2020年，AI拼量產(chǎn)！

假設(shè)你24歲創(chuàng)辦公司，經(jīng)歷數(shù)輪融資，成為行業(yè)獨角獸，名聲大噪，26歲公司被巨頭順利收購。接下來你會干什么？是放空一下，隨便選個航班去倫敦喂鴿子？還是留守行業(yè)繼續(xù)打拼？

采訪姚頌是在一個雨過天晴的秋日午后，在Xilinx北京辦公室。他以“將‘AI’進行到底”開場，聊了近兩三年AI技術(shù)、產(chǎn)業(yè)的變遷，以及他的觀察與思考。

Xilinx與深鑒科技的交匯

姚頌身上的閃光標簽自有不少，2011年保送清華大學(xué)電子系，25歲入選創(chuàng)業(yè)邦“30歲以下創(chuàng)業(yè)新貴”，深鑒科技聯(lián)合創(chuàng)始人、首席執(zhí)行官……

如同姚頌的成長軌跡，他和導(dǎo)師、學(xué)長共同創(chuàng)立的深鑒科技，同樣可圈可點。

作為2016年左右成立的一批AI公司的典型代表，深鑒科技無疑是幸運的。當(dāng)其他公司苦于如何將技術(shù)變?yōu)?a target="_blank">產(chǎn)品、將產(chǎn)品變?yōu)槭袌稣加新实臅r候，他們把剛剛嶄露頭角的“深度學(xué)習(xí)”定為研究方向，專注于以FPGA實現(xiàn)AI落地，最為核心的即DPU（Deep Learning Processing Unit），以及神經(jīng)網(wǎng)絡(luò)壓縮編譯技術(shù)，它不僅可以將神經(jīng)網(wǎng)絡(luò)壓縮數(shù)十倍而不影響準確度，還可以使用“片上存儲”來存儲深度學(xué)習(xí)算法模型，能夠減少內(nèi)存讀取，大幅度減少功耗，曾面向安防監(jiān)控、數(shù)據(jù)中心成功推出產(chǎn)品。

彼時，Xilinx在全球剛剛宣布轉(zhuǎn)型。看準的是大數(shù)據(jù)、AI、5G、自動駕駛等發(fā)展，對計算能力和帶寬帶來的前所未有的挑戰(zhàn)。同時，新的算法、框架層出不窮，要應(yīng)對這些變化就需要靈活應(yīng)變的架構(gòu)，因為一種架構(gòu)已無法獨自完成大量的數(shù)據(jù)處理，并且傳統(tǒng)芯片設(shè)計的周期也無法跟上創(chuàng)新的步伐。“就像自然界的適者生存一樣，在數(shù)字世界靈活應(yīng)變的系統(tǒng)才是最可持續(xù)的，Xilinx的平臺轉(zhuǎn)型是大勢所趨?！盭ilinx CEO Victor Peng在回顧轉(zhuǎn)型策略時說道。

為實現(xiàn)全面轉(zhuǎn)型，Xilinx努力構(gòu)建一個完整的生態(tài)系統(tǒng)，推出更加易用的開發(fā)工具。從一家純FPGA企業(yè)，到ALL PROGRAMMABLE（全可編程）企業(yè)的戰(zhàn)略轉(zhuǎn)型，所帶來的是產(chǎn)品和編程模式的突破。

除了新的開發(fā)系統(tǒng)在技術(shù)上進一步支持軟件定義的要求，同時在可編程硬件優(yōu)化方面也必須變得更加靈活。因為比起硬件工程師，軟件工程師數(shù)量超過其5-10倍，Xilinx的目標是希望有更多的軟件工程師不需要非要了解硬件知識就能夠?qū)ilinx產(chǎn)品進行編程，五年后就能夠?qū)崿F(xiàn)五倍的用戶來使用Xilinx的產(chǎn)品和技術(shù)。

轉(zhuǎn)型中的Xilinx在深鑒科技身上找到了某些共振。

從一開始，深鑒科技就把自己定位于深度學(xué)習(xí)解決方案提供商，而非一家芯片公司，直至后來成長為具備神經(jīng)網(wǎng)絡(luò)壓縮編譯工具鏈、深度學(xué)習(xí)處理器DPU設(shè)計、FPGA開發(fā)與系統(tǒng)優(yōu)化等技術(shù)能力的公司。深鑒科技的DNNDK曾是國內(nèi)首個深度學(xué)習(xí)開發(fā)SDK，也透露出姚頌當(dāng)時的志向：建立人工智能的軟件生態(tài)環(huán)境。他希望通過這樣的平臺聚集更多的開發(fā)者，“活躍的社區(qū)才有更本質(zhì)的發(fā)展空間?！?br />
就像兩條平行線，在轉(zhuǎn)彎時找到了交匯的可能。2018年7月18日凌晨，Xilinx正式宣布并購深鑒科技。

2020年，AI拼量產(chǎn)！

現(xiàn)在，姚頌的新身份是Xilinx人工智能業(yè)務(wù)高級總監(jiān)，主要負責(zé)全球領(lǐng)域的人工智能業(yè)務(wù)拓展和生態(tài)建設(shè)，對于AI的發(fā)展他也有更多獨到的觀察和思考。

近幾年來，AI正在為越來越多的細分應(yīng)用提供支持，不同的模型針對不同的應(yīng)用類別，例如分類、目標檢測、道路分割等主要采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）；語音識別方面主要采用遞歸神經(jīng)網(wǎng)絡(luò)（RNN）、長短期記憶網(wǎng)絡(luò)（LSTM）；推薦引擎、異常檢測方面采用多層感知機（MLP）。

以2016-2017年為界，在此之前，業(yè)界傾向于把模型做得越來越復(fù)雜、探索更多樣的結(jié)構(gòu)、注重算法的精確度，很多公司熱衷于在各種各樣的賽事中“刷榜”……

2017年之后，行業(yè)開始化繁為簡，更加強調(diào)落地，精度并非唯一的衡量標準。即將進入2020年，姚頌認為不管是資本市場還是行業(yè)期待值都到了新的轉(zhuǎn)折點，產(chǎn)業(yè)關(guān)鍵詞變成了“量產(chǎn)”。

近兩三年來，很多AI芯片“發(fā)布”，但是并沒有規(guī)模應(yīng)用。這些走不到量產(chǎn)的公司，或是產(chǎn)品本身到了量產(chǎn)環(huán)節(jié)，并沒有獲得批量采購的公司，融資變得越來越難。在姚頌看來，量產(chǎn)的兩大挑戰(zhàn)，第一在于軟件開發(fā)環(huán)境，第二在于半導(dǎo)體的品質(zhì)和良率。

量產(chǎn)挑戰(zhàn)一：完整、易用的軟件開發(fā)環(huán)境

國內(nèi)喜歡強調(diào)硬件指標，但其實軟件層面需要花很大功夫，因為軟件開發(fā)成本占很大比重。從開發(fā)者數(shù)量來看，軟硬件懸殊巨大。Java、C、Python和C++是開發(fā)者的四大首選，共有45.234%的開發(fā)者將它們選為最喜愛的語言。硬件編程語言排在什么位置？以FPGA開發(fā)常用的VHDL或Verilog來看，排名約在第50-100名之間。使用這兩種語言的開發(fā)者，數(shù)量明顯少于軟件開發(fā)者，且懸殊巨大。

而對于AI芯片的開發(fā)來說，開發(fā)者數(shù)量至關(guān)重要！因為更多的開發(fā)者意味著更多的產(chǎn)品和應(yīng)用，不管是硬件開發(fā)商還是系統(tǒng)提供商，才能獲得更多的收益。

那么，如何吸引更多的開發(fā)者在AI芯片平臺上進行開發(fā)?讓更多的偏軟件和算法的開發(fā)者能夠更容易使用芯片平臺？

對此，姚頌引用了一套產(chǎn)品理論。



將這套理論應(yīng)用于AI硬件，從“可以使用”向上延伸價值，就需要在軟件層面多下功夫，例如高能效、完整的工作流，更多的參考設(shè)計、開源項目、社區(qū)支持等。

英偉達的成功充分驗證了這一點，他們花了很多功夫在軟件堆棧，甚至適配到具體的行業(yè)場景中。姚頌說，“沒有好的軟件，開發(fā)會變得非常緩慢，不管從短期還是長期來看，哪怕能拿得出性能特別好的芯片也是失敗的?！?/strong>

量產(chǎn)挑戰(zhàn)二：高品質(zhì)與良率需要時間積累

姚頌以AI賽道大熱的自動駕駛為例談到，一個繞不過的問題是車規(guī)級標準，要將其完整做好需要大量的實踐經(jīng)驗。首先芯片要達到標準，在設(shè)計過程中要有詳盡完整的文檔能驗證設(shè)計思路，還需要花費很長的時間去做硬件和軟件的達標測試。

Xilinx在汽車領(lǐng)域擁有相當(dāng)數(shù)量的汽車產(chǎn)業(yè)用戶，截至2018年，其出貨量共計1.61億，其中ADAS達5600萬，博世開發(fā)的很多ADAS系統(tǒng)就是基于Xilinx的FPGA。

這與Xilinx扎實的產(chǎn)品性能密不可分，以dppm和FIT這兩個指標來看（dppm表示每一百萬顆芯片里面有缺陷芯片的數(shù)量，F(xiàn)IT表示10的9次方小時中芯片發(fā)生故障的次數(shù)），Xilinx的所有Virtex產(chǎn)品和Zynq汽車器件，dppm＜2；28nm和16nm產(chǎn)品的可靠性做到了＜12.0 FIT。這意味著Xilinx的汽車器件中，每一百萬顆僅有小于2顆可能有問題，10的9次方小時內(nèi)發(fā)生故障的次數(shù)小于12次，平均下來可能幾百年會發(fā)生一次故障。

對于有志于做芯片的AI公司而言，時間積累——是所有人做產(chǎn)品都繞不過去的一個坎。姚頌坦言，就算深鑒科技這樣幸運的項目，也是創(chuàng)業(yè)前在實驗室經(jīng)過了很多積累，以及團隊執(zhí)行到底的結(jié)果，慢慢打磨才能出來有價值的東西。

異構(gòu)是未來方向

根據(jù)Xilinx剛剛發(fā)布的第二季的財報來看，基于Zynq的SoC實現(xiàn)了61%的年度增長，包括28nm Zynq和16nm MPSoC、RFSoC在內(nèi)，占據(jù)整體份額的26%。

從一家FPGA公司向平臺化公司的轉(zhuǎn)型，SoC出貨量逐年上走就是很好的佐證。


異構(gòu)計算雖不是新鮮話題，但真正出現(xiàn)大量使用的異構(gòu)計算平臺，卻是近幾年的事情。異構(gòu)最重要的涵義，是系統(tǒng)由多種不同功能的部分組成，讓每個部分做它最擅長的事情，而不是用統(tǒng)一的平臺來做所有的事情。

姚頌強調(diào)，異構(gòu)計算的興起本質(zhì)上是由于摩爾定律的放緩。過去十年，性能提升有45%來自于工藝節(jié)點的提升，其次17%是來自微結(jié)構(gòu)的提升，現(xiàn)在源于工藝的動力減緩，只能通過體系結(jié)構(gòu)來進行提升。
而體系結(jié)構(gòu)提升最直接的方式，就是設(shè)計Domain-specific architecture（DSA），放棄一部分通用性，來獲得更大的性能提升。通常而言，越專用，越容易取得更好的性能。

未來不可能用單一的方式取得很好的性能，一定是通過不同的DSA來實現(xiàn)。這一趨勢進一步放大了軟件的重要性。因為不同行業(yè)的應(yīng)用開發(fā)者、系統(tǒng)開發(fā)者，都需要更好的軟件支持。

如果將FPGA應(yīng)用于異構(gòu)計算，Xilinx希望能像拼樂高一樣，用各種各樣的IP和解決方案，通過簡單的代碼就能把整個應(yīng)用搭起來。終極目標就是ACAP，通過各種異構(gòu)加速，期許最好的效率。

整個行業(yè)都在由應(yīng)用驅(qū)動而發(fā)展，20年前是PC，10年前是手機，現(xiàn)在是AI和5G?！?strong>一定要做芯片、軟件、系統(tǒng)層面的變化，”姚頌強調(diào)，“這個變化NVIDIA在做，賽靈思也正走在一條正確的道路上。”

繼去年發(fā)布ACAP，Xilinx不久前發(fā)布了開放、標準、免費的統(tǒng)一軟件平Vitis，支持賽靈思異構(gòu)平臺（包括FPGA、SoC和Versal ACAP）上開發(fā)嵌入式軟件和加速應(yīng)用。

生態(tài)建設(shè)方面，由于目前AI整體屬于早期，所以學(xué)術(shù)界和產(chǎn)業(yè)界的結(jié)合必須非常緊密，Xilinx會在學(xué)術(shù)界推動很多事情，包括開源社區(qū)、組織研究小組等；企業(yè)層面，會選擇一些創(chuàng)業(yè)公司予以扶持，不管戰(zhàn)略合作還是直接進行投資。

如何看待開發(fā)者的“35歲門檻”？

AI助推了中國科技環(huán)境的熱度，加速了許多應(yīng)用的落地。對于開發(fā)者來說，他們有更多平臺可以選擇的同時，挑戰(zhàn)也在加劇。據(jù)傳某獨角獸企業(yè)的一個算法工程師招聘中，投遞簡歷人數(shù)與開放職位個數(shù)甚至達到了10000：1的瘋狂程度。在當(dāng)前的氛圍之下，開發(fā)人員的價值如何提升？35歲之后真的就不能踏踏實實寫代碼了嗎？

姚頌認為，當(dāng)產(chǎn)品做到越來越易用，自己的價值究竟在哪里？核心技能是什么？這是所有開發(fā)者需要思考的問題。為什么有一些算法工程師能夠出類拔萃？因為他們站在算法和系統(tǒng)的交叉領(lǐng)域，既懂算法又懂工程，或是能夠進行底層優(yōu)化，快速開發(fā)新的算法，對數(shù)學(xué)有很深的理解，而不只是簡單的排列組合做重復(fù)操作。只有掌握核心技能，才能保證職業(yè)生涯沒有所謂門檻，而是始終向上走。他強調(diào)，保持學(xué)習(xí)力，保持對交叉領(lǐng)域的探索精神非常重要。

對Xilinx的產(chǎn)品和平臺感興趣的開發(fā)者，姚頌帶來一個好消息，Xilinx XDF開發(fā)者大會即將在12月3-4日登陸北京國家會議中心。這將是Xilinx在中國規(guī)?？涨暗囊粓鲩_發(fā)者大會，會有超過兩千名開發(fā)者參與。兩天時間內(nèi)，會舉辦80場報告與Lab培訓(xùn)，手把手教開發(fā)者如何用Xilinx軟硬件去搭建某類應(yīng)用，并邀請來自MSRA、阿里、清華大學(xué)等機構(gòu)的多名AI大咖分享報告。

除了Keynote和分論壇外，會分為硬件、軟件、數(shù)據(jù)中心、垂直應(yīng)用以及AI這幾個板塊，覆蓋領(lǐng)域非常廣泛，不僅有AI、機器學(xué)習(xí)、工業(yè)、數(shù)據(jù)中心，還包括航空航天、汽車、消費電子、仿真、高性能計算、邊緣計算。所有需要用計算平臺的從業(yè)者，不管是學(xué)生、底層開發(fā)者，或者軟件應(yīng)用開發(fā)者，都能得到所到需要的內(nèi)容。




構(gòu)建繁榮生態(tài)的開發(fā)者大會，越來越成為有實力的科技公司“秀肌肉”的高光時刻。確實，要實現(xiàn)生存與發(fā)展，硬件實力只是其中一部分，更重要的是打磨軟實力，包括軟件業(yè)務(wù)、生態(tài)等，影響力擴大，才有可能引入更多的玩家。

近幾年，為了吸引更多的開發(fā)者，Xilinx花了很大力氣去推廣XDF。在2017年首屆的北京站，規(guī)模大概500人，主要是傳統(tǒng)的FPGA開發(fā)者，而2018年的第二屆，XDF整體格調(diào)，以及產(chǎn)品發(fā)布變化很大，最重要的是推出了ACAP和FaaS，并且被AWS云計算采用，之后，阿里云、騰訊云、華為云也都采用了該方案。最新消息顯示，微軟也選擇了Xilinx的產(chǎn)品部署。

據(jù)了解，今年的XDF亞洲站在北京舉行，活動本身并非是對硅谷舉辦過的北美站的簡單復(fù)制，會加入很多本地化的內(nèi)容和方式。例如北美針對AWS和云比較多，整體比較通用，國內(nèi)則會更多強調(diào)系統(tǒng)方案，例如更多側(cè)重于云計算、5G等。

大家越重視軟件，越是屏蔽硬件開發(fā)復(fù)雜性，軟硬件開發(fā)者之間的鴻溝會越來越大。而看起來行業(yè)的目標是希望他們未來不太需要溝通，用軟件實現(xiàn)連接即可。

未來的軟件業(yè)務(wù)形態(tài)究竟會怎么走？姚頌認為可能會是兩個思路：一種是由某些公司提供通用的軟件平臺，用最好的軟件磨合應(yīng)用中需要溝通的各種事項，讓算法能夠最好地映射到應(yīng)用中；另一類則是類似于華為或阿里這樣的企業(yè)，他們針對自己的具體應(yīng)用開發(fā)軟硬件。