面向AI等應(yīng)用推出自適應(yīng)加速平臺(tái)及加速卡

對(duì)于幾何級(jí)變化的數(shù)據(jù)計(jì)算時(shí)代,芯片的開(kāi)發(fā)速度已經(jīng)遠(yuǎn)遠(yuǎn)跟不上創(chuàng)新的速度。為此,Xilinx于2018年10月推出了自適應(yīng)加速平臺(tái)——ACAP,是軟硬件可編程平臺(tái),首款產(chǎn)品名為Versal,制程7nm,包含F(xiàn)PGA和異構(gòu)加速等復(fù)雜結(jié)構(gòu)。Versal會(huì)先推出兩類產(chǎn)品:基礎(chǔ)系列和AI核心系列,預(yù)計(jì)2019年下半年出貨。其中,AI核心系列具有突破性的AI推斷吞吐量。

為了滿足數(shù)據(jù)中心加速需要,Xilinx還推出了Alveo加速器卡,用于數(shù)據(jù)中心和AI,芯片制程16nm。其中,Alveo U200 和 Alveo U250 由 Xilinx UltraScale+ FPGA提供動(dòng)力。

靈活芯片與專用芯片的應(yīng)用比拼

那么,既然現(xiàn)有芯片已經(jīng)很難跟上數(shù)據(jù)和計(jì)算的幾何級(jí)發(fā)展,固定功能的AI芯片發(fā)展前景如何?實(shí)際上,ACAP或者Alveo產(chǎn)品不會(huì)取代所有GPU,但是人們肯定會(huì)越來(lái)越多采用靈活應(yīng)變的平臺(tái)。

相比GPU、CPU,ACAP的引爆點(diǎn)在哪里?GPU現(xiàn)在在深度學(xué)習(xí)訓(xùn)練這一塊應(yīng)用非常多,但是它的功耗很高。但是Xilinx并不是特別關(guān)注訓(xùn)練這個(gè)市場(chǎng),而是更多關(guān)注后面的推斷這部分的市場(chǎng),包括在數(shù)據(jù)中心和邊緣計(jì)算,GPU用得并不多,CPU有一定的應(yīng)用,但是性能和時(shí)延不太理想。這已是為什么Xilinx在推斷這個(gè)領(lǐng)域,包括在智慧城市、自動(dòng)駕駛汽車上已經(jīng)有了很多的訂單,相比GPU、CPU有競(jìng)爭(zhēng)力。

反過(guò)來(lái)再看訓(xùn)練市場(chǎng),現(xiàn)在GPU占據(jù)的市場(chǎng)份額比較多,但是這個(gè)市場(chǎng)基本處于飽和的狀態(tài)。而推斷這個(gè)市場(chǎng)仍然處于初期、快速上升期,現(xiàn)在正處于從CPU向加速卡轉(zhuǎn)換的階段,很多分析師預(yù)測(cè)未來(lái)的推斷市場(chǎng)比訓(xùn)練市場(chǎng)規(guī)模大很多,因?yàn)橛?xùn)練只需要一次,但是最終推斷可能是成百上千倍的應(yīng)用規(guī)模。

如何看待很多初創(chuàng)公司在做AI芯片?

現(xiàn)在無(wú)論是AI還是別的類型芯片,任何的先進(jìn)技術(shù)要發(fā)展,如果是用16nm、7nm的技術(shù),所需要的投資都是巨大的,很多小企業(yè)可能沒(méi)有足夠的資金,無(wú)論是在芯片的開(kāi)發(fā)還是在量產(chǎn)方面,尤其實(shí)現(xiàn)量產(chǎn)需要非常大的投資,這對(duì)于所有做AI和其他應(yīng)用的企業(yè)來(lái)說(shuō)都是一大挑戰(zhàn)。
既然如此,AI初創(chuàng)公司應(yīng)該如何去創(chuàng)新?被大公司收購(gòu)是出路之一,例如2018年7月,北京的深鑒科技公司被Xilinx收購(gòu)。因?yàn)榇蠊灸軌虺浞掷脛?chuàng)新的技能和知識(shí)來(lái)擴(kuò)大客戶群,幫助小公司更快地影響業(yè)界,而無(wú)需初創(chuàng)公司自己去融資,還要來(lái)重復(fù)執(zhí)行大公司很多優(yōu)勢(shì)領(lǐng)域的方案。所以初創(chuàng)企業(yè)應(yīng)該關(guān)注自己的創(chuàng)新,而大公司擅長(zhǎng)的部分可以由大公司來(lái)做,而不是由初創(chuàng)企業(yè)投資幾億元去做芯片。

深鑒的技術(shù)特色

 Xilinx過(guò)去幾年在AI邊緣計(jì)算上投入了很多資源,例如2018年7月,Xilinx收購(gòu)了深鑒科技。深鑒科技也是用賽靈思的 Zynq SoC技術(shù),面部識(shí)別就是深鑒非常重要的一個(gè)技術(shù)應(yīng)用領(lǐng)域。深鑒科技有一個(gè)剪枝技術(shù),是基于神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行優(yōu)化的技術(shù),也就是將神經(jīng)元需要計(jì)算的數(shù)量來(lái)進(jìn)行裁減,使得真正計(jì)算的神經(jīng)源少一些,即使一些小的FPGA也可以進(jìn)行計(jì)算。

類比一下,就像一個(gè)小孩小的時(shí)候腦神經(jīng)源比較多,長(zhǎng)大的時(shí)候使用的神經(jīng)源數(shù)量反而少了,但是這些神經(jīng)源的可用效率和效果是非常好的,隨著人逐漸長(zhǎng)大,對(duì)神經(jīng)源的訓(xùn)練使得少部分的神經(jīng)源更加強(qiáng)大了。還有模塊上的系統(tǒng)FPGA可以嵌在IP攝像頭和PCI-e卡里,都是在邊緣計(jì)算里的。

Xilinx軟件與AI解決方案產(chǎn)品市場(chǎng)營(yíng)銷與產(chǎn)品規(guī)劃副總裁 Ramine Roane