2020年，AI拼量產！

假設你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、產業(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，他和導師、學長共同創(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。當其他公司苦于如何將技術變?yōu)?a target="_blank">產品、將產品變?yōu)槭袌稣加新实臅r候，他們把剛剛嶄露頭角的“深度學習”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)絡壓縮編譯技術，它不僅可以將神經(jīng)網(wǎng)絡壓縮數(shù)十倍而不影響準確度，還可以使用“片上存儲”來存儲深度學習算法模型，能夠減少內存讀取，大幅度減少功耗，曾面向安防監(jiān)控、數(shù)據(jù)中心成功推出產品。

彼時，Xilinx在全球剛剛宣布轉型。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，要應對這些變化就需要靈活應變的架構，因為一種架構已無法獨自完成大量的數(shù)據(jù)處理，并且傳統(tǒng)芯片設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)字世界靈活應變的系統(tǒng)才是最可持續(xù)的，Xilinx的平臺轉型是大勢所趨。”Xilinx CEO Victor Peng在回顧轉型策略時說道。

為實現(xiàn)全面轉型，Xilinx努力構建一個完整的生態(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)略轉型，所帶來的是產品和編程模式的突破。

除了新的開發(fā)系統(tǒng)在技術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對Xilinx產品進行編程，五年后就能夠實現(xiàn)五倍的用戶來使用Xilinx的產品和技術。

轉型中的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習解決方案提供商，而非一家芯片公司，直至后來成長為具備神經(jīng)網(wǎng)絡壓縮編譯工具鏈、深度學習處理器DPU設計、FPGA開發(fā)與系統(tǒng)優(yōu)化等技術能力的公司。深鑒科技的DNNDK曾是國內首個深度學習開發(fā)SDK，也透露出姚頌當時的志向：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)才有更本質的發(fā)展空間?！?br />
就像兩條平行線，在轉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！

現(xiàn)在，姚頌的新身份是Xilinx人工智能業(yè)務高級總監(jiān)，主要負責全球領域的人工智能業(yè)務拓展和生態(tài)建設，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用提供支持，不同的模型針對不同的應用類別，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（CNN）；語音識別方面主要采用遞歸神經(jīng)網(wǎng)絡（RNN）、長短期記憶網(wǎng)絡（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雜、探索更多樣的結構、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折點，產業(yè)關鍵詞變成了“量產”。

近兩三年來，很多AI芯片“發(fā)布”，但是并沒有規(guī)模應用。這些走不到量產的公司，或是產品本身到了量產環(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，量產的兩大挑戰(zhàn)，第一在于軟件開發(fā)環(huán)境，第二在于半導體的品質和良率。

量產挑戰(zhàn)一：完整、易用的軟件開發(fā)環(huán)境

國內喜歡強調硬件指標，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)量至關重要！因為更多的開發(fā)者意味著更多的產品和應用，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，姚頌引用了一套產品理論。



將這套理論應用于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>

量產挑戰(zhàn)二：高品質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，在設計過程中要有詳盡完整的文檔能驗證設計思路，還需要花費很長的時間去做硬件和軟件的達標測試。

Xilinx在汽車領域擁有相當數(shù)量的汽車產業(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產品和Zynq汽車器件，dppm＜2；28nm和16nm產品的可靠性做到了＜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)行到底的結果，慢慢打磨才能出來有價值的東西。

異構是未來方向

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，占據(jù)整體份額的26%。

從一家FPGA公司向平臺化公司的轉型，SoC出貨量逐年上走就是很好的佐證。


異構計算雖不是新鮮話題，但真正出現(xiàn)大量使用的異構計算平臺，卻是近幾年的事情。異構最重要的涵義，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，異構計算的興起本質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%是來自微結構的提升，現(xiàn)在源于工藝的動力減緩，只能通過體系結構來進行提升。
而體系結構提升最直接的方式，就是設計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應用于異構計算，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用搭起來。終極目標就是ACAP，通過各種異構加速，期許最好的效率。

整個行業(yè)都在由應用驅動而發(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，“這個變化NVIDIA在做，賽靈思也正走在一條正確的道路上?！?br />
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，支持賽靈思異構平臺（包括FPGA、SoC和Versal ACAP）上開發(fā)嵌入式軟件和加速應用。

生態(tài)建設方面，由于目前AI整體屬于早期，所以學術界和產業(yè)界的結合必須非常緊密，Xilinx會在學術界推動很多事情，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，當產品做到越來越易用，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)學有很深的理解，而不只是簡單的排列組合做重復操作。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，保持學習力，保持對交叉領域的探索精神非常重要。

對Xilinx的產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，會舉辦80場報告與Lab培訓，手把手教開發(fā)者如何用Xilinx軟硬件去搭建某類應用，并邀請來自MSRA、阿里、清華大學等機構的多名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、垂直應用以及AI這幾個板塊，覆蓋領域非常廣泛，不僅有AI、機器學習、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，不管是學生、底層開發(fā)者，或者軟件應用開發(fā)者，都能得到所到需要的內容。




構建繁榮生態(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、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，以及產品發(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制，會加入很多本地化的內容和方式。例如北美針對AWS和云比較多，整體比較通用，國內則會更多強調系統(tǒng)方案，例如更多側重于云計算、5G等。

大家越重視軟件，越是屏蔽硬件開發(fā)復雜性，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用中需要溝通的各種事項，讓算法能夠最好地映射到應用中；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用開發(fā)軟硬件。