不久前，賽靈思推出了Vitis統(tǒng)一軟件平臺，并宣布其重要組件Vitis?AI開放下載，使人工智能（AI）和機器學習開發(fā)者將可以利用賽靈思的高性能自適應計算平臺的加速度。一家硬件平臺公司，為何重磅推出軟件平臺？為此，電子產品世界等媒體采訪了賽靈思軟件與?AI?產品市場營銷副總裁Ramine Roane（羅明）。

賽靈思 軟件與 AI 產品市場營銷副總裁 Ramine Roane

1 賽靈思整體的業(yè)務戰(zhàn)略及對計算的看法

所有的電子系統(tǒng)應該是自適應的，就像是有機物種一樣，這樣才能跟上創(chuàng)新的速度。同樣，“所有的硬件和計算應該是自適應”的觀點，也得到越來越多的行業(yè)認可。

直到2000年之前，根據摩爾定律，業(yè)界還接受著芯片或硅工藝的密度每18個月翻一番的速度，當時所有的應用開發(fā)人員和軟件開發(fā)人員不用做什么，就等著新芯片出現。直到2000年時候，工藝方面的登納德縮放比例定律（Dennard scaling）走到盡頭，認為隨著工藝密度的進一步翻番，頻率不可能再進一步提高了，所有的CPU和計算機最多也就到(2~4) GHz的速度，而且一直維持了20年沒有進一步提升。為了提升所有的應用性能，要進一步擴展，后來使用多核CPU，這個問題從硬件轉向軟件（如下圖）。

之后出現了向異構CPU和加速器的轉移，到目前為止，這種方向是可行的。問題在于所有這些架構包括CPU都是固定的，這樣就很難跟上AI的創(chuàng)新速度。

賽靈思的思路是打造自適應的平臺，非常靈活多變，而且賽靈思的芯片也可針對不同的應用進一步進行硬件的優(yōu)化。所以現在開發(fā)者就不用等著新的芯片出來，就可以建立一些特定架構的應用。

賽靈思提供的解決方案，如何追趕上像AI這樣的創(chuàng)新速度？從下圖可見，AI的CNN在2012年到2018年發(fā)展的趨勢，可看出每3個月會出現新的AI模型，會取代之前的模型，一般是1年半到2年的時間來構造1個全新的ASIC或GPU。

從上圖可見，藍色的，之前最主流的是GoogLeNet，1年半到2年后是ResNet，現在ResNet是最尖端的技術，但是沒有辦法在原有的架構上運行。賽靈思的器件以及可自適應的硬件，就可以來構建這種特有的架構。

2 FPGA的成功案例

第1個例子illumina，是一家生命科學公司，利用FPGA技術可以加速醫(yī)療診斷。例如得了重癥的新生兒，可以通過加快它的基因組的分析，以前是用1天，現在20分鐘就可以進行診斷的判定。

在汽車行業(yè)的應用，戴姆勒汽車公司利用賽靈思的技術可以加速實現AI的決策。包括通過賽靈思FPGA的I/O，從不同的傳感器（包括攝像頭、雷達和激光）獲取信息，還可以使用賽靈思的自適應器件，幫助其更快地決策，而且是低延時的。

第3個例子是CERN，是位于瑞士的歐洲核子研究院，它們通過粒子碰撞機、質子碰撞碎片的分析，發(fā)現了希格斯的玻色子。這個發(fā)現后來奪得諾貝爾獎。需要對碎片進行快速分析得出結論。

3 Vitis和Vitis AI的特點

Vitis的名字來自于法語，意思是生命力，解釋到中文也有“至關重要”的意思。

Vitis和Vitis AI開發(fā)工具可以助力軟件開發(fā)人員和AI科學家，用他們選擇的語言，例如C++進行開發(fā)，也可以使用相關的架構和庫進行開發(fā)。

1）Vitis針對軟件/AI軟件的開發(fā)人員

不過，對于軟件人員和AI人員，賽靈思并不是那么知名，因為過去長久以來，賽靈思的開發(fā)工具主要面向硬件的開發(fā)人員。隨著賽靈思推出Vitis和Vitis AI，想要改變人們對于賽靈思的認識——現在也針對軟件開發(fā)人員。

而且軟件開發(fā)人員的機會更多，因為軟件人員的倍數大大高于硬件開發(fā)人員?，F在全球硬件開發(fā)者可能是一二十萬的規(guī)模，而軟件開發(fā)人員是數以幾百萬計的。而且現在大學里學硬件開發(fā)的已經很少了，大部分人選擇學習軟件開發(fā)。賽靈思的Vivado是針對硬件開發(fā)人員的平臺，新推出的Vitis和Vitis AI是針對軟件開發(fā)者以及AI科學家的。

2）Vitis統(tǒng)一了所有應用平臺的開發(fā)

包括：① 把AI和傳統(tǒng)的軟件開發(fā)統(tǒng)一起來了。②把云和邊緣也都統(tǒng)一起來，包括終端計算以及邊緣和云計算，不同的架構全都統(tǒng)一起來。③可以使用統(tǒng)一的語言進行異構的加速。

為此，賽靈思已進行了六七年的實踐，從最開始的硬件開發(fā)平臺Vivado，到后面的OS和固件SDK，包括一些嵌入式的軟件開發(fā)環(huán)境，到不同的云計算的開發(fā)。亞馬遜云計算服務（AWS）成為第1個使用FPGA云服務的提供商，后來BAT（百度、阿里、騰訊）也緊隨其后?？梢姡械沫h(huán)境、語言、庫不同，針對包括云和邊緣，Vitis就是要把所有的這些統(tǒng)一到一個整體的平臺上來。

3）Vitis的堆棧

如下圖，最下面是基礎的硬件的平臺，從端點的平臺到邊緣計算，一直到云。往上的第2層是賽靈思運行時庫（XRT），主要管理CPU和FPGA之間的通訊。再上面一層是不同的工具，包括編譯器、分析器和調試器，它使用軟件語言編譯成為FPGA所用的加速語言。

賽靈思建立了很多庫，來進行一些加速，包括有OpenCV、金融、BLAS等庫。而且這些都是業(yè)界標準的加速。這些庫當中，很多傳統(tǒng)的軟件開發(fā)人員可能是使用C++或者python語言進行編寫的，新的開發(fā)人員使用的是一些新的架構和DS的語言。

在AI方面，TensorFlow和python torch是首選的。對于Vitis AI，主要用的是TensorFlow（如上圖）。另外，還有視頻轉碼，主要用FFmpeg語言。

賽靈思支持很多庫，這對于開發(fā)者來說是非常關鍵的。眾所周知，軟件開發(fā)人員不愿意每次寫程序的時候重新開始，他們可以利用現成業(yè)界標準的庫，利用現成的材料，包括CPU、GPU等，現在還有Vitis來支持他們的工作。

賽靈思現在也在進行一個戰(zhàn)略轉型：從傳統(tǒng)硬件公司轉型成為軟件的平臺公司。賽靈思的理念是擁抱開源，把免費工具貢獻給大家。

作為賽靈思轉型戰(zhàn)略的一部分，賽靈思致力于開源，現在參與了多個開源的項目，賽靈思從2001年時就開始是使用者，2007年的時候成為革新者，2018年是頭號的貢獻者，第2名是谷歌。

現在賽靈思還有開源庫，例如Github，賽靈思還有SRT的運行庫，有AI模型的例子，都是經過優(yōu)化的，可以在FPGA上運行，還有賽靈思收購深鑒科技公司獲得的技術。未來賽靈思還會宣布使用和貢獻更多的開源項目。

另外，賽靈思還推出了Developer.xilinx.com網站，主要將Vitis專家和相關的開發(fā)人員建立起聯系，這也是賽靈思轉型戰(zhàn)略的一部分。2019年11月推出該網站的時候，網站有30多篇文章，現在達到了50多篇，這些文章來自于不同領域的開發(fā)人員的專家，在編寫應用程序中所提供的一些經驗。這些不同的領域，包括汽車行業(yè)，還有智慧城市等。

?4 Vitis AI的應用案例

一個典型的傳統(tǒng)軟件開發(fā)人員和AI結合的例子。例如對視頻的數據進行預處理，然后通過AI進行輸出，再進行后處理，預處理和后處理都是軟件，中間通過AI。

例如假設開發(fā)人員要通過這一條流線以6 FPS（每秒幀）的速度進行顯示。如果在CPU上運行，是6 FPS。如果在Vitis數據流流水線中，可以達到80 FPS（如下圖）。

具體地，在FPGA或1個GPU上，要對AI進行加速，可以看到從6激增到30這么大的提升。如果是用GPU也就到這么多了，不可能再有更多的改善了。在FPGA上你可以決定對預處理部分加速，還是對后處理部分進行加速。這樣就達到了40 FPS。 最下面一行，可以進行流水線的優(yōu)化處理，不用等著這一幀處理完畢就可以進行下一幀的處理，這樣就可以達到80 FPS的速度，而軟件層面的開發(fā)人員完全沒有必要了解這些硬件的技能，就可以達到這樣的效果。

早期Vitis和Vitis AI試用的客戶，有從事自動駕駛的北京小馬智行、汽車一級供應商日立公司的攝像頭識別，韓國三星的5G部署等。

5 如何降低FPGA的開發(fā)門檻

賽靈思和多個FPGA平臺合作，包括AWS，中國有BAT?；旧嫌袃蓚€方法解決這個問題。①通過Vivado，這個比較難，因為涉及到硬件的設計和模擬。②幾年前賽靈思推出了SDAccel，它算是Vitis的鼻祖。賽靈思的FaaS（FPGA即服務）合作伙伴現在沒有更新它們的系統(tǒng)，預計2020年上半年會全部更新。因為賽靈思的Vitis和Vitis AI庫容量非常豐富，所以會幫助他們大幅加速FPGA應用。

實際上，Vitis和Vitis AI是拋磚引玉——采用免費的模式，主要從硬件那邊賺取利潤。? ??

一個問題是：在深度學習做加速這方面，雖然現在FPGA成長快，但是在AI培訓方面，比較主流的還是GPU居多，一方面是因為GPU硬件性能高，另一方面，英偉達在軟件工具方面針對各個垂直領域做了很多工作。那么，Xilinx推出Vitis平臺之后，是不是有助于加速到各個垂直應用的進程？

Ramine Roane解釋道，GPU在AI培訓上的市場份額很大，但在AI的推斷上面效率并不是很高。AI推斷最大的市場份額還是由CPU占據的，不過現在CPU加速的效率還不是很高，例如在邊緣的一個案例是北京小馬智行公司的自動駕駛，時延是一個很大的問題，GPU最大的問題是時延太高了。不過，過去人們認為FPGA有點難用，需要用硬件開發(fā)，所以Vitis、Vitis AI的推出，就是為了降低這個難度。