智能音箱、VR/AR、AI等是Lattice發(fā)力的重點　

作者 / 王瑩

　　不久前，Lattice(萊迪思公司)在上海研發(fā)中心大樓舉辦新聞發(fā)布會，首席運營官Glen Hawk先生介紹了為時下熱門應用——智能音箱、VR/AR裝置及AI等做的創(chuàng)新方案及規(guī)劃。

關注網絡邊緣的控制、互聯和計算

　　物聯網或網絡邊緣是Lattice的關注重點。該公司可編程產品的特點是中小型、低功耗、低成本。Lattice在過去30年里，主要業(yè)績是在控制領域，營收每年穩(wěn)定在2億美元左右。大約從2006-2010年開始，互聯、傳感上的應用增多。2010年之后，Lattice陸續(xù)收購了兩家公司——SiliconBlue和Silicon Image，以拓展連接和計算業(yè)務。這幾年，用Lattice產品做計算處理的案例漸漸涌現，因為物聯網/網絡邊緣需要微計算與處理的需求增加。

　　例如Lattice收購SiliconBlue后，SiliconBlue的iCE40讓Lattice可以進入到手機等移動裝置，諸如三星的部分旗艦機和蘋果iPhone7上。iCE40也用于智能音箱及HTC的VR裝置——VIVE。ICE40在智能音箱上可以讓多個麥克風/麥克風陣列接到主芯片，以達到“原廠語音控制”，Amazon Dot、中國叮咚音箱一代和二代、小雅音箱等采用。Lattice還與TPCast(北京傳送科技公司)合作了無線VR連接裝置，采用了Lattice的全部三大類產品(控制、互聯和計算)，其中FPGA是iCE和ECP3，無線是WiHD接收和發(fā)送模塊，影像處理采用了Sil9396。

組合創(chuàng)新開辟新應用

　　物聯網/網絡邊緣的創(chuàng)新，并不是有一款核心芯片就夠了，很多時候更是把多種不同的產品聚合在一起做組合創(chuàng)新。例如TPCast的無線VR裝置，其中的“無線毫米波”技術是Silicon Image被Lattice收購之前，Silicon Image曾收購的Sibeam公司的產品。其在毫米波方面花費了近十年時間、2.5億美元的投資，才慢慢把“毫米波”技術及無線HDMI技術培養(yǎng)起來。

　　但無線VR不止要高速傳輸和低延遲，而且追蹤能力要非常強大。當初Silicon Image/Sibeam團隊并不認為這些無線技術可在VR上實現，因為無論是無線還是Sil9396影像處理芯片都有一些限制。Lattice上海FPGA團隊通過深入客戶，分析無線模組、影像處理器等的短板，與客戶共同探討如何用FPGA去彌補，最終研發(fā)出完整的無線方案。

　　可見，傳統芯片廠商往往是提供芯片和開發(fā)板等。而Lattice會去主動了解市場，然后更早地去做出相關設計。例如，Lattice現在花很多心思在VR/AR上，所以在VR/AR市場的前瞻性、產業(yè)布局等方面，甚至比一些客戶還了解。只有這樣才能掌握先機，更早一步提供參考設計。

　　具體地，Lattice十分看好雙攝像頭合一產品，例如安卓之父安迪·魯賓創(chuàng)立的公司所做的Essential PH-1手機，特點是附送了一個360°無線全景相機。其中采用了Lattice的FPGA——Crosslink。因為Lattice早已預見，隨著AR/VR對片源的需求，會出現360°全景攝影/攝像的需求。此外，無人機、AR/VR裝置上未來都將會有這種攝像頭二合一的360°相機。Lattice接下來還會考慮四合一、五合一等的需求。

神經網絡計算

　　大部分神經網絡模型用卷積神經網絡(CNN)計算。CNN計算基本上是在云端上做大數據分析，相對復雜，是用16位元去代表結果的幾率與強度。隨著網絡模型的優(yōu)化，人們發(fā)覺其實不需要那么復雜，可以8位元、4位元，甚至到1位元這樣的二值神經網絡(BNN)。BNN優(yōu)化包括了二值或者三值的神經網絡，對于Lattice小而巧的FPGA非常合適。

　　圖1所示為部分算法與功耗的比較，可見面部偵測、語音識別、車牌識別和故障偵測比較適合低功耗、低成本的小型FPGA，“碰撞規(guī)避”則比較合適在更大型的FPGA等算法芯片。

　　根據多方研究報告，在網絡邊緣/物聯網上的處理需求通常是在10~1000 BOPS運算能力，可是功耗必須要低于1W，這是Lattice有優(yōu)勢的地方(如圖2)。當然，也有可能有企業(yè)去開一個IC，采用ASIC的方式，的確性能/功耗比更理想。但是IoT(物聯網)上的應用非常寬泛，要開一顆IC去符合物聯網的多元化是有一定難度的。

　　Lattice iCE40 UltraPlus可以運行二值神經網絡算法，用于人臉偵測，功耗只有5mW，該芯片只有2mm×2mm，和幾粒鹽差不多大。Lattice比較復雜的FPGA——ECP5，可以做到人臉跟蹤及不同物品的識別，相比同類方案，價格低了一個數量級，功耗也低了一個數量級以上。

　　當然不一定用神經網絡算法，可以用視覺的方式去做很多運算(包括360°環(huán)繞視野)。Lattice在上海有一客戶Microsharp，不僅做到車牌偵測，還可以做到車牌檢測。

　　本文來源于《電子產品世界》2017年第12期第75頁，歡迎您寫論文時引用，并注明出處。