（白皮书编号：WP022）

部署先进的网络基础设施不仅可以解决数据传输量激增的问题，而且还能在诸如边缘、核心和云端等网络的不同部分进行数据处理。不足为奇的是大部分数据要么是视频，要么是图像，并且这些数据正以指数级速度增长，并将在未来几年内保持持续增长。因此，需要更多的计算资源来应对数据的大量增长（如图1所示）。

由于应用的类型多种多样，因此在数据中心中存在着各种各样的视频或图像处理工作负载。基于专用集成电路（ASIC）的解决方案通常可提供更高的性能，但是无法进行升级以支持未来的算法；基于中央处理器（CPU）的解决方案要比其更加灵活，但其时钟主频已经固定，而且已不再可能大幅提升处理器性能；图形处理器（GPU）是提供视频／图像处理解决方案的另一种候选方案，但其功耗明显高于基于现场可编程逻辑门阵列（FPGA）的解决方案。FPGA在视频处理和压缩领域内，是一种具有吸引力的选择，因为它们提供了实现创新视频处理算法所需的、平衡的资源。此外，FPGA提供了一种灵活的解决方案，可以缩短产品上市时间，并能在解决方案的整个生命周期内实现持续升级和部署新的功能。

表1：互联网用户和数据流的增长

来源：思科（Cisco）公司

图1：全球互联网视频数据流（来源：思科）

33％ CAGR 2017－2022：2017－2022年间的复合年增长率33％

Exabytes per Month：每月的Exabytes数量

基于FPGA的视频解决方案的示例

本白皮书将介绍三种典型的视频应用，以展示基于FPGA的解决方案在广播行业中的优势。这些优势包括缩短处理时间、降低功耗，以及为服务提供商和终端用户节省成本。

本白皮书将介绍基于FPGA的解决方案在以下三种应用中的优势：

· 视频流

· 使用视频编辑软件来创作视频内容

· 人工智能（AI）和深度学习–图像识别是该应用的主要部分，其需要高性能的计算资源

视频流传送

为了使媒体流变得快速和高效，对视频进行转码的需求已急剧增加。目前大多数产品都采用了一种基于软件的方法，但该方法无法满足高带宽、广播级视频流的处理要求。视频流和／或云服务提供商面临着由基于软件的解决方案所带来的低吞吐量、高功耗、长延迟和占用空间大等挑战。根据思科的一份题为《思科可视网络指数：预测与趋势——2017－2022年白皮书》的报告，视频流数据流量正在增加，并且到2022年时将占据整个互联网数据流的82％。在包括视频点播、流媒体直播和视频监控等所有应用中，视频数据流量将逐年稳步增长。

诸如Netflix和YouTube等视频流应用的兴起推动了对视频转码的需求。传统广播和视频流媒体之间最显著的区别在于内容量和频道数。为了支持从电脑到智能手机等各种接收设备，内容必须被转码成不同的分辨率和压缩格式。因此，视频流将消耗大量的计算资源。

图2：视频转码工作流程

Acquisition：获取

content creator dramatically growing：内容创作者的数量在急剧增加

Editing：编辑

Uploading：上传

Streaming Company：流媒体公司

Cloud Service Provider：云服务提供商

Transcoding：转码

different compression：不同的压缩率

different resolution：不同的分辨率

different bitrates：不同的比特率

Distribution：发布

iPhone：iPhone手机

Andriod：安卓手机

PC Browser：电脑浏览器

流媒体和云服务提供商需要一种解决方案来缓解对计算需求的压力。Achronix Speedster?7t系列FPGA器件中搭载了IBEX这种最先进的视频处理半导体知识产权（IP）能够解决这一重大问题。这种基于FPGA的解决方案可以提供高吞吐量的、低功耗的和占用空间小的系统，而且无需牺牲灵活性。尽管基于ASIC的解决方案功能强大，但只能支持在设计时定义的功能集，而不能支持现场更新。