![Show Menu](styles/mobile-menu.png)
![Page Background](./../common/page-substrates/page0044.jpg)
DIGITAL
COMPUTING ARCHITECTURE
44
- ELETTRONICA OGGI 469 - APRILE 2018
L’
esplosione dei dati,
l’alba dello sviluppo
delle applicazioni di
intelligenza artificiale (AI), e
l’evoluzione delle architetture
di computing, dopo la fine della
Legge di Moore, sono i tre trend
che motivano, secondo Xilinx,
la strategia di introduzione di
una nuova famiglia di dispo-
sitivi, improntati sulla filosofia
dell’ “adaptable computing”. La
nuova classe di device, annun-
ciata in una conferenza stampa
a marzo a Monaco di Baviera, direttamente da Victor
Peng, neo presidente e amministratore delegato di Xi-
linx - dopo la recente nomina a gennaio, e la successio-
ne al precedente Ceo Moshe Gavrielov - prende oggi
il nome di ACAP (adaptive compute acceleration plat-
form). La società definisce quest’ultima “un’innovazio-
ne tecnologica chiave per il settore, e la più significa-
tiva realizzazione di Xilinx dall’invenzione degli FPGA”.
Ma aggiunge anche: “essa è parte di una strategia più
ampia, che proietta l’azienda oltre gli FPGA” . Si tratta
tra l’altro, sottolinea Xilinx, di una categoria di prodotti
frutto di un lungo programma di attività di ricerca e
sviluppo, durate quattro anni: su ACAP è stato investito
oltre un miliardo di dollari, coinvolgendo più di 1.500
ingegneri hardware e software. La prima famiglia di
prodotti ACAP, nome in codice “Everest”, sarà sviluppa-
ta utilizzando la tecnologia di fabbricazione a 7 nano-
metri (nm) della “fonderia di silicio” taiwanese TSMC, e
uscirà dalla fase di “tape out”, quindi dallo stadio finale
del processo di sviluppo, entro quest’anno, per vedere
le prime consegne ai clienti nel 2019.
Scenario IT ed elettronico in evoluzione: perchéACAP
Peng riassume a rapidi tratti lo scenario attuale, in cui
sensori, telecamere, veicoli intelligenti e innumerevoli altri
endpoint stanno raccogliendo e riversando in rete inedite
moli di dati, il 90% dei quali risulta destrutturato, e sempre
più formato da video e immagini. Inoltre, la richiesta di
banda e di funzionalità
di elaborazione delle
informazioni in real-
time appare in continuo
aumento. L’altra tenden-
za, già manifestatasi nel
2017, ma sempre più
emergente quest’anno,
è l’adozione diffusa, in
tutti i settori industriali,
dell’intelligenza artifi-
ciale, capace di rende-
re “smart” molte app,
ma soprattutto in grado
di estendendere la propria pervasività dagli endpoint, alla
periferia della rete (edge), al cloud. Il 2018 è poi l’anno
del conclamato raggiungimento dei limiti fisici del silicio,
a oltre cinquant’anni dall’enunciazione della Legge di Mo-
ore: servono quindi architetture di computing eterogenee,
coadiuvate da dispositivi di accelerazione della potenza
di elaborazione, perché l’ampiezza e complessità delle
applicazioni IT di ultima generazione impone lo sviluppo
di architetture differenti, in un contesto in cui la velocità
dell’innovazione tecnologica ha oltrepassato i classici ci-
cli di sviluppo del silicio.
Differenti modalità di computing
per diversi workload
Come le specie hanno saputo adattarsi a vivere sulla
Terra seguendo la legge dell’evoluzione, oggi, in unmon-
do sempre più connesso e intelligente, sottolinea Peng,
servono diversi paradigmi di computing per rispon-
dere alle odierne, variegate necessità di elaborazione
dei workload gestiti dalle applicazioni, come il machine
learning (ML), la AI, l’elaborazione di video e immagi-
ni. Le architetture IT devono dunque sapersi evolvere,
a partire dai data center: qui Xilinx sta applicando da
un paio d’anni la propria strategia “data center first”,
in un settore chiave di crescita, dove l’obiettivo è ac-
celerare un utilizzo pervasivo del paradigma dell’adap-
tive computing: ma questa volta, la strategia non è più
soltanto, come avveniva tradizionalmente, puntare su-
Una nuova architettura
di tipo “adaptive”
Giorgio Fusari
Introdotto recentemente da Xilinx, il nuovo paradigma di computing
si chiama ACAP (adaptive compute acceleration platform) e punta
a superare ampiamente funzionalità e prestazioni dei classici FPGA