Canyon Bridge收購萊迪思半導體的目的何在？
11月3日，萊迪思半導體與傳聞中有中資背景的基金Canyon Bridge共同宣布，雙方簽署收購協議，Canyon Bridge將以13億美元的價格溢價30%收購萊迪思半導體。在交易完成以后，Lattice將會繼續以一間獨立的子公司的身份繼續運營。
本文引用地址：http://www.ex-cimer.com/article/201611/339963.htm
目前，該交易已經被兩家公司董事會一致批淮，如果通過美國相關部門審核，而且被萊迪思股東大會通過，該交易有望于2017年上半年完成。
收購萊迪思背后
萊迪思在FPGA廠商營收中位列全球第三，營業收入僅次于賽靈思和阿爾特拉。主要產品集中在消費性電子、通訊與工業等范疇，推出包含USB Type C、智能手機與平板等各式裝置互連解決方案、影像傳輸解決方案、電源控制、無線通訊傳輸芯片等產品。雖然在營業收入上名列全球第三，但在技術上和賽靈思和阿爾特拉有一定差距，在市場份額上這種反映更加明顯，在2014年萊迪思的銷售額為3.66億美元，而賽靈思在2014年的銷售額則高達20多億美元。在今年第二季度，萊迪思甚至還虧損1380萬美元。目前，FPGA廠商處于“兩大兩小”的市場格局，“兩大”是指賽靈思和阿爾特拉，賽靈思和阿爾特拉瓜分了全球60%以上市場，“兩小”是指萊迪思和Actel。
收購萊迪思的Canyon Bridge則是新近成立的全球私募并購資金，總部位于美國加州的硅谷，其投資重點是科技公司。由于初始資金募集自幾名中國合伙人，以及其高級顧問Dr.David Wang在加入Canyon Bridge之前，曾任中芯國際總裁，華虹集團首席執行官等職務，使Canyon Bridge增添了幾分中資色彩。
由于《中國制造2025》白皮書中要求中國芯片自給率要從2014年的9%，增至2020年的40%，2025年達到70%。在軍用高端FPGA完全依賴進口的同時，中資近年來在海外掀起了一系列并購狂瀾——中國將在10年內投資1萬億元人民幣，開發芯片和栽培半導體行業。這使一家有中資背景的基金收購萊迪思半導體就很容易讓人聯想到這場收購的背后有國家意志的因素。雖然萊迪思半導體在2011年中止了軍事相關半導體解決方案的研發，但畢竟技術底子比國內FPGA廠商強太多。
總而言之，因為存在來自中國的資金和曾在國資企業擔任高管的高級顧問，先不論這場收購的背后是否有中國政府的影子，但這些都給陰謀論者提供了足夠的素材，使一些陰謀論者懷疑收購萊迪思是由中國政府在幕后主使。至于這場收購是否能助推中國軍用FPGA國產化，將萊迪思的技術和人才逐步轉移到中國大陸，并在大陸形成有能力自主開發適銷對路FPGA的團隊，就看將來事態如何發展了。
這場收購與深度學習的關系有多大?
相對于之前的那種比較陰謀論的觀點——中國政府背后主導了這次針對萊迪思的收購，另一種觀點認為這僅僅是Canyon Bridge看好FPGA在深度學習方面的發展前景。
在阿法狗大戰李世石后，人工智能越來越多成為輿論的熱點，深度學習的熱度也越來越高，但芯片計算能力卻成為一道瓶頸——傳統的處理器是為了進行通用計算發展起來的，處理效率不高，谷歌甚至需要使用上萬個中央處理器運行7天來訓練一個識別貓臉的深度學習神經網絡?？拼笥嶏w曾經采用大量CPU來支持大規模數據預處理，運行GMM-HMM等經典模型的訓練，在千小時的數據量下，效果也不理想。
因此，為了提高深度學習效率，逐漸衍生出使用CPU+GPGPU、眾核芯片、CPU+FPGA和使用專門針對人工智能而開發的NPU幾種方案。
GPGPU可以實現高并行計算和高計算吞吐，適用于計算密集、高并行、SIMD應用，尤其擅長圖形圖像、矩陣計算等方面的應用，英偉達的GPGPU雙精浮點性能可達5.3TFlops，英偉達還專門開發的DGX-1系統，并宣稱DGX-1比 21 個 Xeon Phi 服務器集群快一點，比四個 Xeon Phi 服務器集群快 5.3 倍。
Intel的眾核芯片雙精浮點性能為3 TFlops，性能功耗比為12 GFlops/W，雖然在性能上目前稍遜于GPGPU，但具有高應用適應性和易編程等多方面的特性，KNL眾核處理器可以與CPU相同的編程模式、語言和優化方法，這對Intel眾核處理器搶占市場有較大幫助。
中科院寒武紀這樣的NPU是專門針對深度學習而開發的芯片，雖然在絕對性能上不輸于GPGPU，在性能功耗比上亦相對于于CPU會有百倍以上的優勢，但在財力和商業化能力上，無論是中科院還是新成立的寒武紀公司都和Intel、英偉達、賽靈思、阿爾特拉等國際巨頭相距甚遠。
FPGA的雙精浮點性能雖然相對于英偉達的GPGPU和Intel的眾核芯片要遜色不少——阿爾特拉展示的一款可以用于深度學習和科學計算的FPGA其雙精浮點性能為1.5TFlops。雖然性能稍弱一些，但是性能功耗比卻非常驚艷，以達到50GFlops/W，是Intel眾核芯片的四倍有余，如果將FPGA用于機器學習，那么整個系統對于基于標準CPU和GPU的服務器有明顯的性能功耗比優勢，在大規模部署后可以大幅節省電費開銷。
評論