว่า การสร้างแบบเร็วขึ้นสูงสุด 10 เท่า และวงจรพัฒนาโดยรวมเร็วขึ้นสูงสุด 1.5 เท่า ซึ่งเป็นคำกล่าวอ้างของผู้ผลิต ไม่ใช่ผลรับประกันสำหรับทุกโครงการ
หากเครื่องมือช่วยลดภาระการเขียนและตรวจสอบการออกแบบได้จริง FPGA สำหรับ AI อาจเข้าถึงทีมพัฒนาที่ไม่เชี่ยวชาญฮาร์ดแวร์มากขึ้น ตั้งแต่การทำการ์ดเครือข่ายไปจนถึงไฟร์วอลล์ที่ปรับแต่งตามงาน แต่เครื่องมือช่วยพัฒนาไม่อาจแทนการทดสอบความถูกต้อง ความปลอดภัย และสมรรถนะบนระบบจริงได้
กำหนดการยังชี้ว่าต้องรอฮาร์ดแวร์จริง
ซอฟต์แวร์ Quartus Prime เริ่มรองรับ Agilex 27 สำหรับลูกค้ากลุ่มเข้าถึงล่วงหน้าตั้งแต่กลางเดือนพฤศจิกายน ส่วน QuartusIQ เปิดให้ดาวน์โหลดแล้วใน Quartus Prime 26.3 และใช้ได้กับ FPGA ที่ซอฟต์แวร์รุ่น Pro รองรับ อย่างไรก็ดี ตัวอย่างทางวิศวกรรมของ Agilex 27 มีกำหนดคาดว่าจะพร้อมในช่วงครึ่งหลังของปี 2027
ช่วงเวลานี้ทำให้การประกาศควรถูกมองเป็นทิศทางของแพลตฟอร์ม มากกว่าความพร้อมใช้งานที่ยืนยันแล้ว การรองรับ PCIe รุ่นใหม่ หน่วยความจำ LPDDR6 และเครือข่าย 1.6TbE มีศักยภาพสำหรับระบบ AI ที่ต้องการแบนด์วิดท์สูง แต่ผู้พัฒนาจะต้องรอฮาร์ดแวร์และประเมินว่าซอฟต์แวร์กับระบบนิเวศรองรับเวิร์กโหลดของตนได้เพียงใด
ภาพรวม Agilex 2X จึงน่าสนใจเพราะเชื่อมโจทย์สามด้านเข้าด้วยกัน ได้แก่ การรับส่งข้อมูลเร็ว การประมวลผลที่ปรับแต่งได้ และการลดภาระในการพัฒนา ทว่าความสำเร็จไม่ได้วัดจากตัวเลขบนสเปกอย่างเดียว หาก Altera ทำให้เครื่องมือใช้ง่ายและส่งมอบชิปตามกำหนดได้ แพลตฟอร์มนี้ก็มีโอกาสขยายบทบาท FPGA ในโครงสร้างพื้นฐาน AI จากส่วนประกอบเฉพาะทางไปสู่ตัวเลือกที่ทีมระบบนำไปใช้งานได้จริง






