XC7V585T-2FFG1761E_XC7VX1140T-L2FL1926E导读

相比之下，AMD 64核心的二代霄龙为320亿个晶体管，NVIDIA
GV100核心则是211亿个晶体管。

据悉，Zynq RFSoC
DFE的硬化无线电子系统已经验证过的兼容3GPP标准的硬化无线电内核；基于已部署且经过现场验证的赛灵思软IP；可针对4G LTE、5G
NR和定制需求进行配置。此外，与上一代产品相比，Zynq RFSoC DFE将单位功耗性能提升高达两倍，并且能够从小蜂窝扩展至大规模 MIMO（ mMIMO
）宏蜂窝。

XC7V690T-2FFG1761I

XC2S200E-7FT256I XC2S200E-7FTG256C XC2S200E-7PQ208I
XC2S200E-7PQG208I XC2S200E-7TQ144C XC2S200E-7TQ144I XC2S200E-7TQG144C
XC2S200E-7TQG144I XC2S200E-8FT256I XC2S200E-8FTG256C 。

XC2S200E FG456 XC2S200E,FG456AGT XC2S200E-10FTG256C
XC2S200E-1FT256C XC2S200E-4FG256 XC2S200E-5FG456C XC2S200E-5FG456I
XC2S200E-5FGG456C XC2S200E-5FGG456I XC2S200E-5FT256C XC2S200E-5FT256I
XC2S200E-5FTG256C XC2S200E6CFG456 XC2S200E-6ET256 。

XC2S200FGG256 XC2S200-FGG256AMS XC2S200FGG456
XC2S200FGG456AMS XC2S200-FGG456AMS XC2S200FGG456AMS-5C XC2S200FT256
XC2S200FTG256 XC2S200-PQ208AFP XC2S200PQ208AMS5C XC2S200TM5FG256AMS
XC2S200TM-FG456AMS XC2S2200E-6FT256C 。

XC2S200E-6TQ144I XC2S200E-6TQG144C XC2S200E-6TQG144I
XC2S200E7FG456C XC2S200E-7FG456C XC2S200E-7FG676C XC2S200E-7FG676I
XC2S200E-7FGG456I XC2S200E-7FGG676C XC2S200E-7FGG676I XC2S200E-7FT256 。

XC7VX1140T-1FL1928I

XC2S300EFG456-6C XC2S300EFG456-6I XC2S300EFG456-7C/6C
XC2S300EFG456AFS XC2S300E-FG456AG XC2S300EFG456AGT XC2S300E-FG456AGT
XC2S300E-FGG456 XC2S300E-FGG456AGT XC2S300EFT256 XC2S300E-FT256 XC2S300EFT256-6C
XC2S300EFT256-6I XC2S300EFT256AGT 。

XC2S300E XC2S300E-10FT256C XC2S300E-1FT256C
XC2S300E-2FT256C XC2S300E-3FG456I XC2S300E-3FT256C- XC2S300E-4FG456
XC2S300E-4FG456C XC2S300E-4FG456I XC2S300E-4FG456N XC2S300E-4FGG456C
XC2S300E-4FT256C 。

XC2S400-4FGG256C XC2S400-4FT256I XC2S400-5FT256I
XC2S400-6 FT256C XC2S400-6FG676C XC2S400-6FT256C XC2S400-6FT256I XC2S400-7FG456C
XC2S400-7FT256I XC2S400E 。

XC5VLX155T-2FF1136C XC5VLX20T-1FF323C
XC5VLX195T-1FF1156I XC5VLX110T-2FF1136I XC5VLX110T-2FF1136C XC5VLX110T-1FFG1738I
XC5VLX110T-1FFG1738C XC5VLX110T-2FFG1136I XC5VLX110T-2FFG1136C
XC5VLX155T-2FFG1136I XC5VLX155T-2FFG1136C XC5VLX20T-1FFG323C
XC5VLX20T-1FF323I。

即使在赛灵思、intel等芯片巨头的cpu等芯片设计中，他们也会先在fpga上进行模拟，然后进行芯片的流式处理，更不用说近年来许多ai算法公司推出的ai专用芯片了。销售收入8.5亿美元，比上年同期增长24%；净利润2.41亿美元，比去年同期增长27%。一方面，芯片制造商需要依靠fpga进行仿真和原型设计；另一方面，cpu、gpu、fpga和asic（专用集成电路）在人工智能市场上的竞争日益激烈。2013年，全球fpga市场规模为45.63亿美元，到2018年，这一数字将增长到63.35亿美元。随着5G和人工智能的发展，预计到2025年，FPGAs的规模将达到125.21亿美元左右。在全球的fpga市场上，赛灵思和altera两大厂商的市场份额约为90%。

如果FPGA是一种产品类型，并且其中包含多种模式，则ACAP是一个可以与CPU和GPU相比较的产品类型个体，帮助我们实现智能互联和灵活的世界。在第二大战略方面，沉默将加速主流市场的增长，支持汽车、无线基础设施、有线通信、工业和消费电子等领域的客户快速增长。彭先生强调赛灵思可以参与从一个端到另一个云的过程，这是一个独特的优势，它能够实现从端到云的全面覆盖。为了推动灵活的计算，维克托彭，沉默将推出一个新的系列产品类型，AcP(自适应计算加速平台)。