199美元起！赛灵思Kria产品组合突袭SOM市场

赛灵思（Xilinx）作为FPGA领头者，一直围绕“数据中心优先”、“加速核心市场发展”、“驱动自适应计算”三大战略部署。

最近，赛灵思为市场带来了自适应计算的新的方法，同时也在芯片业务之外延伸出了一个新的生产就绪的板卡解决方案的业务。这就是赛灵思最新推出的自适应系统模块（SOM）产品组，首款问世的Kria K26 SOM和Kria KV260视距AI入门套件为开发者带来了新的选择。

SOM是“何方神圣”？

何为SOM？赛灵思工业、视觉、医疗及科学（ ISM ）市场总监Chetan Khona为记者介绍表示，SOM是一个小型化的嵌入式板卡，大小与信用卡相当，内部包含微处理器、GPU、FPGA、存储器、电源管理和其他一些配套的电路系统。

他表示，SOM可将硬件抽象化，所以开发人员可在板卡级而不是芯片级去做设计，这种特性使其可呈现开发周期缩短的效果。

“硬件设计人员喜欢SOM是因为可以避免做一些重复性的、比较低端的设计工作，这是因为我们已在SOM上预构建了大部分标准外设。除此之外，软件开发人员也喜欢用SOM，因为他们可以跟硬件团队平行的开始设计工作”，Chetan Khona这样介绍。

坐拥软硬件工程师喜爱之下的SOM，整体市场增长势头强劲。行业报告显示，SOM的年化增长率在11%左右，至2025年预计市场总收入规模能够达到23亿美元。

“我们了解到SOM市场虽然在增长，但是在增长过程中，客户现有嵌入式处理器和基于GPU的解决方案遇到一些问题，所以这就为更高性能、更具弹性的解决方案留下了一个施展拳脚的空间”，Chetan Khona认为，这也是作为FPGA厂商能够进入和壮大的领域。

现已上市的FPGA SOM

赛灵思基于以上对市场的洞察，利用赛灵思FPGA在功耗、性能和自适应的优势，推出了第一款产品Kria K26 SOM，这款产品瞄准的是智慧城市及智能工厂中的视觉AI领域，包括安全摄像头、城市摄像头、交通摄像头、零售分析、机器视觉、视觉引导机器人等应用。

除此之外，布局Kria系统模块产品后，来赛灵思海景继续推出成本优化型SOM、最高AI算力SOM。

硬件配置方面，K26 SOM是基于Zynq UltraScale+ MPSoC架构之上，整体尺寸为77x60x11mm，搭载四核Arm A53处理器，内置64位4GB的DDR4内存，拥有256K系统逻辑单元，拥有1.4TOPSAI处理器性能，支持4K60p的H.264/265视频编解码器。

值得一提的是，K26 SOM支持丰富的接口标准和扩展性，具体拥有245个I/O，支持MIPI、sub-LVDS、SLVS-EC等标准连接15个摄像头，通过4x10G提供1Gb到40Gb的以太网，拥有4个USB接口。

据Chetan Khona介绍，K26 SOM拥有商用级和工业级两个级别。实际出货上，K26 SOM也会外置散热器，不仅为设计人员提供非常好的散热性能也为其功提供了较平的平面与底座连接。

“除了针对工业级进行了更高耐温、抗震、延保的设计，保证了产品的经久耐用，这也是市场上最安全的SOM，因为K26不仅带有所有认证，架构本身还带有安全启动功能，同时每个SOM都增加了TPM模块”，Chetan Khona如是说。

通过对比竞争对手GPU SOM（Nvidia TX2），K26 SOM拥有非常明显的优势，无论是从性能还是功耗上均强于竞争对手，最终呈现的效果便是在每视频流成本上减半。

Chetan Khona为此解释，在FPGA SOM与GPU SOM相比时，不仅拥有更强的性能，功耗也更低，更重要的是延迟也会缩短非常多。除此之外还有一个关键点，FPGA是自带自适应属性的，因此在AI模型变化时，可以自适应进行调整。目前赛灵思拥有一个针对AI推理引擎的解决方案，未来可以迁移到Inter4的推理引擎，甚至是一个二进制的推理的引擎上。而GPU就是完全锁定在现有的架构内。

除了K26 SOM，赛灵思还推出了Kria KV260视觉AI入门套件。根据Chetan Khona的介绍，赛灵思的战略不仅仅是生产量产型的K26 SOM，也需要提高业务性，提供具有成本效率的入门套件供用户实现视觉AI应用。

具体从售价上来说，Kria KV260视觉AI入门套件定价199美元，Kria K26商用级定价250美元，Kria K26工业级定价350美元。

遵循加速应用老传统

除了硬件部分，软件也是嵌入式设计的关键。根据Chetan Khona的介绍，Kria继续了赛灵思在软件上加速应用的传统，支持Vitis、Vitis AI一体化软件平台，同时也支持开发人员熟悉的设计开发环境。

Kria能够面向不同深度和不同职位提供四种不同方式开发。第一种，简单编写软件；第二种，将设备AI模型用用户自主培训过的AI模型取代；第三种，利用Python、C、C++、OpenCL等熟知的语言对FPGA进行改动；第四种，利用传统高阶的FPGA语言进行设计模型的全栈修改。

除此之外，赛灵思这次还推出了首个针对边缘应用的嵌入式App Store，这极大地加速了应用的落地，也使得无FPGA经验的人也可以很快上手。

实际上，Kria SOM的概念与Alveo的做法非常类似，Alveo和SOM都能实现更快的部署时间，不过Alveo是针对数据中心应用，而SOM针对的是边缘，两者形成了一定的互补。通过一些用例可以看出，Alveo+Kria的数据中心加速和边缘应用已形成了非常好的加速应用生态。

Chetan Khona强调，虽然SOM可以适用于众多应用非常强大的解决方案，但是首批SOM的产品主要还是集中于智能视觉的应用。

快速演进市场中，对兼具功耗、成本、时延和灵活性的要求越来越强，现有嵌入式处理器和基于GPU 的解决方案越来越难以满足市场需求，这种情况下FPGA SOM的确是打破市场的一个新选择。