日前，“賽靈思工業物聯網研討會”在京舉行。公司ISM（工業、視覺、醫療和科學）部門的市場總監Chetan Khona接受了電子產品世界等媒體的采訪。

      Khona先生指出，當前工業物聯網（IIoT）和醫療物聯網(HcIoT)面臨諸多挑戰，并探討了時下熱門的AI云端和邊緣技術特點，稱賽靈思的SoC解決方案——Zynq及Zynq UltraScale+系列滿足了當前的需求，接下來的2020年上半年，還將會推出新一代Versal，帶有AI Edge版本，以滿足未來ISM的需要。 

      1  Xilinx增長率達24%

      Xilinx 1984年成立，是全球首家無晶圓半導體（fabless）企業，2019財年營收30億美元，年增長率達24%。ISM部門占公司1/4的營收。

      公司的產品質量高，從2011年到2018年期間達到了0召回（如下圖）。而且使用壽命也很長，Xilinx產品有最低15年的生命周期，有些甚至達二三十年。

      可見Xilinx公司財務健康，產品質量和可靠性高，能夠滿足ISM/嵌入式的需要。

      2  工業和醫療物聯網的趨勢

      IIoT和HcIoT的共同特點是數據爆炸，例如每年創建2.5艾字節數據，全球90%的數據產生于過去兩年，2019年AI領域將使用超過60堯字節的數據。所以Xilinx的核心是幫助客戶有效地利用數據。

      IIoT的熱門應用之一是預測性維護（如下表），可以最大限度地減少停機時間。其次還有分析，可以實現深刻見解。再有是連接性，以實現遠程診斷和OTA（空中下載）更新。

      比工業物聯網更重要的是醫療物聯網，因為它最終改善了人們的生活質量，例如減少醫院病房的等待時間（如下表），通過AI提升診斷效率和質量，通過遠程監控讓一些有條件的患者無需占用病床的床位、而是得到居家的醫療監控。

      不過，IIoT和HcIoT也帶來了一系列問題，例如隱私、隨時間推移的越來越高的安全性、時延、成本、可靠的連接。工廠和醫院都是昂貴的資產，有效的投資可提高投資回報率。賽靈思（Xilinx）的解決方案有靈活和自適應（例如，根據客戶的需要，可在器件端和云端提供計算資源）特點。

      工業時延的起碼要求是最低10ms。從新出現的“數據重力”和“數據慣性”術語所知，處理需要推送到數據所在的地方（如下圖），因此Xilinx ISM部門的建議是：在數據的邊緣處理，效率和效能最佳。

      如圖1右是一個平臺，現在有很多嵌入式的工程師團隊都會開發平臺，這和十年前或者更早的情況（圖1左）形成了鮮明的對比。十年或者更早以前，經常在一個公司內部就有多個工程師團隊，而且他們在設計方面會做獨立的決策，例如一個團隊選擇PPC、VxWorks、CAN，還有的選Arm、Linux、MQTT，還有一個選x86、Windows、OPC UA，他們之所以能夠自主的選擇這些系統，是因為當時這些系統非常的簡單。

      但是現在這些系統不再那么簡單了，例如工業物聯網、醫療物聯網雖然非常強大，但是越來越復雜，這也使得工程師團隊越來越多地選擇公共平臺。因為現在工業界出現了一個趨勢，也就是IT、OT的融合，信息技術和操作技術的融合。IT指的是像思科和華為這類的企業，OT是西門子等自動化領域的企業，對于工業物聯網和醫療物聯網來說，越來越多的是需要把這些能力集成到單個器件上。

       所以這個過程現在非常復雜，這種嵌入式的設計不僅是要做軟件和硬件的開發，而且云的開發者也希望能夠連接這些信息，來收集這些器件的信息，所以如果還是按照原來的方法，所有人選用不同的處理架構、操作系統和連接標準，對云開發者來說這就太困難了，需要不斷地去進行調整和改變，所以如果他們能夠有一個公共的架構和平臺，這樣能夠幫助他們非常迅速簡易地去開發給自己公司使用的SaaS（軟件即服務）產品，即能夠創造一個新的收入流。

      這也是為什么很多客戶選擇Zynq和Zynq UltraScale+ SoC的原因，因為賽靈思能夠提供一個功能非常強大的平臺，例如 Zynq SoC 中的Arm系統就能夠為云開發提供服務，同時還能提供IT和OT的支持，以及提供FPGA的定制化，所以“工業性能+定制功能”，使賽靈思的產品非常有吸引力。

      這不僅是理論，而且已實際發生了。例如在中國，Zynq SoC已有成功案例，例如南瑞繼保，其解決方案已通過國家電網認證。

      值得一提的是，Xilinx并不認為邊緣和云端計算是對立的（電子產品世界的記者認為隱含的意思是：Xilinx的ISM部門重點是邊緣計算，另外，Xilinx還有云計算部門），由于Zynq和Zynq UltraScale+的靈活性和自適應性，都是跨邊緣和云的可擴展IIoT平臺（如下圖）。

      3   Xilinx工業和視覺解決方案

      有三大類：IIoT和HcIoT解決方案堆棧，Alveo加速器卡為工業PC加速，互補的邊緣與云協作。

      3.1  AI解決方案

      AI分為大AI和小AI之分，或稱為重量級AI和輕量級AI。Xilinx都有方案。

      大AI可實現低時延、高性能的DNN的解決方案（如下圖）。

      小AI有基于Python的經典機器學習的開源解決方案，諸如PYNQ（Python Productivity For Zynq）和pandas等。值得一提的是，Python語言深受年輕人喜歡。

      邊緣AI方面，Xilinx于2018年收購了深鑒科技公司，帶來了模型剪枝技術（如下圖），提高了效率。因為隨著AI發展，計算的位數在不斷降低，過去公認是16位，現在公認是8位浮點、8位定點，未來可能縮減到2位（BNN）。利用模型剪枝技術，可把不必要的數據先去除，因此相同精度下可提升6倍fps（幀每秒）。可見，Xilinx可以支持這種位數不斷降低的發展趨勢，而很多友商只有一種位數處理方法，例如16位或8位，不夠靈活。

      曠世公司是Zynq SoC的用戶，用于前端攝像頭設備，不僅功耗低，而且識別效率一流。

      3.2  Alveo加速器卡為工業PC加速

      Alveo加速器卡可用于機器人運動規劃：這需要大量計算，例如有人撓了機器人的頭一下，這看似一個簡單的動作，但是機器人要大量計算，把無效的人的動作剔除。

      一個Alveo加速器卡可控制8臺機器人。

      Alveo U200加速器卡的一個鮮活案例是上海聯影科技，用于醫療CT機。

      3.3  邊緣與云端互補協作

      在云端，很多連接是時斷時續的，因此邊緣計算很重要。因此云廠商重視嵌入式端，例如Amazon aws雇傭了FreeRTOS作者，推出Amazon FreeRTOS微控制器(MCU)操作系統；微軟前不久也收購了實時操作系統公司Express Logic。

      現在，越來越多的ISM客戶選擇Xilinx的Zynq及Zynq UltraScale+方案，因為它們可實現跨邊緣計算和云的可擴展IIoT平臺。

      例如精鋒微控的智能機器人驅動與控制平臺，用一個Zynq SoC取代了二十多個芯片和工業網絡連接，只有1/6的尺寸和1/5的成本。此外，邁瑞、海康威視也是Xilinx的用戶，因為Zynq及Zynq UltraScale+具有成本競爭優勢，并且不會因此犧牲性能。

      4  下一代SoC產品

      Xilinx的下一代產品是ACAP（自適應計算加速平臺）（如下圖）。

      具體的芯片品牌是Versal，如下圖。可圈可點的是，2020年將推出Versal帶AI Edge的版本（如下圖），這將是Zynq及Zynq UltraScale+的繼任者，將實現每瓦AI高性能，其將采用收購的深鑒的模型剪枝技術。