想成为AI独角兽？必须以FPGA为技术支点
最近想必很多人工智能（ai）界小伙伴的朋友圈，都会被一则新闻刷屏：国内ai初创公司深鉴科技被全球排名第一的fpga公司赛灵思（xilinx）收购，尽管各方都没有披露收购的财务细节，不过据称先前深鉴科技的估值就已经达到了10亿美元。
为什么这家成立刚刚两年的公司，就可以成为令人羡慕的ai独角兽？其中有很多原因，不过从技术的角度来说，很大程度上这是因为他们在创业之初做对了一件事——选择fpga作为ai梦想的支点。
支持算法迭代
大家都知道ai的abc三要素——算法（a）、大数据（b）和算力（c）。为让人工智能算法基于大数据释放出最大的能量，就必须有强大的硬件计算平台做支撑。目前我们可用的硬件平台架构主要是cpu、gpu、fpga和asic这几种。
如果单从计算性能和效率、功率和面积来看，专用的asic肯定是最佳选择。不过处于发展初期的ai，其算法总是在快速迭代和变化之中，在无法形成大规模稳定应用之前，将算法固化在asic中，而没有任何灵活性，将意味着巨大的成本和风险。
而cpu则是另一个极端——它有极强的通用性和灵活性，可编程，可以跑各种算法，但是计算的效率太低，无法满足ai大量并行计算的需要。gpu无疑是近年来ai界的明星，其凭借出众的并行处理能力，已经成为很多云端ai数据中心的计算核心，但从本质上来讲gpu硬件结构还是固定的，不具备可编程性，面对ai算法的迭代变化，还是会力不从心。
而fpga由于是一种硬件可编程的处理架构，可以随时调整硬件架构以适应算法的变化，因此可以很好地去应对ai算法多样性和快速迭代的挑战。而且目前xilinx等fpga厂商还推出了arm+fpga的异构开发平台——如zynq fpga soc——将嵌入式处理器和可编程逻辑整合在一起，开发者可以根据需要在两个系统间分配计算任务，探索出最优的解决方案，为ai提供一个兼具高性能和灵活性的计算平台。
卡位推理应用
而且随着人们对ai应用场景的深入了解，fpga的另一个优势也逐渐显露出来。ai的应用场景可以分为训练(training)和推理(inference)两个环节。训练是指利用海量数据，选择合适的训练方法，训练出一个人工智能模型，这需要庞大的计算集群，所以大多是在云端完成的。
推理是指利用训练出来的模型来在线响应用户的需求，做出决策判断，这个过程既可以在云端完成，也可能是在网络边缘端用户侧的智能设备中完成。gpu的特性决定了其更适合去做大规模的并行计算，在云端以最快速度处理海量数据训练、验证模型的有效性。
但对于推理这种通常一次只对一个输入项进行处理的应用，gpu并行计算的优势发挥不出来，因此并不适合。而fpga的架构则更适合于推理环节的计算任务，而且对于那些位于网络边缘、性能受限、功耗苛刻、要求实时性的ai应用，fpga更是能体现出它的优势。
实际上推理环节是ai的应用落地的关键，这就意味着不论云端还是边缘设备中，都要部署相应的推理计算资源，因此fpga未来在ai中的市场潜力是非常巨大的。
图1，深鉴科技基于fpga平台的dpu与gpu方案的性能对比（资料来源：36kr）
快速响应市场
fpga能给ai玩家带来的再一个好处就是，可以让他们在短时间内去验证和优化自己的算法，根据市场需要快速开发出应用方案，而同时避免投资专用asic芯片而带来的巨大成本压力。这方面，深鉴科技就是一个很好的例子。
深鉴科技的ceo姚颂在接受媒体采访时曾经坦承，选择fpga架构作为ai的切入点是他们产品规划的一个重要组成部分——用fpga实现，而不是直接做asic，可以很快做出产品，拿到客户的测试反馈后，基于fpga的可编程特性马上进行修改、烧写，再次更新给客户，用这样的方法他们才得以快速响应客户需求，抢占市场先机。
有人把深鉴科技的做法形容为利用具备可重构特性的fpga芯片来实现半定制的人工智能芯片，他们设计开发的“深度学习处理单元”（deep processing unit，dpu）芯片就是基于fpga平台，希望以asic 级别的功耗来达到优于gpu 的性能。这种半定制芯片抽象出了指令集与编译器，可以快速开发、快速迭代，与专用的fpga加速器产品相比，具有非常明显的优势。
总之，以fpga为技术支点，ai的开发者可以快速完成了软件算法开发、硬件平台搭建、产品方案开发等一系列工作，实现全面开挂……已经有成功的案例在前，你想成为ai独角兽，是不是也该和fpga交个朋友？
OpenHarmony硬件资源池化架构介绍 OpenHarmony如何实现多设备协同
2011深圳电子展:友派U8平板电脑
2019年，现代品牌有什么？2019年北京现代要做什么？
oppor11最新消息：红米Pro2配置曝光，让oppor11再次成为高价低配！
智能制造不仅仅只是大企业的专利而应该让它成为中小企业的普惠
想成为AI独角兽？必须以FPGA为技术支点
“剪刀差”效应愈发明显,制造业“机器换人”已成必然
疫情刺激下的NB-IoT有什么不一样
首尔半导体宣布对美国一公司提起专利诉讼 涉及11项LED驱动技术专利
两节锂电池充电芯片，电池管理系统
镭神智能旗下多款激光雷达产品大幅度降价,最大降幅甚至达到五成
自激多谐振荡器设计实验的实验报告
柔性时代的产物，新一代柔性协作机器人Xmate
数据标注——数字世界的基石
又一款黑马袭来，长安CS75这款SUV外观霸气不输路虎，性能出众
半导体磁敏元件简介
浅谈CAN总线在铁路通信中的应用
如何使用Phasics SID4相位成像相机进行表面测量？
ISO7816 (part 1-3)异步
智能音箱：打开智能家居的大门
为什么这家成立刚刚两年的公司，就可以成为令人羡慕的ai独角兽？其中有很多原因，不过从技术的角度来说，很大程度上这是因为他们在创业之初做对了一件事——选择fpga作为ai梦想的支点。
支持算法迭代
大家都知道ai的abc三要素——算法（a）、大数据（b）和算力（c）。为让人工智能算法基于大数据释放出最大的能量，就必须有强大的硬件计算平台做支撑。目前我们可用的硬件平台架构主要是cpu、gpu、fpga和asic这几种。
如果单从计算性能和效率、功率和面积来看，专用的asic肯定是最佳选择。不过处于发展初期的ai，其算法总是在快速迭代和变化之中，在无法形成大规模稳定应用之前，将算法固化在asic中，而没有任何灵活性，将意味着巨大的成本和风险。
而cpu则是另一个极端——它有极强的通用性和灵活性，可编程，可以跑各种算法，但是计算的效率太低，无法满足ai大量并行计算的需要。gpu无疑是近年来ai界的明星，其凭借出众的并行处理能力，已经成为很多云端ai数据中心的计算核心，但从本质上来讲gpu硬件结构还是固定的，不具备可编程性，面对ai算法的迭代变化，还是会力不从心。
而fpga由于是一种硬件可编程的处理架构，可以随时调整硬件架构以适应算法的变化，因此可以很好地去应对ai算法多样性和快速迭代的挑战。而且目前xilinx等fpga厂商还推出了arm+fpga的异构开发平台——如zynq fpga soc——将嵌入式处理器和可编程逻辑整合在一起，开发者可以根据需要在两个系统间分配计算任务，探索出最优的解决方案，为ai提供一个兼具高性能和灵活性的计算平台。
卡位推理应用
而且随着人们对ai应用场景的深入了解，fpga的另一个优势也逐渐显露出来。ai的应用场景可以分为训练(training)和推理(inference)两个环节。训练是指利用海量数据，选择合适的训练方法，训练出一个人工智能模型，这需要庞大的计算集群，所以大多是在云端完成的。
推理是指利用训练出来的模型来在线响应用户的需求，做出决策判断，这个过程既可以在云端完成，也可能是在网络边缘端用户侧的智能设备中完成。gpu的特性决定了其更适合去做大规模的并行计算，在云端以最快速度处理海量数据训练、验证模型的有效性。
但对于推理这种通常一次只对一个输入项进行处理的应用，gpu并行计算的优势发挥不出来，因此并不适合。而fpga的架构则更适合于推理环节的计算任务，而且对于那些位于网络边缘、性能受限、功耗苛刻、要求实时性的ai应用，fpga更是能体现出它的优势。
实际上推理环节是ai的应用落地的关键，这就意味着不论云端还是边缘设备中，都要部署相应的推理计算资源，因此fpga未来在ai中的市场潜力是非常巨大的。
图1，深鉴科技基于fpga平台的dpu与gpu方案的性能对比（资料来源：36kr）
快速响应市场
fpga能给ai玩家带来的再一个好处就是，可以让他们在短时间内去验证和优化自己的算法，根据市场需要快速开发出应用方案，而同时避免投资专用asic芯片而带来的巨大成本压力。这方面，深鉴科技就是一个很好的例子。
深鉴科技的ceo姚颂在接受媒体采访时曾经坦承，选择fpga架构作为ai的切入点是他们产品规划的一个重要组成部分——用fpga实现，而不是直接做asic，可以很快做出产品，拿到客户的测试反馈后，基于fpga的可编程特性马上进行修改、烧写，再次更新给客户，用这样的方法他们才得以快速响应客户需求，抢占市场先机。
有人把深鉴科技的做法形容为利用具备可重构特性的fpga芯片来实现半定制的人工智能芯片，他们设计开发的“深度学习处理单元”（deep processing unit，dpu）芯片就是基于fpga平台，希望以asic 级别的功耗来达到优于gpu 的性能。这种半定制芯片抽象出了指令集与编译器，可以快速开发、快速迭代，与专用的fpga加速器产品相比，具有非常明显的优势。
总之，以fpga为技术支点，ai的开发者可以快速完成了软件算法开发、硬件平台搭建、产品方案开发等一系列工作，实现全面开挂……已经有成功的案例在前，你想成为ai独角兽，是不是也该和fpga交个朋友？
OpenHarmony硬件资源池化架构介绍 OpenHarmony如何实现多设备协同
2011深圳电子展:友派U8平板电脑
2019年，现代品牌有什么？2019年北京现代要做什么？
oppor11最新消息：红米Pro2配置曝光，让oppor11再次成为高价低配！
智能制造不仅仅只是大企业的专利而应该让它成为中小企业的普惠
想成为AI独角兽？必须以FPGA为技术支点
“剪刀差”效应愈发明显,制造业“机器换人”已成必然
疫情刺激下的NB-IoT有什么不一样
首尔半导体宣布对美国一公司提起专利诉讼 涉及11项LED驱动技术专利
两节锂电池充电芯片，电池管理系统
镭神智能旗下多款激光雷达产品大幅度降价,最大降幅甚至达到五成
自激多谐振荡器设计实验的实验报告
柔性时代的产物，新一代柔性协作机器人Xmate
数据标注——数字世界的基石
又一款黑马袭来，长安CS75这款SUV外观霸气不输路虎，性能出众
半导体磁敏元件简介
浅谈CAN总线在铁路通信中的应用
如何使用Phasics SID4相位成像相机进行表面测量？
ISO7816 (part 1-3)异步
智能音箱：打开智能家居的大门