中國自動化學會專家谘詢工作委員會指定宣傳媒體
新聞詳情

如何破解兩把“剪刀差”加速AI落地?Xilinx給出了答案

http://www.kadhoai.com.cn 2026-04-07 14:55:51 來源:EEVIA

“深化大數據、人工智能等研發應用,培育新一代信息技術、高端裝備、生物醫藥、新能源汽車、新材料等新興產業集群,壯大數字經濟。”,“打造工業互聯網平台,拓展“智能+”,為製造業轉型升級賦能。”……剛閉幕不久的中國兩會上,人工智能(AI)連續第三年被寫入政府工作報告中,並首次將人工智能衍生為“智能+”的概念。作為國家戰略的人工智能將加速與產業融合,為經濟結構優化升級發揮重要作用。

在近日舉辦的第八屆EEVIA年度中國ICT媒體論壇暨2019chanyehejishuzhanwangyantaohuishang,rengongzhinengyeshiqizhongdeyigezhongyaozhuti。zishiyinghezhinengjisuandequanqiulingxianqiyesailingsigongsirengongzhinengshichangzongjianliujingxiuzai“FPGA — 人工智能計算的加速引擎”的主題演講中開場就對“智能+”概念作出了通俗的詮釋:“AI的本質就是高性能計算,就像電力一樣是一項通用能力,是能對所有行業進行產業升級以及產品迭代起促進作用的存在。”

Xilinx Feature-如何破解兩把“剪刀差”加速AI落地?Xilinx給出了答案-圖1

劉競秀:AI的本質就是算力,是像電力一樣的一項通用能力

破解兩把“剪刀差”的掣肘,關鍵“方法論”是FPGA

對人工智能落地速度的表現劉競秀似乎並不滿意,他認為當前頂多應該算是“智能服務”的時代,而不是真正人工智能的時代。他將當前的語音人機對話、智能視頻應用等落地項目認為是比較初期的智能應用,“例如,人機對話可以用於最基本的生活服務,但很難真正對話超過20句,後麵基本上是尬聊。”與產業和媒體關注熱度相比,人工智能這幾年真正落地的速度有點慢,劉競秀給出了兩個剪刀差阻礙發展的關鍵判斷。

首先是海量的數據和計算芯片所能夠提供的處理能力之間的“剪刀差”,主要表現在受限於摩爾定律,傳統芯片算力的進步已經遠遠跟不上爆炸性增長的數據對算力的需求;其次是芯片開發的長周期和快速迭代的市場和技術發展之間的“剪刀差”,傳統芯片開發的完整的流程通常長達18~24個月,然而當前的AI項(xiang)目(mu)經(jing)常(chang)需(xu)要(yao)幾(ji)個(ge)月(yue)就(jiu)提(ti)出(chu)解(jie)決(jue)方(fang)案(an),從(cong)而(er)搶(qiang)占(zhan)市(shi)場(chang)。按(an)照(zhao)過(guo)去(qu)的(de)芯(xin)片(pian)漫(man)長(chang)的(de)研(yan)發(fa)流(liu)片(pian)流(liu)程(cheng),當(dang)芯(xin)片(pian)出(chu)貨(huo)時(shi)市(shi)場(chang)需(xu)求(qiu)可(ke)能(neng)已(yi)經(jing)發(fa)生(sheng)了(le)根(gen)本(ben)的(de)改(gai)變(bian)。

Xilinx Feature-如何破解兩把“剪刀差”加速AI落地?Xilinx給出了答案-圖2

異構架構是普適智能時代加速新工作負載的趨勢

另外一個不爭的事實是,目前AI芯片已經發展到需要采用28納米甚至16納米製造工藝,倘若AI算(suan)力(li)的(de)需(xu)求(qiu)全(quan)靠(kao)工(gong)藝(yi)的(de)迭(die)代(dai),所(suo)需(xu)的(de)資(zi)金(jin)投(tou)入(ru)和(he)風(feng)險(xian)都(dou)是(shi)一(yi)般(ban)中(zhong)小(xiao)企(qi)業(ye)或(huo)創(chuang)新(xin)創(chuang)業(ye)企(qi)業(ye)難(nan)以(yi)承(cheng)受(shou)的(de),而(er)且(qie)鑒(jian)於(yu)時(shi)間(jian)窗(chuang)口(kou)問(wen)題(ti),幾(ji)乎(hu)沒(mei)有(you)企(qi)業(ye)願(yuan)意(yi)或(huo)有(you)實(shi)力(li)在(zai)這(zhe)塊(kuai)市(shi)場(chang)進(jin)行(xing)嚐(chang)試(shi)。“因此具備可編程性且靈活多變的FPGA便成了最好的選擇。人工智能創新企業可以將其核心研發資源聚焦在特定領域(算法和框架方麵)和應用上,從這些層麵來創造更多的價值。”劉競秀指出。

Xilinx Feature-如何破解兩把“剪刀差”加速AI落地?Xilinx給出了答案-圖3

常見的AI落地應用場景

ACAP讓AI“飛起來”,首個自適應計算平台再加速

在賽靈思發明FPGA以來的35年中,這種可編程邏輯器件憑借性能、上市時間、成本、穩定性和長期維護方麵的優勢,在通信、醫療、工控和安防等領域均擁有了無法取代的一席之地。然而,也是需要和傳統處理器“分庭抗禮”的一席之地。但最近幾年,由於雲計算、高性能計算和人工智能的興起,擁有先天優勢的FPGA有望開始“獨領風騷”的時代。

按賽靈思財報顯示的數據,FPGA在人工智能領域強大的優勢和發展前景,以及賽靈思為此曆經數年推動的公司轉型, 讓賽靈思在過去三年內股價增長近三倍。從單純的FPGA到集成DSP、內存,到28nm集成Arm以及RFSoC的推出,賽靈思一直都是在用創新技術驅動應用創新,顯然賽靈思的前瞻性戰略布局並不會滿足於收割在人工智能時代FPGA的優勢“老本”,特別是總裁兼CEO Victor Peng上任以來更是在人工智能領域動作頻頻,以數據中心優先、加速主流市場的增長和驅動靈活應變的計算三大戰略更加清晰化市場布局,其ACAP(自適應計算加速平台)的全新品類的推出為擴大人工智能產業優勢奠定了關鍵伏筆。

作為高度集成的多核異構計算平台,ACAP被媒體稱為賽靈思麵向下一點計算“蝶變”的利器,是賽靈思器件家族的新物種。為打造ACAP,賽靈思投入上千工程師,曆經五年研發,投資逾10億美元。其核心是新一代FPGA架構,能根據各種應用與工作負載的需求從硬件層對其進行靈活修改。ACAP的靈活應變能力可在工作過程中進行動態調節,它的功能將遠超FPGA的極限。在本次論壇上,劉競秀也對ACAP第一款產品Versal做了闡釋:“顧名思義,Versal等於various(各種不同的、各種各樣的)+ Universal (通用的,萬能的) , 可以支持所有的開發者的各種應用。這是一款完全支持軟件編程的異構計算平台,可將標量引擎、自適應引擎和智能引擎相結合,實現顯著的性能提升,其速度超過當前最高速的 FPGA 20 倍、比當今最快的 CPU 實現快 100 倍。”

Xilinx Feature-如何破解兩把“剪刀差”加速AI落地?Xilinx給出了答案-圖4

Versal ACAP自適應計算加速平台

Versal係列產品均基於台積電最新的7nm FinFET工藝,是第一個將軟件可編程性與特定領域硬件加速和靈活應變能力完美結合的平台。該平台獨特的架構針對雲端、網絡、無線通信乃至邊緣計算和端計算等不同市場的眾多應用,提供了獨特的可擴展性和AI推斷功能,將為所有開發者開發新應用開啟一個最新且最快速的創新時代。賽靈思已經發布了Versal基礎係列和Versal AI核心係列,Versal旗艦係列、AI Edge以及Versal HBM係列將在未來陸續發布。

從硬件平台到算法模型,完整工具鏈讓AI輕鬆落地

人工智能的爆熱與龐大的市場前景為全球半導體市場注入了“興奮劑”,也為幾乎所有的半導體公司所覬覦。目前,市場上已不斷有各種新的處理器產品方案發布。“把芯片本身做出來不難,但如果沒有足夠高性能的軟件、生態環境、工具鏈以及各種參考應用,應用落地將需要花費更長的時間。”劉競秀表示。對於賽靈思,豐富的FPGA傳統芯片組合以及創新的ACAP平台為AI落地提供了眾多選擇。“對於客戶AI開發而言,傳統的解決方案提供的支持還遠遠不夠,賽靈思為客戶提供了更多的不同層次的支持,除了底層硬件、各種IP以及軟件,還提供了應用層各種神經網絡模型。”劉競秀指出。賽靈思公司擁有非常豐富的神經網絡模型庫。據悉,僅視覺相關的神經網絡模型就超過70種。隨著在AI市場的快速崛起,賽靈思正在從傳統的芯片提供商向平台方案提供商轉變。

Xilinx Feature-如何破解兩把“剪刀差”加速AI落地?Xilinx給出了答案-圖5

賽靈思在人工智能/邊緣/嵌入式和雲端/數據中心總體解決方案

據劉競秀透露,在收購深鑒科技後,深鑒科技上百人的研發團隊繼續專注在賽靈思DNNDK(深度神經網絡開發套件)的研發上。DNNDK麵向AI異構計算平台深度學習處理器DPU (深度學習處理器單元),可支持神經網絡推理階段模型壓縮、編譯優化和高效運行時支持的不同功能需求,為DPU平台各種深度學習應用開發和部署提供一套高效全棧式解決方案,實現從深度學習算法到DPU硬件平台的高效映射,為DPU從移動端到數據中心端各類應用提供統一的開發工具包和編程接口。

DNNDK在極大降低DPU平台深度學習應用開發門檻和部署難度的同時,還能夠顯著加速AI產品從開發到麵市的進程。“賽靈思在方案底層定義了高效的指令集和IP,結合成套的工具和SDK為客戶提供的接口,客戶甚至不需要寫任何一行代碼,隻需要把我們IP資源調用起來,就可以支持不同行業不同場景的應用。”劉競秀表示。賽靈思通過打造通用的處理器平台和完善的工具集,努力為客戶提供卓越的高效率開發體驗。

Xilinx Feature-如何破解兩把“剪刀差”加速AI落地?Xilinx給出了答案-圖6

賽靈思邊緣計算人工智能解決方案

人工智能在具體應用場景的落地是一個複雜的開發過程。據悉,傳統處理器開發周期可以達到三至六個月,甚至一年都是常見的。“用我們現有的方案,最快幾個小時就可以把新的網絡部署在硬件上,快速地將係統運行起來。”劉liu競jing秀xiu強qiang調tiao。速su度du對dui當dang前qian的de人ren工gong智zhi能neng創chuang業ye公gong司si和he合he作zuo夥huo伴ban而er言yan是shi最zui重zhong要yao的de考kao慮lv要yao素su之zhi一yi,通tong過guo快kuai速su實shi現xian原yuan型xing機ji,從cong而er盡jin早zao去qu實shi現xian真zhen正zheng的de場chang景jing性xing能neng、功能迭代和數據收集,才能將產品比別人更快地推向市場。

Xilinx Feature-如何破解兩把“剪刀差”加速AI落地?Xilinx給出了答案-圖7

賽靈思人工智能視頻分析模型庫

版權所有 工控網 Copyright©2026 Gkong.com, All Rights Reserved