在AI芯片领域，前有英伟达GPU独领风骚，后有谷歌对外开放TPU，赛灵思CEO Victor则认为FPGA芯片将是重头戏。

　　3月19日，全球第一大FPGA厂商赛灵思公司新任总裁兼CEOVictorPeng表示，要进一步推动计算加速、计算存储及网络加速领域的创新与部署，让客户在人工智能（AI）推断、视频与图像处理、基因组学等领域受益于芯片性能和单位功耗性能的提升。

　　为了更好地应对AI时代的挑战，赛灵思宣布推出ACAP（Adaptive Compute Acceleration Platform，自适应计算加速平台）。ACAP是一个高度集成的多核异构计算平台，核心是新一代的 FPGA 架构，适用于加速广泛的应用，其中包括视频转码、数据库、数据压缩、搜索、AI推断、基因组学、机器视觉、计算存储及网络加速等。

　　不看好专用芯片

　　技术的进步让CPU、GPU、FPGA（现场可编程门阵列）和ASIC（专用集成电路）这些不同处理器厂商之间的竞争也越来越激烈。作为FPGA的领头羊，Victor表示，赛灵思现在的竞争对手不再是FPGA的第二大厂商Altera(已被英特尔收购)，而是英伟达和英特尔的处理器业务。

　　这主要来自计算领域的重大变革。早期的计算时代主要是数据库应用等一些商业应用；在互联网特别是移动互联网发展后，数据大爆炸，传统的CPU架构已经不适应时代发展，GPU越来越受到重视。正因为站上了AI风口，英伟达的股价在近两年涨了六倍。而就在今年二月，谷歌宣布对外开放TPU（张量处理器）服务，加入AI芯片之战。TPU是谷歌为机器学习定制的芯片，是一种ASIC。

　　在接受等记者采访时，Victor表示，AI芯片市场不会只有一种芯片架构一统天下，但不看好专用芯片。与CPU、GPU相比，FPGA最大的优势是具有高度自适应的应变能力。“GPU确实做某些应用和工作负载的加速有自己的优势。在机器学习领域，GPU确实在集成一些新的模块模板加快机器学习，但是在一段固定的时间里，它的性能是固定的。FPGA可以针对不同的工作负载进行加速，在这方面的表现会比GPU优越很多，而且也可以在机器学习过程当中应用于不同的网络。”

　　专注于视觉人工智能领域的创业公司云天励飞研发副总李爱军对记者表示，公司产品现阶段主要应用在安防领域，在产品落地上，现有的CPU或GPU无法满足嵌入式端视觉AI应用。“通用CPU在神经网络加速上速度慢，性能上满足不了对嵌入式端的需求；GPU性能够，但功耗高、成本居高不下也满足不了。”

　　从长期或者更广泛的角度来看，Victor认为，ASIC不会是一个可行的解决方案，“它可以为某一种特定的网络加速，但只能维持在那个水平，或者要等到下一代产品出来才可以再加速，所以它只能满足市场上一小部分的需求。”他举例称，深鉴科技在数据压缩、网络的消减方面一旦有新的创新，比如精度过渡到了8位，就可以立即使用FPGA。而如果是ASIC，芯片方面要从头再来才能进入市场。

　　这样的弱点连谷歌的TPU也不例外。Victor表示，TPU只能加速具体某些工作负载，“比如当前FPGA的产品就能够加速搜索、语言和图像的识别等，但是TPU没有办法做搜索的加速，也不能做数据库压缩的加速，所以我们加速功能比具体的ASIC更加广泛。”

　　Victor指出，数据中心的架构可以采用不同的模式，一种模式是有一些特定用途的应用加速一些工作负载，比如可以视频转码，图像语音识别，直播视频的识别以及数据库压缩的加速等。就单个工作负载而言，性能、功率比都不错；但从整体数据中心看，它不是一直在做视频压缩或者数据库的压缩，需要执行不同的工作，因此会有一些加速工具闲置。“另外一种模式，就是你买的都是同质化，但是可以定制，可以实时调整的ACAP加速的模式。数据中心就可以根据实时的工作负载进行配置。”从实时调整的角度来看，FPGA更为有利。

　　在AI爆发带来的新算法不断涌现时期，FPGA具有可编程，上市快的优点，但当算法进入平稳期，FPGA量产后平均成本高于ASIC，性能低于ASIC。

　　寒武纪科技创始人、CEO陈天石在比较FPGA与ASIC时表示，FPGA传统上主要用于处理器芯片研发过程中的验证阶段，用在流片前检验设计的正确性。最近几年，FPGA被应用于新兴领域并取得了一定效果。在他看来，FPGA迭代速度快，虽然能快速切入刚兴起的领域，但当该领域重要性凸显后，FPGA最终会被专用芯片替代，毕竟“运算速度和性能功耗比与专用芯片相比仍有较大差距。” 陈天石此前在接受媒体采访时这样说道。

　　把握AI机遇

　　业界的变革是一大挑战，大数据、机器学习等既是机遇，同时也有诸多挑战，“因为没有人知道未来到底会如何展开。”

　　赛灵思在寻找FPGA以外的领域发展，并突破“仅支持硬件开发者”的局限。“ACAP产品在数据中心以及我们广泛市场领域的应用，将加速自适应计算技术的广泛普及，从而让智能、互连、自适应的世界更早成为现实。”Victor说。

　　FPGA的编程难度较高，对于开发者而言，需要软件开发能力的同时了解数字电路。Victor对记者表示，对赛灵思而言，最大的挑战在于易用性，“首先要改善我们的开发环境。因为现在有很多新产品，他们在开发的过程当中希望使用我们的产品，而不希望投入太多去理解非常底层的细节，这对于我们来说也是一个技术挑战。”

　　谈到中美两国AI市场，Victor表示，在这两个国家，AI的发展都令人非常振奋，而且都有非常好的机遇，“中国市场现在有很多实践、创业，而且对新的想法非常开放，美国的创新也非常繁荣，但是在美国已经有很多成熟的GPU和CPU的公司。总体来说，中国市场发展非常快，会有很多企业在中国继续创新，所以中国市场绝对是一个非常重要的市场。”

　　Victor指出，虽然AI和机器学习现在有一些炒作，但的确是发展趋势，具有颠覆性，“我们内部自己也在做机器学习和人工智能，但并不拒绝这方面的合作。”

　　去年5月，赛灵思宣布投资中国AI初创企业深鉴科技。赛灵思表示，借助赛灵思器件在机器学习领域的架构优势，深鉴科技为行业即将到来的AI产品和服务提供了从终端到云端的推理平台。

　　今后是否还会有AI相关的投资？Victor称，赛灵思会继续在全球，包括中国关注和投资有前途的初创企业，而赛灵思在中国的研发团队也是并购的一个成果，“中国在创新方面有非常好的资源优势，比如有很好的高校和人才，我们也会继续寻求类似的机遇。”（第一财经）