智東西 文 | Lina
隨著移動互聯網紅利日漸式微， 一個更具備顛覆性、更具備革命性的王朝正悄然來臨——人工智慧（AI）。 在下一個十年裡， 雲計算、機器學習、AI晶片等相關產業將以迅猛的勢頭持續佔領市場份額， 為人工智慧無孔不入地滲透進各行各業打下堅實基礎。
而正如英特爾贏在PC時代、高通贏在智能手機時代， 在AI時代大幕拉開的當下， 人工智慧晶片產業結構也在激劇地變換當中。 其中不僅湧現出英偉達這類來勢兇猛、股價接連翻倍的獨角獸企業， 更是催生了大大小小各類公司煥發勃勃生機——他們或是備受資本親睞的新興晶片/板卡創業獨角獸，
而在這個熱鬧的大舞臺上， 自然少不了老牌FPGA晶片巨頭賽靈思（Xilinx）的身影——自2011年開始， 賽靈思就提出全可程式設計（All Programmale）的理念， 將靈活（可程式設計）、低延遲、低功耗的FPGA技術從傳統的通訊、國防領域拓展到了人工智慧、雲計算、嵌入式視覺、工業物聯網、5G等領域的應用上。
那麼現在FPGA在哪項AI的應用最為廣泛？現在最受歡迎的賽靈思AI板卡是哪一款？在AI演算法日趨成熟， 定制化AI晶片陸續湧現的當下， FPGA的靈活性又是否能保持優勢？賽靈思又會不會推出全定制化的AI晶片？帶著這些問題， 智東西與了賽靈思全球銷售和市場部亞太及日本地區高級總監周海天（Stephen Chow）進行了一場一對一的深入交流。
（賽靈思全球銷售和市場部亞太及日本地區高級總監周海天）
一、AI時代下， 16nm技術成明星產品FPGA（Field Programmable Gate Array）全稱“可程式設計閘陣列”， 是積體電路的一種， 用戶在FPGA板卡上可以通過程式設計語言來調整或者更換這塊板卡的用途， 這種“可程式設計性”使得FPGA技術比我們常見的全定制積體電路技術更加靈活。
賽靈思成立於1984 年， 是FPGA技術的發明者， 也是半導體業無廠化 （fabless）模式的開拓者。 目前賽靈思的主要的硬體產品包括45/28/20/16nm四個系列的FPGA以及Zynq SoC， 同時還提供相應的開發軟體工具及IP支援。 在四個產品線中，
賽靈思的FPGA晶片主要應用在通訊、工業、航空、國防、廣播等傳統領域當中， 但是隨著人工智慧、雲計算、5G、自動駕駛等新興技術的出現， FPGA的應用範圍也在不斷拓寬。 根據賽靈思10月發佈的2018財年第二季財報顯示， 賽靈思先進產品營收比已經去年同期大增了46%。
與CPU、GPU類似， FPGA晶片可以為目前的深度學習演算法的訓練（Training）和推理應用（Inference）兩個階段提供計算能力。 尤其是在推理應用方面， FPGA在功耗與性能方面存在優勢。
周海天告訴智東西， 賽靈思的FPGA技術是AI應用的核心技術之一。 現在我們還處在AI發展的前期， 這項技術剛剛火熱起來， 未來還將快速地反覆運算發展。
而在這個反覆運算發展的過程中， FPGA作為一個可程式設計的軟硬體一體平臺，
而在賽靈思的眾多產品線當中， 16nm的產品最受AI應用廠商們的歡迎。 由於AI需要大量的計算能力，16nm的尖端技術能夠將更多的可程式設計應用邏輯元件集成在晶片上，為演算法提供更為強大的計算力。
二、雲智慧+端智慧，FPGA在AI應用的興起在AI雲計算方面，單就資料中心加速而言，FPGA相具備靈活性（資料中心的工作量每天都在變化）、更低的能耗、更高的ROI，因此大部分資料中心都會採用FPGA+CPU+GPU混用的模式。目前賽靈思的合作夥伴除了國外雲服務龍頭老大亞馬遜AWS外，國內的阿裡、百度、騰訊、華為也都在其列。
而在AI端智慧方面，賽靈思FPGA晶片的主要應用領域包括嵌入式視覺以及工業物聯網。
嵌入式視覺是目前人工智慧終端落地的核心領域，其應用非常廣泛。從無人駕駛、醫療影像、VR/AR、再到航空航太、視頻視覺、無人機等領域都會用到FPGA技術提供的嵌入式視覺技術。
對於工業物聯網來說，像智慧工廠、智慧能源、智慧城市這些領域，通過FPGA的智慧晶片可以提高效率——每提高1%，就可以幫助各個行業節省幾百億美元。
無論是嵌入式視覺還是工業物聯網，FPGA都不僅具備靈活、低功耗等優勢，而且具有複用優勢，僅採用單晶片就可帶來安全性、保密性、以及多感測器融合技術。
（2017年第二季度賽靈思下游客戶營收占比）
三、人工智慧演算法還有3-5年的演進過程在AI演算法尚不成熟的時候，可程式設計的靈活性給予了FPGA一定的市場優勢。但是，隨著目前AI演算法進一步成熟，各類全定制化的AI晶片開始陸續出現（比如搭載了寒武紀NPU的麒麟970手機晶片，又比如賽靈思投資的深鑒科技明年就要推出的AI晶片“聽濤”等）。定制化晶片能夠提供更低的功耗與更高的能效比，其批量生產的成本也低於FPGA，那麼在這樣的背景下，FPGA的靈活性又是否能保持優勢呢？
周海天認為，現在普遍的全定制化AI晶片，基於的還是前兩年發展的比較成熟的演算法、比較成熟的應用。
但是，AI創新的過程還在不斷發生，我們對真正的“人工智慧”的期望和現在AI演算法能達到的水準是有落差的。在未來起碼3-5年間，AI演算法還將繼續不斷演進。
比如現在在GPU上使用雙精度運算很火，但隨著演算法演進，也許會從浮點運算演進到定點運算，從32bit演進到16bit，演算法在不斷改進、不斷優化的過程中，FPGA的靈活性優勢將會一直受到創新、反覆運算的歡迎。
四、暫時不會推出全定制化AI晶片雖然賽靈思可以將自己的AI演算法、軟體固化在晶片上，推出全定制化AI晶片，但是由於考慮到全程式設計還是賽靈思的主要優勢，因此賽靈思暫時不會推出全定制化AI晶片的產品，但是不會否定未來的可能性。
周海天進一步提到，有人說AI將會對推動晶片行業產生倍數的增長，而他認為AI甚至將會推動賽靈思的業務進行一個級別的增長。這一點無論是從銷量還是從市場回饋上都看到了明顯的增長曲線，因此賽靈思對AI的希望和目標非常清晰，對AI的投入也會非常明確。
由於AI需要大量的計算能力，16nm的尖端技術能夠將更多的可程式設計應用邏輯元件集成在晶片上，為演算法提供更為強大的計算力。二、雲智慧+端智慧，FPGA在AI應用的興起在AI雲計算方面，單就資料中心加速而言，FPGA相具備靈活性（資料中心的工作量每天都在變化）、更低的能耗、更高的ROI，因此大部分資料中心都會採用FPGA+CPU+GPU混用的模式。目前賽靈思的合作夥伴除了國外雲服務龍頭老大亞馬遜AWS外，國內的阿裡、百度、騰訊、華為也都在其列。
而在AI端智慧方面，賽靈思FPGA晶片的主要應用領域包括嵌入式視覺以及工業物聯網。
嵌入式視覺是目前人工智慧終端落地的核心領域，其應用非常廣泛。從無人駕駛、醫療影像、VR/AR、再到航空航太、視頻視覺、無人機等領域都會用到FPGA技術提供的嵌入式視覺技術。
對於工業物聯網來說，像智慧工廠、智慧能源、智慧城市這些領域，通過FPGA的智慧晶片可以提高效率——每提高1%，就可以幫助各個行業節省幾百億美元。
無論是嵌入式視覺還是工業物聯網，FPGA都不僅具備靈活、低功耗等優勢，而且具有複用優勢，僅採用單晶片就可帶來安全性、保密性、以及多感測器融合技術。
（2017年第二季度賽靈思下游客戶營收占比）
三、人工智慧演算法還有3-5年的演進過程在AI演算法尚不成熟的時候，可程式設計的靈活性給予了FPGA一定的市場優勢。但是，隨著目前AI演算法進一步成熟，各類全定制化的AI晶片開始陸續出現（比如搭載了寒武紀NPU的麒麟970手機晶片，又比如賽靈思投資的深鑒科技明年就要推出的AI晶片“聽濤”等）。定制化晶片能夠提供更低的功耗與更高的能效比，其批量生產的成本也低於FPGA，那麼在這樣的背景下，FPGA的靈活性又是否能保持優勢呢？
周海天認為，現在普遍的全定制化AI晶片，基於的還是前兩年發展的比較成熟的演算法、比較成熟的應用。
但是，AI創新的過程還在不斷發生，我們對真正的“人工智慧”的期望和現在AI演算法能達到的水準是有落差的。在未來起碼3-5年間，AI演算法還將繼續不斷演進。
比如現在在GPU上使用雙精度運算很火，但隨著演算法演進，也許會從浮點運算演進到定點運算，從32bit演進到16bit，演算法在不斷改進、不斷優化的過程中，FPGA的靈活性優勢將會一直受到創新、反覆運算的歡迎。
四、暫時不會推出全定制化AI晶片雖然賽靈思可以將自己的AI演算法、軟體固化在晶片上，推出全定制化AI晶片，但是由於考慮到全程式設計還是賽靈思的主要優勢，因此賽靈思暫時不會推出全定制化AI晶片的產品，但是不會否定未來的可能性。
周海天進一步提到，有人說AI將會對推動晶片行業產生倍數的增長，而他認為AI甚至將會推動賽靈思的業務進行一個級別的增長。這一點無論是從銷量還是從市場回饋上都看到了明顯的增長曲線，因此賽靈思對AI的希望和目標非常清晰，對AI的投入也會非常明確。