今年3月，英特尔宣布联合微软、阿里、思科、戴尔EMC、Facebook、谷歌、惠普企业HPE和华为等公司，共同推出一个全新的互联标准，取名为Compute Express Link(CXL)，应用目标锁定互联网数据中心、通信基础设施、云计算与云服务等领域，而这也正是FPGA大显身手的重要平台。

为了确保高性能在线处理和处理器负载加速，英特尔Agilex FPGA支持最新一代高性能处理器接口，包括PCIe Gen 5和CXL，并将成为首款采用Xeon可扩展处理器的一致的高速缓存和内存互联结构的FPGA。

.先进的内存层级结构

Agilex FPGA 支持各个层级的内存资源，包括通过专用接口提供的嵌入式内存资源、封装内内存和片外内存。该层级结构的第一层是嵌入式片上内存，包括MLAB、块RAM和eSRAM，每种内存均可提供不同的容量，以满足不同的处理需求。此外，英特尔在设计中还使用SIP技术将高带宽内存(HBM)直接集成至Agilex FPGA器件中，有助于缩减电路板尺寸和成本，简化与降低电源需求。

另一个值得关注的重点是Agilex平台还集成了eASIC技术。这种集成eASIC芯片定制技术能够实现从FPGA到结构化ASIC的迁移。换句话说，用户可以利用eASIC自身具备的可复用 IP 的自定义逻辑连续体，在整个产品生命周期内进行灵活优化，快速从FPGA转移到ASIC。

.软件

全新硬件架构每一个数量级的性能提升，软件能相应带来两个数量级的性能提升。在新一代Agilex FPGA上，配套支持软件Quartus Prime可缩短硬件开发者30%的编译时间，内存利用率也提高了15%。同时，新一代的Agilex FPGA也纳入到One API的架构当中。

即将于今年第四季度推出的“OneAPI”软件编程框架，，为软件开发者提供了单一源的异构编程环境，支持常见的性能库API、Intel VTune和Advisor等软件开发工具，能够将软件匹配到能最大程度加速软件代码的硬件上，用以简化包括FPGA、CPU、GPU、人工智能和其它加速器在内的各种计算引擎的编程接口，降低各种架构和工作负载下的开发复杂性，加速六大技术支柱的大规模部署。

迎接多元化计算时代

让我们先暂时跳出FPGA这个小圈子，来看看为什么英特尔要提出“六大技术支柱”?

有人说这“六大技术支柱”是英特尔为抵御NVIDIA、AMD和赛灵思等公司而筑起的坚固城防，也有人不惜溢美之词，将其称之为英特尔引领未来计算发展的“创新矩阵”。但其实无论叫法如何，在英特尔看来，这六大技术支柱之间是相互关联、紧密耦合的，既能够带来指数级的创新，也是英特尔未来十年甚至未来五十年的主要驱动力。

从英特尔发布的数据来看，其10nm工艺下的晶体管密度达到了100.8Mtr/mm²，大约是上一代的14nm工艺的2.7倍。也就是说在2015-2018这3年左右的时间内，英特尔实现了晶体管密度2.7倍的增长。同时，英特尔还正在积极研究如纳米线晶体管、III-V材料(如砷化镓和磷化铟)晶体管、硅晶片3D堆叠、高密度内存与互联、紫外光(EUV)光刻技术、自旋电子、神经元计算等前沿项目。

发展半导体精尖制造技术和平台，生产世界上最好的芯片，持续推动制程和封装工艺技术创新，当然是英特尔的使命，但还不是全部。

我们现在正逐渐转向以数据为中心的时代。预期到2020年，普通用户每天产生的数据量为1.5GB，智慧医院每天3TB，自动驾驶每天达4TB，而联网飞机和智慧工厂每天分别达到了40TB和1PB!

这意味着伴随着数据量的爆炸式增长，数据类型也发生革命性变化，人工智能、5G、自动驾驶、云计算、物联网等新兴应用带来了更加多元化的计算需求。例如在嵌入式应用领域和边缘设备端，用户的需求是能够实时抽取包括图像、视频和视觉信息在内的数据;在通信基础设施端，用户需要高带宽融合处理能力;在云端，相关企业的需求则是能够高效的管理、组织和处理激增的数据。

也就是说，当我们从更高的维度来看数据架构时，就会明显的意识到，在这个海量数据推动计算架构快速演进并呈指数级扩展的时代，没有一种单一的技术可以全面满足消费者或企业客户对未来的计算需求，不可能只通过直接的标量架构就能解决所有应用，他们需要的是在多样化的层级结构中连接多样化的架构，比如分别应用于CPU、GPU、AI和FPGA产品中的标量(Scalar)、矢量(Vector)、矩阵(Matrix)和空间(Spatial)架构。

同时，随着从高度动态、非结构化自然数据中进行收集、分析和决策的需求越来越高，对计算的需求也超越了经典的CPU和GPU架构。虽然领先的制程和CPU仍然至关重要，但要想充分把握数据爆发带来的机遇，还需要在包括制程和封装、架构、内存和存储、互连、安全、软件在内的一系列基础构建模块上极速创新。那种不去研究数据的产生、类别、以及所需要的处理能力，是不行的。这和以前的通用数据处理不一样，只单纯强调某一种处理器算力的做法是行不通的。