Liegt der Schwerpunkt von AMD auf der Produktion von Mikroprozessoren, so ist Xilinx ein Spezialist für FPGAs (Field-programmable Gate Arrays). Diese sind vor allem für Telekommunikationsanwendungen nützlich, und die weltweite 5G-Entwicklung hat diesem Sektor ein erhebliches Wachstum beschert. Die erwartete Anzahl neuer 5G-Mobilfunk-Basisstationen, die in den nächsten fünf bis zehn Jahren benötigt werden, geht in die Millionen. Xilinx war einer der Pioniere bei der Entwicklung von schnelleren und preiswerteren FPGAs mit immer größerer Komplexität. Das macht sie für Systementwickler attraktiv, die in sich dynamisch entwickelnden Industriesektoren arbeiten. Analysten rechnen mit einer Umorientierung vom reinen Mikroprozessoreinsatz hin zu kombinierten Mikroprozessor-/FPGA-Lösungen. Das Technologieangebot von Xilinx wird als Ergänzung zu den CPUs und GPUs von AMD gesehen. Diese integrierten Lösungen sind ideal für den Einsatz in Rechenzentren, um zusätzliche spezialisierte Verarbeitungsfunktionen zur Unterstützung von Server-Recheneinheiten hinzuzufügen – ein Bereich, dem mit der zunehmenden Verbreitung von Cloud-Implementierungen ein großes Wachstum vorhergesagt wird. AMD macht Fortschritte bei der Durchdringung des Geschäfts mit Server-Prozessoren im gesamten Datencenter-Markt, insbesondere durch den Erfolg der großen Public-Cloud-Anbieter.
Ein großer Vorteil der FPGA-Chips von Xilinx ist, dass sie den Datenzentren die Möglichkeit bieten, diese Bausteine für kundenspezifische Funktionen umzuprogrammieren. Nicht nur notwendig, um neueste Fortschritte in der künstlichen Intelligenz zu implementieren, sondern auch, um die Auslastung der Server zu optimieren. Durch das Hinzufügen von programmierbarer FPGA-Beschleunigung können Server effizienter arbeiten, indem sie rechenintensive Workloads wie Machine Learning Inferencing, Datenverarbeitung, Netzwerksicherheit und Verschlüsselungsmanagement bewältigen. Insgesamt wird der Prozessordurchsatz erhöht, und zwar effektiver als durch das bloße Hinzuschalten von mehr Server-Rechenleistung. Obwohl jede neue Generation von Server-Verarbeitungseinheiten eine schnellere Verarbeitung von Daten ermöglicht, wachsen die Datenmengen, die von den Kunden verarbeitet werden sollen, in einem deutlich höheren Tempo. Der Wechsel zu Cloud-basierten Bereitstellungen setzt die Rechenzentren unter Druck, die Nachfrage zu befriedigen, indem sie die Leistung optimieren, um Schritt zu halten. Der Bau von immer mehr Datacenter auf Basis der bestehenden Technologie wird nicht als nachhaltige oder kosteneffektive Richtung angesehen.
Jedes physische Rechenzentrum hat Grenzen hinsichtlich der Verarbeitungsleistung, die durch den verfügbaren Platz im Rack, den Energiebedarf und die Umgebungsanforderungen beeinflusst werden. Mehr Server auf gleichem Raum zu platzieren, bringt Herausforderungen für das Wärmemanagement mit sich, die wiederum mehr Platz erfordern. Irgendwann kommt der Moment, an dem jedes Datacenter die Anzahl der Server physisch nicht mehr erweitern kann. Die Verwendung von FPGA-basierte Beschleunigungsprozessoren zur Bewältigung intensiver Verarbeitungsaufgaben ermöglicht eine Erweiterung der Fähigkeiten mit geringeren Auswirkungen als eine gleichwertige Serververarbeitungsfähigkeit. Solche Prozessoren sind physikalisch kleiner und haben weniger Energiebedarf als ein entsprechender Server und erleichtern so das Wärmemanagement. In Bezug auf die Leistung pro Watt sind sie deutlich effizienter.
Es wird prognostiziert, dass der Big-Data-Boom anhalten und sich Machine-Learning-Technologien immer weiter ausbreiten werden. Die Servertechnologie macht solche Anwendungen schnell genug, um nutzbar zu sein, und billig genug, damit sie in der breiten Anwendung erschwinglich sind und eingesetzt werden können. In einem umkämpften Markt, in dem jeder Vorteil gegenüber den Mitbewerbern über das Überleben eines Unternehmens entscheiden kann, bieten die Möglichkeiten, die künstliche Intelligenz auf Datensätze anwenden, gute Resultate.
Eines der Probleme sind die speziellen Softwarekenntnisse, die für die Programmierung von FPGAs unter Verwendung von Hardware-Beschreibungssprachen erforderlich sind und über die die meisten Kunden intern nicht verfügen. Die Integration von gängigeren Programmiersprachen und Entwicklungswerkzeugen mit FPGA-basierten Beschleunigerdiensten ist ein Bereich, der noch nicht zufriedenstellend gelöst ist. Dies eröffnet ganz neue Möglichkeiten für die Entwicklung von lastspezifischen, FPGA-beschleunigten Anwendungen-as-a-Service. Die Möglichkeit, mehrere Server durch einen einzigen FPGA-beschleunigten Server zu ersetzen, reduziert die Anschaffungs- und Betriebskosten (Total Cost of Ownership, TCO) erheblich, und zwar sowohl in Bezug auf die Kapitalkosten für die Anschaffung/Miete des Servers als auch in Bezug auf die Betriebs- und Wartungskosten.
Anstatt die Akquisition in erster Linie zur Kostenreduzierung durch Konsolidierung von Doppelfunktionen zu nutzen, wird sich AMD durch die Übernahme von Xilinx wohl auf die Erweiterung seiner Produktpalette und auf die Ausweitung seiner Marktpräsenz konzentriert. Es wird erwartet, dass AMD mit diesem Schritt tiefer in die Märkte vordringen kann, die die größten Wachstumschancen versprechen, darunter Datacenter, Automotive und Telekommunikation, insbesondere 5G. Analysten sehen den Vorstoß von AMD als Antwort auf Intels Einstieg in die FPGA-fähige Servertechnologie und Nvidias geplante Übernahme von ARM, um so mit der Konkurrenz Schritt zu halten.
Weitere Märkte, in denen Chips von Xilinx weit verbreitet sind, sind Embedded Systems in den Bereichen Automotive, Luft- und Raumfahrt sowie Wehrtechnik. Darunter befinden sich auch Segmente, in denen AMD gegenwärtig keine signifikante Präsenz hat. Durch die Nutzung des Kundenstamms von Xilinx können sie potenziell neue Märkte für ihre bestehenden prozessorbasierten Produkte erschließen.
Obwohl eine Übernahme von der Zustimmung der Aktionäre und der Aufsichtsbehörden abhängt, gibt es offensichtliche Synergien zwischen der Arbeitsweise der beiden Unternehmen. Sie sind gemeinsam auf externe Fertigungspartner angewiesen, um ihre Produkte zu produzieren.
Falls Sie mehr erfahren möchten, finden Sie auf unserer Produktseite eine ausführliche Funktionsbeschreibung oder kontaktieren Sie einfach einen Experten bei Altium.