Xilinx : des FPGA pour accélérer les traitements des données

Thomas Boudrot, Sr. Director Business Development de Xilinx, a présenté sa société lors de l’Assemblée Générale d’octobre. « Mon rôle est aujourd’hui d’évangéliser notre savoir-faire en FPGA dans le monde du Data Center et du HPC. Notre chiffre d’affaires est de 3 B$ pour 4 400 employés et plus de 20 000 clients. Nous avons inventé le Field Programmable Gates Array (FPGA) ou réseau de portes programmable après fabrication, voici une trentaine d’année. Nous sommes actifs sur 8 grands marchés : les Télécoms qui représentent encore plus de 60 % de notre chiffre d’affaires ; mais aussi Aerospace & Defense ; Industrial & Medical ; Test, Mesure & Emulation ; Automotive & Transportations ; Audio, Video & Broadcast ; Consumer ; Data Center & HPC ».

Ce dernier segment s’est depuis 2 ans tourné vers le FPGA. La nature même du composant est une architecture massivement parallèle, ce qui permet de répondre mieux que des architectures traditionnelles à base de CPU aux besoins de traitement toujours plus grands. « C’est pourquoi, plutôt que de continuer à proposer des composants, nous avons développé une plate-forme d’accélération à base de cartes PCI Express, Alveo, qui se place directement dans n’importe quel serveur pour accélérer du calcul, du réseau ou même du stockage ».

Le développement de ces solutions est dû plusieurs facteurs : on passe du ‘’CPU-Centric’’ vers de l’informatique personnalisée et distribuée ; l’avènement de l’Intelligence Artificielle et du Machine Learning, couplé à d’autres applications, change la donne. « Les GPU peuvent très bien se sortir du Machine Learning seul, par contre si on le couple à des applications (analyse génomique ; encodage/décodage vidéo ; compression/encryption…) la structure flexible du FPGA est beaucoup plus adaptée. C’est ce que l’on adresse avec nos cartes d’accélération qui sont déployées soit dans le Cloud (Microsoft Azure, Amazon, Alibaba, Tencent…), soit On Premise chez le client ».

Suivant les applications, le facteur d’accélération du FPGA fasse à une architecture de type CPU, peut aller de 5 à 90. Ainsi, une analyse de génome, qui demandait 23 heures au spécialiste américain Illumina, est réduite à 12 minutes en ajoutant au serveur de calcul une carte d’accélération à base de FPGA. On approche le temps réel !

Un des freins évoqués à l’utilisation du FPGA est le besoin de programmation. Le fait que l’on ne puisse jusqu’à maintenant le programmer qu’en VHDL ou en langage de bas niveau, a limité son utilisation. « Nous avons annoncé début octobre la plate-forme de développement logiciel Vitis dédiée à la programmation de nos FPGA dans des langages C, C++, Python, capable d’utiliser des librairies de fonctions mathématiques Open Source, qui seront mappées sur nos cœurs d’accélération. Et si vous utiliser des frameworks pour le Machine Learning de type TensorFlow, Cafe ou même FFmpeg pour ce qui est de la vidéo, restez dans ces frameworks et notre outil va directement convertir votre code et le mapper sur nos plates-formes, ce qui permet aux utilisateurs de cibler des applications dans le Data Analytics, l’Image Processing, le Video Processing, le Machine Learning, les Life Sciences & HPC, le Financial Computing, en utilisant des librairies Open Source ou développées par des partenaires spécialisés ».

Pour télécharger presentation >>>>