賽靈思為何用“軟件”來推動其自適應(yīng)計算平臺

王? 瑩? （《電子產(chǎn)品世界》編輯）

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(xué)習(xí)開發(fā)者可利用賽 靈思的高性能自適應(yīng)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(chǎn)品 世界等媒體采訪了賽靈思軟件與 AI 產(chǎn)品市場營銷副總裁Ramine Roane （羅明）。

1   賽靈思整體的業(yè)務(wù)戰(zhàn)略及對計算的看法 

所有的電子系統(tǒng)應(yīng)該是自適應(yīng) 的，就像有機物種一樣，這樣才能 跟上創(chuàng)新的速度。同樣，“所有的 硬件和計算應(yīng)該是自適應(yīng)的”觀 點，也得到越來越多的行業(yè)認可。 

直到2000年之前，根據(jù)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(yīng)用和軟件開發(fā)人員不用多 做什么，就等著新芯片出現(xiàn)。直到 2000年時，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，而且迄今維持了20年。為了提升所有的應(yīng)用性 能，要進一步擴展，后來使用多核 CPU，因此，這個問題從硬件轉(zhuǎn)向 軟件（如圖1）。 

之后出現(xiàn)了向異構(gòu)CPU和加速 器的轉(zhuǎn)移，到目前為止，這種方向 是可行的。問題在于所有這些架構(gòu) 包括CPU都是固定的，這就很難跟 上AI的創(chuàng)新速度。 

賽靈思的思路是打造自適應(yīng)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(yīng)用進一步 進行硬件的優(yōu)化。所以現(xiàn)在開發(fā)者 就不用等著新芯片出來，就可以建立一些特定架構(gòu)的應(yīng)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？從圖2可見，CNN等深度學(xué)習(xí)模型在 2012—2018 年發(fā)展的趨 勢，可看出 每 3 個月會 出現(xiàn)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(gòu) 造1個全新的ASIC或GPU。 

從圖2可見，藍色的，之前最 主流的是GoogLeNet，1年半到2年 后是ResNet，現(xiàn)在ResNet是最尖端 的技術(shù)，但是無法在原有的架構(gòu)上 運行。賽靈思的器件以及可自適應(yīng) 的硬件，就可以來構(gòu)建這種特有的 架構(gòu)。

2  Vitis和Vitis AI的特點 

Vitis的名字來自于法語，意思 是生命力，解釋到中文有“至關(guān)重 要”的含義。 Vitis和Vitis AI開發(fā)工具可以助 力軟件開發(fā)人員和AI科學(xué)家，用 他們選擇的語言，例如C++進行開 發(fā)，也可以使用相關(guān)的架構(gòu)和庫進 行開發(fā)。 

1）Vitis 統(tǒng)一軟件平臺是針對 軟件開發(fā)人員的，包括AI的軟件開 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(xiàn)在也 針對軟件開發(fā)人員（如圖3）。

而且軟件開發(fā) 人員的機會更多， 因為軟件人員的數(shù) 量大大高于硬件開 發(fā)人員?，F(xiàn)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(shù)以幾百萬計的。 而且現(xiàn)在美國大學(xué)里學(xué)硬件開發(fā)的 已經(jīng)很少了，大部分人選擇學(xué)習(xí)軟 件開發(fā)。賽靈思傳統(tǒng)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(xué)家的。 

2）Vitis統(tǒng)一軟件平臺的特點 是統(tǒng)一了所有應(yīng)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。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(gòu)全都統(tǒng)一起來。 ③可以使用統(tǒng)一的語言進行異構(gòu)的 加速。 

賽靈思現(xiàn)在也在進行一個戰(zhàn)略 轉(zhuǎn)型：從傳統(tǒng)硬件公司轉(zhuǎn)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。現(xiàn)在賽靈思還有開源庫，例如 Github，還有SRT的運行庫，有AI 模型的例子，都是經(jīng)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(shù)。 

實際上，Vitis和Vitis AI是拋磚 引玉——采用免費的模式，主要從 硬件賺取利潤。 

一個問題是：在深度學(xué)習(xí)加速 方面，雖然現(xiàn)在FPGA成長快，但 是在AI培訓(xùn)方面，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(lǐng)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(yīng)用的進程？ 

Ramine Roane解釋道，GPU在 AI培訓(xùn)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(jù) 的，不過現(xiàn)在CPU加速的效率還不 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 一個很關(guān)鍵的問題，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)，隨著Vitis、Vitis AI的推出， 這個難度會降低。

本文來源于科技期刊《電子產(chǎn)品世界》2020年第03期第89頁，歡迎您寫論文時引用，并注明出處。