嵌入式高端玩法？ZYNQ 可以做什么工作?

 

看到一个问题：最近做zynq方向，zynq的arm核处理不过来数据，感觉不适合做人工智能，适合做控制的东西。是不是我的想法不对，希望大佬来指导一下?

Zynq应用方向

如果你所说的Zynq是指Zynq 7000系列，其中FPGA部分（PL）资源有限，那么确实不太适合用来进行复杂的人工智能任务。

因此，我同意你的第一个判断，但我觉得你的第二个判断可能过于悲观了。

图像处理方面

尽管性价比不算很高，但Zynq的资源足以进行一些简单的图像处理，或者对某些算法进行加速。虽然不适合处理大规模、复杂的深度学习模型，但对于一些基本的图像处理任务，Zynq的ARM核心可以发挥一定作用。

然而，如果你的应用需求更加注重人工智能的处理能力，那么可能需要考虑更强大的处理器或专用的人工智能硬件加速器。这样可以更好地满足高性能和实时性的需求。

总而言之，根据你的需求和预期，选择合适的硬件平台是非常重要的。对于复杂的人工智能任务，可能需要考虑其他更适合的处理器或硬件平台。但对于一些简单的控制应用和图像处理任务，Zynq仍然是一个有价值的选择。

对于Zynq的ARM核（PS）来说，这些加速可以极大的减轻PS的计算负担，使得本来很弱的ARM核可以进行稍微复杂的计算了。

定制化方面

那么Zynq实际上是可以用来进行一些定制化的开发的,特别是在没有硬件加速的情况下，在规定的功耗和体积下，做出来一些demo或者小规模量产的硬件。

所以在性价比没有要求的场合，Zynq是可以做很多有趣的工作的，而不仅仅是控制。

人工智能方面

但是广义的Zynq还包括Zynq UltraScale+ MPSoC，这系列的FPGA部分（PL）的资源就比较多了，已经足够去进行一下人工智能方面的应用。

甚至可以用高层综合在不涉及HDL的情况下就完成这部分的工作。具有一定的可用性。

专用设备领域

在专用设备领域会有应用，例如大型光通信设备的核心主控。我们公司从单arm转型到zynq7000有三四年了吧，主要使用010 020 030，Ultra还在研究，MP以后可能也会上。

项目上使用zynq主要做控制，其次做路由算法，数据分析。zynq比较好用的地方是可以拓展硬件资源，PL出个网口、SPI、I2C一类的很方便，做主控基本上不会担心资源不够的问题。

数据分析方面

数据分析还没有做过，从路由算法方面讲，zynq的性能大概是普通i5主机的十几分之一左右吧。

用python写的算法在主机上Anaconda环境上跑测试大概10s的话，在zynq的linux下要一百多秒(大概数据，当时测试过记不清了)。

Zynq确实太贵了，不过专用设备不会量产，贵点也能接受吧。

zynq存在的一些问题

核心问题-性价比低

Zynq的核心问题个人认为主要是性价比不高，Zynq太贵了，在大多数嵌入式领域，除非是小批量的定制化产品，价格是十分敏感的，因此这会严重限制Zynq的应用范围。

比如最常用的7020的价格就明显高于带dsp核心的ARM，这让PL提供的加速能力变得性价比很低，更何况DSP的开发难度远远低于HDL。

那么如果实时性能满足的情况下，能用DSP加速，为什么还用PL？

而资源较多的UltraScale+ MPSoC系列这个问题更加严重，价格高的是在是离谱了，特别是现在大量NPU，TPU之类的产品上市后，用UltraScale+ MPSoC做人工智能相关产品的意义就更低了，成本高的过了头，很难找到可用的场合和市场。

次要问题-开发难度大

Zynq的次要问题，开发的难度是在是有点太大了，对于小公司员工不多的情况下，如果不分工，Zynq的开发绝对需要很长时间的学习和经验积累才能胜任，需要了解的东西是在是太多，软件硬件都需要。

就一个AXI就已经能让人抓狂了，PS，PL的开发迥异，复杂的内存管理，时序优化很多情况下还要考虑操作系统之类的问题，这真的难度是太大了。

对于大公司而言，分工是可行的，但协作仍然很麻烦，特别是调试的代价很大。

其他-资源方面

而高层综合（HLS）看起来很好，但资源利用率较低，开发难度仍然很大（不是能跑通就能用）入门快，但真正能掌握产品化技能还是很难的。

至于OpenCL之类的， 暂时还只能算旁门左道，性价比严重有问题。

很多情况下会让昂贵的UltraScale+ MPSoC只能Zynq 7000，因为资源浪费是在太大了。

总结

Xilinx 作为FPGA厂家推出Zynq系列方向是对的，但是他确没有解决核心的性价比问题。所以Zynq一直都是不温不火。

以上就是良许教程网为各位朋友分享的Linu系统相关内容。想要了解更多Linux相关知识记得关注公众号“良许Linux”，或扫描下方二维码进行关注，更多干货等着你 ！