關(guān)注、星標公眾號，直達精彩內(nèi)容

來源：公眾號【ZYNQ】

ID   ：FreeZynq

作者：小墨

看到一個問題：最近做zynq方向，zynq的arm核處理不過來數(shù)據(jù)，感覺不適合做人工智能，適合做控制的東西。是不是我的想法不對，希望大佬來指導一下?

zynq應用方面

如果Zynq說的是7000系列，F(xiàn)PGA部分（PL）資源不多，那確實不適合做人工智能。

所以你的第一個判斷我是贊同的， 但是第二個判斷感覺過于悲觀。

圖像方面

雖然性價比不高，但資源足夠進行一些圖像圖像方面的簡單處理，或者某些算法的加速。

對于Zynq的ARM核（PS）來說，這些加速可以極大的減輕PS的計算負擔，使得本來很弱的ARM核可以進行稍微復雜的計算了。

定制化方面

那么Zynq實際上是可以用來進行一些定制化的開發(fā)的,特別是在沒有硬件加速的情況下，在規(guī)定的功耗和體積下，做出來一些demo或者小規(guī)模量產(chǎn)的硬件。

所以在性價比沒有要求的場合，Zynq是可以做很多有趣的工作的，而不僅僅是控制。

人工智能方面

但是廣義的Zynq還包括Zynq UltraScale MPSoC，這系列的FPGA部分（PL）的資源就比較多了，已經(jīng)足夠去進行一下人工智能方面的應用。

甚至可以用高層綜合在不涉及HDL的情況下就完成這部分的工作。具有一定的可用性。

專用設備領域

在專用設備領域會有應用，例如大型光通信設備的核心主控。我們公司從單arm轉(zhuǎn)型到zynq7000有三四年了吧，主要使用010 020 030，Ultra還在研究，MP以后可能也會上。

項目上使用zynq主要做控制，其次做路由算法，數(shù)據(jù)分析。zynq比較好用的地方是可以拓展硬件資源，PL出個網(wǎng)口、SPI、I2C一類的很方便，做主控基本上不會擔心資源不夠的問題。

數(shù)據(jù)分析方面

數(shù)據(jù)分析還沒有做過，從路由算法方面講，zynq的性能大概是普通i5主機的十幾分之一左右吧。

用python寫的算法在主機上Anaconda環(huán)境上跑測試大概10s的話，在zynq的linux下要一百多秒(大概數(shù)據(jù)，當時測試過記不清了)。

Zynq確實太貴了，不過專用設備不會量產(chǎn)，貴點也能接受吧。

zynq存在的一些問題

核心問題-性價比低

Zynq的核心問題個人認為主要是性價比不高，Zynq太貴了，在大多數(shù)嵌入式領域，除非是小批量的定制化產(chǎn)品，價格是十分敏感的，因此這會嚴重限制Zynq的應用范圍。

比如最常用的7020的價格就明顯高于帶dsp核心的ARM，這讓PL提供的加速能力變得性價比很低，更何況DSP的開發(fā)難度遠遠低于HDL。

**那么如果實時性能滿足的情況下，能用DSP加速，為什么還用PL？**

而資源較多的UltraScale MPSoC系列這個問題更加嚴重，價格高的是在是離譜了，特別是現(xiàn)在大量NPU，TPU之類的產(chǎn)品上市后，用UltraScale MPSoC做人工智能相關(guān)產(chǎn)品的意義就更低了，成本高的過了頭，很難找到可用的場合和市場。

次要問題-開發(fā)難度大

Zynq的次要問題，開發(fā)的難度是在是有點太大了，對于小公司員工不多的情況下，如果不分工，Zynq的開發(fā)絕對需要很長時間的學習和經(jīng)驗積累才能勝任，需要了解的東西是在是太多，軟件硬件都需要。

就一個AXI就已經(jīng)能讓人抓狂了，PS，PL的開發(fā)迥異，復雜的內(nèi)存管理，時序優(yōu)化很多情況下還要考慮操作系統(tǒng)之類的問題，這真的難度是太大了。

對于大公司而言，分工是可行的，但協(xié)作仍然很麻煩，特別是調(diào)試的代價很大。

其他-資源方面

而高層綜合（HLS）看起來很好，但資源利用率較低，開發(fā)難度仍然很大（不是能跑通就能用）入門快，但真正能掌握產(chǎn)品化技能還是很難的。

至于OpenCL之類的， 暫時還只能算旁門左道，性價比嚴重有問題。

很多情況下會讓昂貴的UltraScale MPSoC只能Zynq 7000，因為資源浪費是在太大了。

總結(jié)

Xilinx 作為FPGA廠家推出Zynq系列方向是對的，但是他確沒有解決核心的性價比問題。所以Zynq一直都是不溫不火。

什么時候解決了性價比問題。Zynq才能真的普及開。

????????????????  END ????????????????