賽靈思新任CEO：用FPGA迎接AI時代，不看好專用晶片

在AI晶片領域，前有英偉達GPU獨領風騷，後有谷歌對外開放TPU，賽靈思CEO Victor則認為FPGA晶片將是重頭戲。

3月19日，全球第一大FPGA廠商賽靈思公司新任總裁兼CEOVictorPeng表示，要進一步推動計算加速、計算存儲及網絡加速領域的創新與部署，讓客戶在人工智慧（AI）推斷、視頻與圖像處理、基因組學等領域受益於晶片性能和單位功耗性能的提升。

為了更好地應對AI時代的挑戰，賽靈思宣布推出ACAP（Adaptive Compute Acceleration Platform，自適應計算加速平台）。

ACAP是一個高度集成的多核異構計算平台，核心是新一代的 FPGA 架構，適用於加速廣泛的應用，其中包括視頻轉碼、資料庫、數據壓縮、搜索、AI推斷、基因組學、機器視覺、計算存儲及網絡加速等。

不看好專用晶片

技術的進步讓CPU、GPU、FPGA（現場可編程門陣列）和ASIC（專用集成電路）這些不同處理器廠商之間的競爭也越來越激烈。

作為FPGA的領頭羊，Victor表示，賽靈思現在的競爭對手不再是FPGA的第二大廠商Altera(已被英特爾收購)，而是英偉達和英特爾的處理器業務。

這主要來自計算領域的重大變革。

早期的計算時代主要是資料庫應用等一些商業應用；在網際網路特別是移動網際網路發展後，數據大爆炸，傳統的CPU架構已經不適應時代發展，GPU越來越受到重視。

正因為站上了AI風口，英偉達的股價在近兩年漲了六倍。

而就在今年二月，谷歌宣布對外開放TPU（張量處理器）服務，加入AI晶片之戰。

TPU是谷歌為機器學習定製的晶片，是一種ASIC。

在接受第一財經等記者採訪時，Victor表示，AI晶片市場不會只有一種晶片架構一統天下，但不看好專用晶片。

與CPU、GPU相比，FPGA最大的優勢是具有高度自適應的應變能力。

「GPU確實做某些應用和工作負載的加速有自己的優勢。

在機器學習領域，GPU確實在集成一些新的模塊模板加快機器學習，但是在一段固定的時間裡，它的性能是固定的。

FPGA可以針對不同的工作負載進行加速，在這方面的表現會比GPU優越很多，而且也可以在機器學習過程當中應用於不同的網絡。

」

專注於視覺人工智慧領域的創業公司雲天勵飛研發副總李愛軍對第一財經記者表示，公司產品現階段主要應用在安防領域，在產品落地上，現有的CPU或GPU無法滿足嵌入式端視覺AI應用。

「通用CPU在神經網絡加速上速度慢，性能上滿足不了對嵌入式端的需求；GPU性能夠，但功耗高、成本居高不下也滿足不了。

」

從長期或者更廣泛的角度來看，Victor認為，ASIC不會是一個可行的解決方案，「它可以為某一種特定的網絡加速，但只能維持在那個水平，或者要等到下一代產品出來才可以再加速，所以它只能滿足市場上一小部分的需求。

」他舉例稱，深鑒科技在數據壓縮、網絡的消減方面一旦有新的創新，比如精度過渡到了8位，就可以立即使用FPGA。

而如果是ASIC，晶片方面要從頭再來才能進入市場。

這樣的弱點連谷歌的TPU也不例外。

Victor表示，TPU只能加速具體某些工作負載，「比如當前FPGA的產品就能夠加速搜索、語言和圖像的識別等，但是TPU沒有辦法做搜索的加速，也不能做資料庫壓縮的加速，所以我們加速功能比具體的ASIC更加廣泛。

」

Victor指出，數據中心的架構可以採用不同的模式，一種模式是有一些特定用途的應用加速一些工作負載，比如可以視頻轉碼，圖像語音識別，直播視頻的識別以及資料庫壓縮的加速等。

就單個工作負載而言，性能、功率比都不錯；但從整體數據中心看，它不是一直在做視頻壓縮或者資料庫的壓縮，需要執行不同的工作，因此會有一些加速工具閒置。

「另外一種模式，就是你買的都是同質化，但是可以定製，可以實時調整的ACAP加速的模式。

數據中心就可以根據實時的工作負載進行配置。

」從實時調整的角度來看，FPGA更為有利。

在AI爆髮帶來的新算法不斷湧現時期，FPGA具有可編程，上市快的優點，但當算法進入平穩期，FPGA量產後平均成本高於ASIC，性能低於ASIC。

寒武紀科技創始人、CEO陳天石在比較FPGA與ASIC時表示，FPGA傳統上主要用於處理器晶片研發過程中的驗證階段，用在流片前檢驗設計的正確性。

最近幾年，FPGA被應用於新興領域並取得了一定效果。

在他看來，FPGA疊代速度快，雖然能快速切入剛興起的領域，但當該領域重要性凸顯後，FPGA最終會被專用晶片替代，畢竟「運算速度和性能功耗比與專用晶片相比仍有較大差距。

」 陳天石此前在接受媒體採訪時這樣說道。

把握AI機遇

業界的變革是一大挑戰，大數據、機器學習等既是機遇，同時也有諸多挑戰，「因為沒有人知道未來到底會如何展開。

」

賽靈思在尋找FPGA以外的領域發展，並突破「僅支持硬體開發者」的局限。

「ACAP產品在數據中心以及我們廣泛市場領域的應用，將加速自適應計算技術的廣泛普及，從而讓智能、互連、自適應的世界更早成為現實。

」Victor說。

FPGA的編程難度較高，對於開發者而言，需要軟體開發能力的同時了解數字電路。

Victor對記者表示，對賽靈思而言，最大的挑戰在於易用性，「首先要改善我們的開發環境。

因為現在有很多新產品，他們在開發的過程當中希望使用我們的產品，而不希望投入太多去理解非常底層的細節，這對於我們來說也是一個技術挑戰。

」

談到中美兩國AI市場，Victor表示，在這兩個國家，AI的發展都令人非常振奮，而且都有非常好的機遇，「中國市場現在有很多實踐、創業，而且對新的想法非常開放，美國的創新也非常繁榮，但是在美國已經有很多成熟的GPU和CPU的公司。

總體來說，中國市場發展非常快，會有很多企業在中國繼續創新，所以中國市場絕對是一個非常重要的市場。

」

Victor指出，雖然AI和機器學習現在有一些炒作，但的確是發展趨勢，具有顛覆性，「我們內部自己也在做機器學習和人工智慧，但並不拒絕這方面的合作。

」

去年5月，賽靈思宣布投資中國AI初創企業深鑒科技。

賽靈思表示，藉助賽靈思器件在機器學習領域的架構優勢，深鑒科技為行業即將到來的AI產品和服務提供了從終端到雲端的推理平台。

今後是否還會有AI相關的投資？Victor稱，賽靈思會繼續在全球，包括中國關注和投資有前途的初創企業，而賽靈思在中國的研發團隊也是併購的一個成果，「中國在創新方面有非常好的資源優勢，比如有很好的高校和人才，我們也會繼續尋求類似的機遇。

」