赛灵思为何用“软件”推动其自适应计算平台

2020.3产业聚焦
不久前，赛灵思推出了Vitis 统一软件平台，并宣布其重要组件Vitis AI 开放下载，使人工智能（AI ）和机器学习开发者可利用赛灵思的高性能自适应计算平台的加速度。

一家硬件平台公司，为何重磅推出软件平台？为此，电子产品世界等媒体采访了赛灵思软件与 AI
产品市场营销副总裁Ramine Roane （罗明）。

赛灵思　软件与　ＡＩ　产品市场营销副总
裁　Ｒｏａｎｅ
赛灵思为何用“软件”推动其自适应计算平台
——推出Vitis ，Vitis AI 开放下载，吸引百万计的软件工程师
王 莹 （《电子产品世界》编辑）
1 赛灵思整体的业务战略及对计算的看法
所有的电子系统应该是自适应的，就像有机物种一样，这样才能跟上创新的速度。

同样，“所有的硬件和计算应该是自适应的”观点，也得到越来越多的行业认可。

直到2000年之前，根据摩尔定律，业界还接受着芯片或硅工艺的密度每18个月翻一番的速度，当时所有的应用和软件开发人员不用多做什么，就等着新芯片出现。

直到2000年时，工艺方面的登纳德缩放比例定律（Dennard scaling ）走到尽头，认为随着工艺密度的进一步翻番，频率不可能再进一步提高了，所有的CPU 和计算机最多也就到(2~4) GHz 的速度，而且迄今维
持了20年。

为了提升所有的应用性能，要进一步扩展，后来使用多核CPU ，因此，这个问题从硬件转向软件（如图1）。

之后出现了向异构CPU 和加速器的转移，到目前为止，这种方向是可行的。

问题在于所有这些架构包括CPU 都是固定的，这就很难跟上AI 的创新速度。

赛灵思的思路是打造自适应的平台，非常灵活多变，而且赛灵思的芯片也可针对不同的应用进一步进行硬件的优化。

所以现在开发者就不用等着新芯片出来，就可以建立一些特定架构的应用。

赛灵思提供的解决方案，如何追赶上像AI 这样的创新速度？从图2可见，CNN 等深度学习模型在
2012—2018年发展的趋势，可看出每3个月会出现新的A I 模型，会取代
之前的模
图１　行业趋势：异构计算
Copyright©博看网 . All Rights Reserved.
产业聚焦
90
ELECTRONIC ENGINEERING & PRODUCT WORLD 2020.3
型，一般是1年半到2年的时间来构造1个全新的ASIC 或GPU 。

从图2可见，蓝色的，之前最主流的是GoogLeNet ，1年半到2年后是ResNet ，现在ResNet 是最尖端的技术，但是无法在原有的架构上运行。

赛灵思的器件以及可自适应的硬件，就可以来构建这种特有的架构。

2 Vitis和Vitis AI的特点
Vitis 的名字来自于法语，意思是生命力，解释到中文有“至关重要”的含义。

Vitis 和Vitis AI 开发工具可以助力软件开发人员和AI 科学家，用他们选择的语言，例如C ++进行开发，也可以使用相关的架构和库进行开发。

1）Vitis 统一软件平台是针对软件开发人员的，包括AI 的软件开发人员。

不过，对于软件人员和AI 人员，赛灵思并不是那么知名，因为过去长久以来，赛灵思的开发工具主要面向硬件的开发人员。

随着赛
灵思推出Vitis 和Vitis AI
，想要改变人们对于赛灵思的认识——现在也针对软件开发人员（如图3）。

图３　赛灵思面向所有开发者的平台
而且软件开发人员的机会更多，因为软件人员的数量大大高于硬件开发人员。

现在全球硬件开发者可能是一二十万的规模，
而软件开发人员是数以几百万计的。

而且现在美国大学里学硬件开发的已经很少了，大部分人选择学习软件开发。

赛灵思传统的Vivado 是针对硬件开发人员的平台，新推出的Vitis 和Vitis AI 是针对软件开发者以及AI 科学家的。

2）Vitis 统一软件平台的特点是统一了所有应用平台的开发，包括：① 把AI 和传统的软件开发统一起来。

②把云和边缘也都统一起来，包括终端计算以及边缘和云计算，不同的架构全都统一起来。

③可以使用统一的语言进行异构的加速。

赛灵思现在也在进行一个战略转型：从传统硬件公司转型成为软件的平台公司。

赛灵思的理念是
拥抱开源，把免费工具贡献给大家。

现在赛灵思还有开源库，例如Github ，还有SRT 的运行库，有AI 模型的例子，都是经过优化的，可以在FPGA 上运行，还有赛灵思收购深鉴科技公司获得的技术。

实际上，Vitis 和Vitis AI 是抛砖引玉——采用免费的模式，主要从硬件赚取利润。

一个问题是：在深度学习加速方面，虽然现在FPGA 成长快，但是在AI 培训方面，主流的还是GPU 居多，一方面是因为GPU 硬件性能高，另一方面，英伟达在软件工具方面针对各个垂直领域做了很多工作。

那么，Xilinx 推出Vitis 平台之后，是不是有助于加速到各个垂直应用的进程？
Ramine Roane 解释道，GPU 在AI 培训上的市场份额很大，但在AI 的推断上面效率并不是很高。

AI 推断最大的市场份额还是由CPU 占据的，不过现在CPU 加速的效率还不高，例如在边缘的一个案例是北京小马智行公司的自动驾驶，时延是一个很关键的问题，GPU 最大的问题是时延太高了。

不过，过去人们认为FPGA 有点难用，需要用硬件开发，随着Vitis 、Vitis
AI 的推出，这个难度会降低。

图２　ＣＮＮ等的创新周期比半导体设计周期快很多
Copyright©博看网 . All Rights Reserved.。