FPGA名师讲堂之 至芯科技带你领略FPGA（2017.6.20李凡老师）课程回顾

50
        在2000年之前，像美国的一些企业，都大量启用了一些有编程经验的、很少硬件背景的工程师，来做EDA的设计。
        经典的米德体系下面，引入了行为，曾经使业界欢欣鼓舞。
        因为行为带来了效率的极大提升。
        以往我们硬件工程师，要设计一个电路，不仅要描述what to do，还要描述how to do。
        要用逻辑门来描述how to do，逻辑门是如何来搭建的？
        有了行为语句以后，行为是用人类的观点，如果怎么样，电路该怎么样。
        发生了什么事情，电路该如何处理？
        用这样的语言来描述。
        具体如何实现，交给计算机。

51
        当做这种行为描述的时候，显然是程序员轻车熟路的事情。
        但是很快就发生了问题。这些很少硬件背景的工程师，来写EDA的时候呢，就发生了综合效率低下、甚至不可综合，很快美国的高校就提出了综合友好。
        面向综合、综合友好成为现代EDA必须要掌握的一个技能，以至于当你写这段代码，特别写行为代码的时候，什么样的行为会得到什么样的电路，你需要什么样的电路，这些都必须有相关的背景知识。
        2000年以后，一个现代的EDA工程师，你要写好HDL语言，你必须要有硬件背景。

52
        没有硬件背景，完全是站在软件行为的观点上，是不可能完成现在的大任的。
        这三部曲你一定要有，这三部曲纯软件工程师不可能完全获得。
        写模块的过程中，当然可以引用HDL语言，可以引用经典的米德体系，数据流、行为、结构化来写。
        写完后，你得到了这段抽象的电路模型。
        你不急着下板，不急着做硬件，直接在电脑上，我就可以验证它。
        首先我可以验证它的功能，为它写一段testbench。
        Testbench本身也是一段抽象的平台，将我需要的待测试的抽象电路模型置入其中，通常标识为dut，为它的输入加以激励。

53
        比实际的平台灵活得多、方便得多。
        通过仿真的方式来观测这个所写的平台是否有缺陷，如果发生了问题，很简单，只要在代码上修改即可。
        比原本的硬件用飞线或者重新画板，效率要高多了。
        过了RTL的这个验证之后，我们还可以进一步过它的后仿。
        在已经确定了门级网表的情况之下，就可以精确地知道所有的延时。
        有了延时之后，我们就不仅可以知道，电路输入发生了什么，输出发生了什么？
        我们还可以知道，电路输入发生了什么，输出何时发生什么？
        这个何时决定了电路的工作速度。

54
        由此我们可以进行后仿，进行速度的验证。
        有问题，则进行迭代。之后进入这张图的右侧，是一个有实际硬件支持的验证过程。
        进入后摩尔时期以后，我们也可以说，嵌入式走入了它的终结。
        为什么这么说？
        今天仍然有很多的同学、很多的企业提出这样的问题，我们解决问题的方案，我究竟是用单片机、ARM、DSP，还是用FPGA来解决？
        为什么要用FPGA？
        这里就不得不说到，后摩尔周期，嵌入式的终结。
        嵌入式进入现代以后，它进入终结时代了。

55
        我们讲图灵机和自动机的区别，就在这。
        我们今天讲有限自动机，就是由FPGA实现的有限自动机，很多方面体现在加速器，Accelerator，或者是片上系统，SoC。
        有很多方案，有很多核。
        它在提出了很长时间之后，甚至根本就没有ASIC芯片的支持。
        这个时候你的嵌入怎么做？
        一个芯片能解决一个问题的时代，可能已经一去不复返了。
        比方说ARM，像HDMI，类似的例子，像英国的ARM公司，他们给出ARM解决方案以后，从来不出ARM芯片，他们只是一个core。

56
        你可以把这段核拿去用，如何来用到这段核呢？
        当然要FPGA，当然要ASIC，当然要芯片级的解决方案。
        所以说芯片级的解决方案，代表了这个世界的未来。
        最近日本IT企业的调查里面，语言系统就业的第一位，是Verilog。
        美国硅谷的就业方向指南里面，也一再提出来，就是EDA的方向。
        芯片级解决的方向，要比嵌入式要好得多。
        代表了这个世界的未来，代表了这个世界的转折。
        特别是人工智能时代的到来，来决定了图灵机是否是一个生物神经系统。

57
        根据图灵测试的概念，在幕布后面由机器和人回答问题，而测试者是由人来决定背后回答问题的是机器还是人。
        我们知道，一个ARM，一个单片机，哪怕是我们最新的苹果手机，它都不能回答这个问题。
        比方说，我们现在看到的一些人工智能的电视节目，设想如果让计算机自由回答问题的话，计算机的检索判断能力，根据图灵测试，幕布后面的回答者，幕布前面的判断，一定是有差距的。
        也就是说图灵测试不能过现代的机器。
        这几乎成为一个共识。
        但是呢，这件事情有一个转折。

58
        2010年的美国的Watson这台机器，这个是震撼世界的一件事情。
        当然今天我们也看到阿尔法狗大战柯洁类似的新闻报道。
        甚至有人认为计算机一定比人类强。
        这个里面有一个非常重要的问题，效率的问题，虽然站在这个角度上，比方说像站在Watson这个危险边际的角度上，柯洁和阿尔法狗对战的平台上，那个问题是唯一的，柯洁只有围棋本身，Watson只有问题本身。

59
        如果是由人随意地提出问题，像图灵测试所定义的那样，是由n个人任意地发出问题，那么这个时候机器是否能够正确地回答呢？
        这个回答应该来讲是肯定的，得不到正确的回答。
        因为机器是按照既定的方式来运行的。
        比方说2010年的Watson，它使用了90台IBM的服务器，包含了360个IBM的Power7处理器。