上海因特普林完成25万字FPGA芯片资料翻译

芯片翻译之--FGPA芯片翻译

FPGA（Field Programmable Gate Array）芯片基于可编程器件（PAL、GAL）发展而来，是半定制化、可编程的集成电路。相对全球集成电路领域超4,600亿美元的市场规模，FPGA市场规模较小，存在增量释放空间。相较赛灵思、Intel等巨头，中国FPGA研发起步晚，但研发进度逐渐赶上（与全球头部厂商相差3代缩短至接近2代）。本土芯片在产品硬件性能等方面落后于境外高端产品，但短期在LED显示、工业视觉等领域出货量较高。2025年后，边缘计算技术及云计算技术在智慧交通网络、超算中心全面铺开，

自动驾驶、数据中心领域FPGA应用市场成长速度将超过通信、消费电子市场， 5G通信体系建设提高FPGA芯片需求，通信场景是FPGA芯片在产业链下游应用最广泛的场景（超40%），随5G通信技术发展、硬件设备升级，FPGA面临强劲增量市场需求。

FPGA相对CPU、GPU在功耗及计算速度方面具备优势，通信设备企业将加大FPGA器件在基站天线收发器等核心设备中的应用，自动驾驶规模化商用提升FPGA量产需求，自动驾驶技术逐步发展，智慧交通市场空间广阔。自动驾驶领域ADAS系统、传感器系统、车内通信系统、娱乐信息系统等板块对FPGA，芯片产品产生增量需求，全球头部FPGA厂商（赛灵思、英特尔等）积极布局自动驾驶赛道。FPGA芯片设计复杂度持续提高 ，2016年至2018年，全球FPGA研发工作针对高性能、高安全性可编程芯片设计项目比重提高（2018年安全特性模块项目增至52%），FPGA设计复杂度日趋提升，具体可以嵌入式处理器数量增加、异步时钟域数量增加、安全特性（安全保证硬件模块）设计增加为证。

公司芯片翻译优势

我公司在芯片翻译领域有着良好的品牌口碑，多是来自和我公司合作多年的客户，客户普遍欣赏我公司的翻译的负责的态度和优秀的翻译水平。我公司专注于各种芯片翻译服务，对芯片翻译的特点有准确的把握，在芯片翻译方面有多年的经验，我们深知证明翻译的质量极其重要，为此，制订了以下翻译原则：

1. 充分沟通，了解客户需求

2．科学合理安排翻译流程

3．词汇、术语统一

4．文件保密

5. 为了保证译文的质量，每一个环节都要严格把关，尤其是校对这最后一关

坚持不懈的对国内外优秀翻译资源整合，我公司已拥有一批系统化、专业化、经验丰富的翻译人才，多名专家教授级的译审、顾问和外籍专家，并可随时组织专家组指导和审校大批量专业翻译资料。因特普林翻译公司承诺：准确、守时、保密地为客户提供翻译服务。我们鼎力提供每位客户，质量最高、速度最快的翻译及本地化服务。因特普林翻译凭借严格的质量控制体系、规范化的运作流程和独特的审核标准已为联合国组织、政府机构以及欧美、亚太区的全球性跨国公司提供了高水准的翻译，作为上海一家有资质的专业芯片翻译公司，我们不仅拥有丰富的各行业芯片翻译人才储备，还具备严格的分类，筛选和甄别能力，不仅能日处理高质量的3-6万字的文案翻译，还提供芯片陪同口译、芯片交传、芯片同声传译等口译服务。

公司芯片翻译客户类型

IC设计企业——海思芯片：海思芯片是一家芯片公司，前身

是创建于1991年的华为集成电路设计中心。海思的产品覆盖无线网络、固定网络、数字媒体等领域的芯片及解决方案，成功应用在

全球100多个国家和地区；在数字媒体领域，已推出SoC网络监控芯片及解决方案、可视电话芯片及解决方案、DVB芯片及解决方案

和IPTV芯片及解决方案。

IC设计企业——紫光国微：紫光国微2005年在深交所中小企业

板上市。公司专注于集成电路芯片设计开发业务，是领先的集成电路芯片产品和解决方案提供商，产品及应用遍及国内外，在智能安全芯片、高可靠特种集成电路、高稳定存储器芯片、安全自主FPGA、功率芯片器件、超稳晶体频率器件等核心业务领域已形成领先的竞争态势和市场地位。

IC制造企业——华虹芯片：华虹芯片是全球具领先地位的200mm纯晶圆代工厂。根据IHS的资料，按2016年销售收入总额计算，华虹芯片是全球第二大200mm纯晶圆代工厂。透过位于上海的三座晶圆厂，公司目前的200mm晶圆加工能力在中国

名列前茅，月産能约17万片。

 公司芯片翻译范文

l GPU物理结构： GPU为图形处理器，针对各类计算机图形绘制行为进行运算（如顶点设置、光影操作、像素操作等），标准GPU包括2D引擎、3D引擎、视频处理引擎、显存管理单元等。其中，3D引擎包含T&L单元、 PiexlShader等。

l 光栅化计算：显示器图像由像素组成，系统需将图形点、线通过算法转换至像素点。矢量图形转换为像素点为光栅化计算过程。

l 纹理贴图：通过纹理映射对多变形表面进行帖图处理，进而生成真实图形。

l 像素处理：GPU对光栅化完成的像素进行计算、处理，确定像素最终属性，多通过Pixel Shader（像素着色器）完成。

l GPU与FPGA特点对比：

峰值性：GPU计算峰值（10Tflops）显著高于FPGA计算峰值（小于1TFlops）。GPU架构依托深度流水线等技术可基于标准单元库实现手工电路定制。相对而言，FPGA设计资源受限，型号选择决定逻辑资源上限（浮点运算资源占用较高），FPGA逻辑单元基于SRAM查找表，布线资源受限。

内存接口：GPU内存接口（双倍数据传输率存储器等）带宽优于FPGA使用的DDR（双倍速率同步动态随机存储器接口，满足机器学习频繁访问内存需求。

灵活性：FPGA可根据特定应用编程硬件，GPU设计完成后无法改动硬件资源，远期机器学习使用多条指令平行处理单一数据，FPGA硬件资源灵活性更能满足需求。

功耗：GPU 平 均 功 耗 （200W） 远 高 于 FPGA 平 均 功 耗 （10W），可有效解决散热问题。