3. Versal平台架构总览
Versal 是 AMD（原 Xilinx）推出的自适应计算加速平台（ACAP，Adaptive Compute Acceleration Platform）。它并不是传统意义上“更大更快的 FPGA”，而是在同一颗芯片上把标量处理、可编程逻辑和智能计算引擎整合为异构计算平台。理解 Versal 的第一步，是分清它的产品线定位，以及 Scalar、Adaptable、Intelligent 三类计算单元各自承担什么任务。
3.1 ACAP 概念：为什么不是“带 CPU 的 FPGA”
传统 FPGA 以可编程逻辑阵列为核心，CPU 往往通过硬核或软核附加在旁侧，二者之间通过总线通信，数据搬运成本高。ACAP 的设计思路是把不同计算范式放在同一硅片上，并通过片上网络（NoC）和共享存储层次连接，使标量控制、硬件并行和 AI 矩阵运算能够协同工作。
ACAP 的核心特征可以概括为三点：
- 异构集成：标量处理器、可编程逻辑、AI 引擎、DSP、存储控制器和高速接口集成在同一器件中。
- 自适应能力：硬件逻辑可在部署后重新配置，适应算法迭代或协议变化。
- 加速导向：面向数据中心、边缘、通信和汽车等场景，强调单位功耗下的计算吞吐。
3.2 Versal 产品线：从 AI Core 到 Premium
Versal 系列按目标场景划分为多个产品线，命名中的 AI 并不代表只能做 AI，而是强调其智能计算引擎和加速能力。主要产品线如下：
| 产品线 | 典型定位 | 关键特征 | 常见场景 |
|---|---|---|---|
| AI Core | 数据中心与云端加速 | 集成 AI 引擎、DSP 和较高逻辑密度，强调吞吐与能效 | 视频分析、数据库加速、机器学习推理 |
| AI Edge | 边缘智能与嵌入式加速 | 较低功耗，集成处理器子系统，适合实时控制与推理 | 工业视觉、自动驾驶域控、边缘网关 |
| AI RF | 射频与无线通信 | 集成 RF 采样、DSP 和可编程逻辑，支持射频直采 | 5G 基站、雷达、卫星通信 |
| Prime | 通用可编程逻辑 | 面向传统 FPGA 应用，强调逻辑、DSP 和接口能力 | 通信设备、测试测量、工业控制 |
| Premium | 高端旗舰与超大规模 | 最高逻辑密度、最多高速接口和最强计算资源 | 高端仿真、数据中心骨干加速、复杂协议处理 |
选型时，AI Core 和 AI Edge 的差异主要在功耗、封装和处理器配置；AI RF 面向射频前端；Prime 更接近传统 FPGA 的延续；Premium 则面向对逻辑密度和接口带宽要求极高的场景。不能简单认为“数字越大越适合”，而应看计算单元比例和接口需求。
3.3 三类计算单元：Scalar、Adaptable、Intelligent
Versal 的计算架构可以抽象为三类引擎，它们分别对应不同的计算模式：
- Scalar（标量）：由 Arm 处理器子系统（PS）承担，负责操作系统、控制流、协议栈和任务调度。它擅长分支判断和串行逻辑，但不适合大规模并行计算。
- Adaptable（自适应）：由可编程逻辑（PL）和 DSP 组成，负责硬件并行、流水线、自定义接口和实时信号处理。它的优势是灵活可重构，能实现极低延迟的数据通路。
- Intelligent（智能）：由 AI 引擎和 DSP 组成，面向矩阵乘法、卷积、向量运算等 AI 工作负载。AI 引擎提供高密度 MAC 阵列，适合推理和信号处理中的密集计算。
这三类单元不是孤立工作的。典型数据流是：Scalar 负责调度和预处理，Adaptable 负责数据搬运、格式转换和实时控制，Intelligent 负责密集计算，结果再回到 Scalar 或通过 NoC 输出。NoC 是连接各单元和存储控制器的片上网络，决定了数据能否高效流动。
3.4 案例：视频分析流水线如何映射到 Versal
以智能视频分析为例，输入是多路 1080p 视频流，任务是解码、预处理、目标检测和结果上报。映射到 Versal 时，可以这样分工：
- Scalar：运行 Linux，管理视频流会话、网络协议和任务调度，决定哪一路视频进入处理流水线。
- Adaptable：实现视频解码、缩放、色彩空间转换和帧缓存管理，利用 PL 的并行性保证实时性。
- Intelligent：在 AI 引擎上运行卷积神经网络，完成目标检测和分类。
- NoC 与存储：通过 NoC 把帧数据从 PL 搬到 AI 引擎，再把检测结果送回 PS 或通过以太网输出。
如果只用 FPGA 实现，AI 推理部分需要大量 DSP 和逻辑资源，功耗和面积压力较大；如果只用 CPU/GPU，实时性和能效又可能不满足边缘场景。Versal 的价值在于把三类计算单元按任务特征分配，而不是让某一种引擎承担全部工作。
3.5 常见误区与选型复盘
误区一：只看逻辑单元数量。Versal 的 AI 引擎和 NoC 带宽往往比纯逻辑资源更能决定加速效果。选型时应先明确计算模式，再看资源比例。
误区二：认为 AI 引擎只能做 AI。AI 引擎本质是高密度 MAC 阵列，也可用于雷达、通信和科学计算中的矩阵运算。
误区三：忽略处理器子系统的软件生态。Scalar 部分能否运行目标操作系统、驱动和中间件，直接影响开发周期。
复盘时可以用一张清单快速判断：任务是否以控制流为主？是否包含大规模并行数据通路？是否有密集矩阵或卷积运算？接口带宽和功耗预算是否明确？回答这些问题后，再对应到 Scalar、Adaptable、Intelligent 的资源配比，就能更理性地选择 AI Core、AI Edge、AI RF、Prime 或 Premium。
选型检查清单（示例）
1. 控制复杂度：高 → 关注 PS 核数与外设
2. 并行数据通路：高 → 关注 PL 逻辑与 DSP 数量
3. AI/矩阵运算：高 → 关注 AI 引擎数量与 NoC 带宽
4. 射频直采：需要 → 优先 AI RF
5. 功耗与封装：受限 → 优先 AI Edge
6. 逻辑密度与接口：极高 → 优先 Premium总体来看，Versal 的平台架构可以理解为“以 NoC 为骨架、以三类计算单元为器官”的异构系统。产品线差异本质上是三类计算单元比例、接口能力和功耗封装的不同组合。掌握这一层结构，后续做 PPA 评估时才能把逻辑资源、AI 引擎、存储带宽和功耗放在同一张表里比较，而不是只盯着单一指标。