本文转自 半导体芯闻

导读：在一片红海的AI芯片市场里，FPGA已悄然杀出一条生路。 

随着大数据发展和算力的提升，AI芯片正迎来新一轮的爆发期。 

近两年来，越来越多以FPGA切入AI芯片的玩家涌现出来，包括国内AI芯片创企深鉴科技、百度XPU、微软Project Brainwave、深思考医疗影像专用AI芯片等等。 

尽管ASIC在性能功耗上往往有更好的表现，不过我们发现，在一片红海的AI芯片市场中，FPGA凭借自己独特的优势占有了一席之地。甚至有媒体报道称，FPGA是AI芯片的终极未来。 

这一观点是否准确我们暂且不论，但它的确在AI芯片领域引起了不少波澜，也不禁让我们想要问一句，“AI芯片新救星？FPGA真的这么神吗？” 

FPGA届的肯德基跟麦当劳：赛灵思vs英特尔Altera 

FPGA（Field-Programmable Gate Array）即现场可编程门阵列，其灵活性介于CPU、GPU等通用处理器和专用集成电路ASIC之间，在硬件固定的前提下，允许使用者灵活使用软件进行编程。它的开发周期比ASIC短，不过相对于批量出货ASIC，单个FPGA的成本会更高。 

由于FPGA容错空间相对更大，以前FPGA常被用作ASIC芯片流片前的硬件验证方法。 

目前，FPGA芯片的主要四家生产厂家都在美国：Xilinx（赛灵思）、Altera（阿尔特拉）、Lattice（莱迪思）和Microsemi（美高森美）。它们一共占了98%以上的市场份额，其中，绝大多数市场被赛灵思和Altera瓜分，赛灵思约占49%，Altera约占39%。 

近三年，FPGA行业完成了多项并购。2015年6月，英特尔宣布以167亿美元收购Altera（阿尔特拉）。2016年上半年，紫光在公开市场收购莱迪思6.07%的股权，同年11月莱迪思被Canyon Bridge以13亿美元收购，但此案一直没有获得美国监管单位同意。 

这些并购案并未影响到FPGA在AI芯片市场的整体格局。几乎二分天下的赛灵思和英特尔确立了相似的FPGA战略布局，均将重心放在了数据中心市场，并都致力于让FPGA编程更简单。 

1、FPGA的创造者——赛灵思 

说到FPGA，绝对避不开的公司就是赛灵思，因为这项芯片技术就是赛灵思开创的。从2011年起，赛灵思提出全可编程（All Programmale）理念，将FPGA技术从传统的通讯、航空、国防等领域拓展到了AI和云计算领域的应用。 

作为FPGA行业长期的霸主，赛灵思拥有超过2万家下游客户，其中亚马逊AWS、以及中国的BAT云服务巨头都是它的客户。 

今年3月，赛灵思新CEO Victor Peng上任之后不久，就宣布了赛灵思在AI时代的三大战略布局：数据中心优先、加速八大主流市场发展、以及重磅推出全新一代AI芯片架构ACAP。 

首款代号为“珠穆朗玛峰（Everest）”的ACAP AI芯片新品将采用台积电7nm工艺打造，今年内实现流片，2019年向客户交付发货。（首发！赛灵思推颠覆性AI芯片 正面宣战英伟达英特尔） 

而在终端AI方面，赛灵思则在今年收购了国内三大AI芯片独角兽之一的深鉴科技，主攻终端人工智能。深鉴科技是国内少数以FPGA切入AI芯片、并取得不错成果的代表性玩家之一。 

2、英特尔收购Altera 

另一个FPGA行业不得不提的大事就是英特尔收购Altera。为了增强其在AI芯片领域的竞争力，2015年，英特尔以167亿美元天价收购Altera，这也是迄今为止英特尔史上最大手笔的收购。英特尔随即设立研发FPGA芯片的可编码部门（PSG）。 

FPGA是英特尔的AI芯片布局之一，但英特尔最重要的AI芯片项目还是难产多年的Nervana神经网络处理器项目。 

英特尔采用双管齐下的FPGA战略：一方面打造CPU-FPGA混合器件，让FPGA与处理器协同工作；另一方面基于Arria FPGA或Stratix FPGA打造可编程加速卡（PAC/programmable acceleration card）。 

基于FPGA技术，英特尔已经构建了一个完善的NFV生态，覆盖软硬件厂商、系统集成商、电信运营商、OTT厂商等相关企业。 

此外，英特尔还为OME厂商提供一个面向包含FPGA的英特尔至强可扩展处理器的英特尔加速堆栈，进而为客户提供完整的软硬件一体的FPGA解决方案。 

英特尔在7月收购芯片公司eASIC后将其并入PSG部门，并随后透露这一收购案主要是为了满足解决客户痛点，满足FPGA客户端的降低成本和能耗需求，并提供可降低16nm、10nm、7nm制程的FPGA产品成本的规模化技术。 

目前加速卡还是FPGA进入硬件领域的主要形态之一，不过英特尔已经在进行其他方向、其他形态的探索，并在积极推进和其他数据中心OEM厂商在FPGA方面的合作。 

FPGA AI芯片市场的主要玩家 

近两年来，FPGA在数据中心的应用日益广泛。目前，FPGA服务器已在全球七大超级云计算数据中心IBM、Facebook、微软Azure、AWS、百度云、阿里云、腾讯云得到部署。由于ASIC路线风险高，目前仅有谷歌批量部署TPU。 

1、最会玩FPGA的微软AI：BrainWave项目 

微软Azure与FPGA的渊源可以追溯到八年前，当时的Bing（必应）搜索引擎无论是搜索结果还是相应速度都比不过谷歌搜索。为了满足Bing的需求，2010年底，一位微软研究员提出了能在FPGA上运行Bing机器学习算法的硬件设计得到了微软的认可。 

如今，FPGA在加速数据处理方面的出色表现使它在微软Bing、Azure云计算服务和Office 365中均得到部署。 

今年3月26日，微软Bing官方微博宣布通过英特尔Arria FPGA和Stratix FPGA芯片打造出Project Brainwave深度学习加速平台。该平台将DNN处理单元整合入FPGA，支持微软Cognitive Toolkit、谷歌Tensorflow等流行深度学习框架的软件栈，能够执行Bing智能搜寻功能所需的大规模机器阅读理解任务。 

在5月微软Build 2018大会上，微软AI芯片Brainwave开放了云端试用版，开发者现在可以接入微软Azure云，试用由Project Brainwave芯片计算平台提供的AI服务。微软称其延迟比谷歌TPU低5倍，正面对标谷歌。Project Brainwave可以看作微软基于英特尔FPGA芯片打造的低延迟AI芯片。 

总的来说，微软基于FPGA打造的AI芯片是目前业内最认可的FPGA方案之一。 

2、百度XPU 

相比微软对英特尔FPGA的专一，百度对FPGA生产厂商的态度更为开放。从2011年起，百度已就开始将FPGA应用到搜索、图像、语音等多个核心业务，它的数据中心、云计算平台和自动驾驶项目都部署了大量的FPGA。 

在去年加州Hot Chips大会上，百度发布和赛灵思合作完成的基于FPGA的256核云计算加速芯片XPU。基于FPGA加速器擅长处理计算任务的特点，XPU兼具GPU的通用性和FPGA高效率、低能耗的特点，旨在处理多样化的计算任务，对百度深度学习平台PaddlePaddle优化和加速，并实现性能和效率的平衡。 

不过，在今年的百度AI开发者大会上，百度推出了首款云端ASIC AI芯片昆仑，据说就是源自百度的XPU技术。 

此外，百度和英特尔已有超过十年的合作历史，近两年双方在AI领域的合作加强。 

同样是在今年的百度AI开发者大会上，英特尔人工智能事业部副总裁兼人工智能架构总经理Gadi Singer透露，百度正在开发基于英特尔最新FPGA技术的异构计算平台，这项技术将灵活加速百度云上的工作负载。 

3、深鉴科技 

深鉴科技是国内一家年轻却履历亮眼的AI芯片公司，前年成立，去年年初估值超过10亿，今年7月18日被全球第一大FPGA厂商赛灵思收购，其科研成果也在国际AI顶级会议屡获大奖。 

FPGA开发难度大、周期长（一般需要3-6个月）的高门槛曾将许多公司拒之门外，深鉴从这一痛点嗅到商机。从2016年成立以来，深鉴科技一直基于赛灵思FPGA技术平台开发机器学习解决方案。经深鉴科技优化的神经网络剪枝技术运行在赛灵思FPGA器件上，可实现更优的性能和能效。 

该公司提出深度学习处理单元DPU（Deep Learning Processing Unit）系列，为不愿直接使用FPGA的厂商提供了一个带接口的黑盒子。厂商只需把自己的模型训练好，将模型和数据从接口导入，就能直接获得需要的输出。深鉴负责其中的压缩和编译，生成指令可在FPGA上运行。 

▲DPU 系列：用于嵌入端的亚里士多德板（上）和用于大数据端的笛卡尔板（下） 

不过在后期，深鉴科技也开始涉足ASIC AI芯片的设计与流片，曾经发布“听涛”、“观海”两款AI芯片并宣布2018年流片，不过暂时没有看到相关产品信息。 

4、腾讯云、华为云、阿里云 

近年来，赛灵思和英特尔在中国云服务市场可谓是动作频频，和华为云、阿里云、腾讯云等国内顶尖的云计算服务提供商分别展开合作。 

去年年初，腾讯云发布国内首款高性能异构计算基础设施——FPGA云服务器，随后推出基于赛灵思VU9P FPGA卡的FX3实例和基于Intel Stratix10 FPGA卡的FI3实例。 

华为云也在今年年初联合赛灵思FPGA宣布在欧洲首次推出华为云FPGA加速云服务器（FACS）平台，该平台搭载了赛灵思高性能 Virtex UltraScale+ VU9P FPGA，为用户提供高性能的FPGA加速云服务。华为云还推出FPGA加速云服务器FP1 DPDK实例和推出了FP1 OpenCL实例。 

今年5月，阿里云发布新一代FPGA计算实例F3，采用其自研高性能FPGA加速卡，搭载赛灵思16nm Virtex UltraScale+器件VU9P，提供16个VU9P实力规格，首创统一FPGA SHELL架构和FPGA虚拟化支持方案，使阿里云客户能加速机器学习、数据分析、基因组学和视频处理等多种工作负载。 

5、其他玩家 

目前，国内能够生产FPGA的公司包括紫光国芯、智多晶和AgateLogic等。而国内深思考人工智能、瑞为智能、深维科技、高云半导体、安路科技、京微雅格等公司，都曾宣布具有基于FPGA的AI芯片开发能力。 

除了创企外，国内研究机构如北京大学、清华大学、中国科学院等在基于FPGA的AI芯片领域都有深入研究。比如，北京大学曾联合商汤科技提出一种基于 FPGA 的快速 Winograd 算法，可大幅降低算法复杂度，改善 FPGA 上的 CNN 性能。 

FPGA在AI芯片行业的发展趋势 

目前FPGA在AI芯片行业呈现出几种不同的发展趋势，一个是在FPGA的基础上推出优化架构，一个是最大化程度挖掘FPGA的使用疆域，还有一个是将FPGA作为跳板，逐步转向专用定制芯片ASIC。 

1、基于FPGA优化架构 

基于FPGA进行优化架构的发展路线以赛灵思为代表。面对价格贵、开发难度大的问题，今年3月，赛灵思发布历时4年、投入超过10亿美元打造的新一代AI芯片架构ACAP，直接宣战英伟达、英特尔处理器。 

2、长期最大化使用FPGA 

微软则是长期最大化程度挖掘FPGA使用边界的典型玩家。从八年前起，微软就执着于将FPGA作为其核心AI计算平台。从使用装满FPGA的专用服务器集群，到用专用网络连接的FPGA加速卡集群，再到将共享数据中心网络的大规模FPGA云服务，微软一直在尝试FPGA部署的各种可能，寻找将FPGA优势发挥的最优路径。 

3、FPGA的终点是ASIC？ 

目前，业内的主流观点是：随着AI算法的进一步成熟固化，AI芯片最终会走向ASIC——也就是较为固定的芯片架构。 

不过，赛灵思CEO Victor Peng持有不同观点，他告诉智东西，AI算法迭代、应用创新的速度还将持续很长一段时间，甚至会维持10-20年之久，因此一款灵活、可应变的计算平台将成为创新的重中之重。 

而且，未来最终并不会是一款AI芯片架构统一天下的局面，我们越来越需要能够适应众多AI应用、适应不断变化的AI算法的新型芯片架构出现。 

结语：深度学习加持，FPGA前景可期 

最近一年，AI芯片踏入红海，除了赛灵思、英特尔等传统芯片巨头外，国内外众多AI芯片创企也纷纷加入战场。FPGA的可编程性使软件和终端应用公司能够根据算法灵活修改解决方案，这让它在AI芯片市场愈发有存在感。 

当下AI仍处于早期阶段，AI算法正从训练环节走向推理环节，这个过程需要对训练后的模型进行压缩，在基本不损失模型精度的情况下将模型压缩到原来的几十分之一。在这一阶段，AI是向着有利于FPGA发展的方向进行优化和升级的。 

FPGA或许只是小众的芯片，但在AI市场上，它的普适性和灵活性都使其有适合发挥其优势的应用场景。在各类AI芯片之间没有拉开绝对差距之前，每一种技术路线都有其发挥更多价值的空间。