为了适应未来硬件加速、网络加速对片外存储器的带宽需求，目前市面上的高端FPGA主要采用了两种解决方法。第一种最常见的就是HBM2高带宽存储器，2016年1月，HBM的第二代技术HBM2正式成为工业标准。集成了HBM2存储器的高端FPGA可以提供高达460GB/s的带宽，但是因为HBM2技术工艺要求高，目前芯片的良率和产量都会受到很大的影响，所以集成HBM2的高端FPGA成本一直居高不下。第二种是GDDR6存储器，2018年，GDDR6发布，数据速率达到了16Gbps。Achronix看中了GDDR6在数据存储中的带宽优势，在新一代7nm工艺的Speedster7t FPGA集成了GDDR6硬核控制器，最高可支持高达512GB/s的带宽，同时可以有效地控制使用成本。
随着数据中心、人工智能、自动驾驶、5G、计算存储和先进测试等应用的数据量和数据流量不断增大，不仅需要引入高性能、高密度FPGA来发挥其并行计算和可编程硬件加速功能，而且还对大量数据在FPGA芯片内外流动提出了更高的要求。于是，在FPGA芯片中集成包括片上二维网络（2D NoC）和各种最新高速接口的新品类FPGA芯片应运而生，成为FPGA产业和相关应用的新热点。
随着互联网时代的到来，人类所产生的数据发生了前所未有的、爆炸性的增长。IDC预测，全球数据总量将从2019年的45ZB增长到2025年的175ZB[1]。同时，全球数据中近30%将需要实时处理，因而带来了对FPGA等硬件数据处理加速器的需求。如图1所示。
百亿美元硬件加速器市场正经历生态重构，Achronix以独有产品组合另辟蹊径，它带给那些比它大很多的伙伴们不只是生意，还有工程创新和生态
随着旨在解决现代算法加速工作负载的设备越来越多，就必须能够在高速接口之间和整个器件中有效地移动高带宽数据流。Achronix的Speedster®7t独立FPGA芯片可以通过集成全新的、高度创新的二维片上网络(2D NoC)来处理这些高带宽数据流。Achronix的FPGA中特有的2D NoC实现是一种创新，它与用可编程逻辑资源来实现2D NoC的传统方法相比，有哪些创新和价值呢?本白皮书讨论了这两种实现2D NoC的方法，并提供了一个示例设计，以展示与软2D NoC实现相比，Achronix 2D NoC是如何去提高性能、减少面积并缩短设计时间。
随着人工智能/机器学习（AI/ML）和其他复杂的、以数据为中心的工作负载被广泛部署，市场对高性能计算的需求持续飙升，对高性能网络的需求也呈指数级增长。高性能计算曾经是超级计算机这样一个孤立的领域，而现在从超级计算机到边缘解决方案，在各个层面都可以看到高性能计算，随着我们推动更快的解决方案进入市场，网络安全和高复杂性应用在其中也扮演着更重要的角色。
江先生加入Achronix以助其在全球范围内推动高性能FPGA和eFPGA IP解决方案的销售
通过使用Achronix Speedster7t FPGA中的机器学习加速器MLP72，开发人员可以轻松选择浮点/定点格式和多种位宽，或快速应用块浮点，并通过内部级联可以达到理想性能。
交互式人工智能（CAI）使用机器学习（ML）的子集深度学习（DL），通过机器实现语音识别、自然语言处理和文本到语音的自动化。
全球领先的高性能现场可编程门阵列（FPGA）和嵌入式FPGA（eFPGA）半导体知识产权（IP）提供商Achronix Semiconductor公司宣布，该公司参加了由私募股权和风险投资公司Baird Capital举办的“Baird车技术与出行大会（Baird Vehicle Technology & Mobility Conference）”。Achronix此举是为了联络更多的创新者和投资者，共同推动更加先进的FPGA技术更广泛地应用于智能汽车、自动驾驶、ADAS和其他先进出行方式。
探索FPGA加速语言模型如何通过更快的推理、更低的延迟和更好的语言理解来重塑生成式人工智能
双方的合作将加快基于Speedster7t FPGA和Speedcore eFPGA IP的解决方案的开发
了解网络基础设施功能迅速增长的一种便捷方法是回顾一下过去四十年的发展历程(如下图所示)。
Cassidy先生为Achronix的董事会带来了其超过三十年的半导体和制造经验
对于最近研究过新车的任何人来说，很难不注意到汽车电子产品的发展是多么的迅速。
