不久前，賽靈思推出了Vitis統一軟件平臺，并宣布其重要組件Vitis AI開放下載，使人工智能（AI）和機器學習開發者將可以利用賽靈思的高性能自適應計算平臺的加速度。一家硬件平臺公司，為何重磅推出軟件平臺？為此，電子產品世界等媒體采訪了賽靈思軟件與 AI 產品市場營銷副總裁Ramine Roane（羅明）。

賽靈思 軟件與 AI 產品市場營銷副總裁 Ramine Roane

1 賽靈思整體的業務戰略及對計算的看法

所有的電子系統應該是自適應的，就像是有機物種一樣，這樣才能跟上創新的速度。同樣，“所有的硬件和計算應該是自適應”的觀點，也得到越來越多的行業認可。

直到2000年之前，根據摩爾定律，業界還接受著芯片或硅工藝的密度每18個月翻一番的速度，當時所有的應用開發人員和軟件開發人員不用做什么，就等著新芯片出現。直到2000年時候，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，而且一直維持了20年沒有進一步提升。為了提升所有的應用性能，要進一步擴展，后來使用多核CPU，這個問題從硬件轉向軟件（如下圖）。

之后出現了向異構CPU和加速器的轉移，到目前為止，這種方向是可行的。問題在于所有這些架構包括CPU都是固定的，這樣就很難跟上AI的創新速度。

賽靈思的思路是打造自適應的平臺，非常靈活多變，而且賽靈思的芯片也可針對不同的應用進一步進行硬件的優化。所以現在開發者就不用等著新的芯片出來，就可以建立一些特定架構的應用。

賽靈思提供的解決方案，如何追趕上像AI這樣的創新速度？從下圖可見，AI的CNN在2012年到2018年發展的趨勢，可看出每3個月會出現新的AI模型，會取代之前的模型，一般是1年半到2年的時間來構造1個全新的ASIC或GPU。

從上圖可見，藍色的，之前最主流的是GoogLeNet，1年半到2年后是ResNet，現在ResNet是最尖端的技術，但是沒有辦法在原有的架構上運行。賽靈思的器件以及可自適應的硬件，就可以來構建這種特有的架構。

2 FPGA的成功案例

第1個例子illumina，是一家生命科學公司，利用FPGA技術可以加速醫療診斷。例如得了重癥的新生兒，可以通過加快它的基因組的分析，以前是用1天，現在20分鐘就可以進行診斷的判定。

在汽車行業的應用，戴姆勒汽車公司利用賽靈思的技術可以加速實現AI的決策。包括通過賽靈思FPGA的I/O，從不同的傳感器（包括攝像頭、雷達和激光）獲取信息，還可以使用賽靈思的自適應器件，幫助其更快地決策，而且是低延時的。

第3個例子是CERN，是位于瑞士的歐洲核子研究院，它們通過粒子碰撞機、質子碰撞碎片的分析，發現了希格斯的玻色子。這個發現后來奪得諾貝爾獎。需要對碎片進行快速分析得出結論。

3 Vitis和Vitis AI的特點

Vitis的名字來自于法語，意思是生命力，解釋到中文也有“至關重要”的意思。

Vitis和Vitis AI開發工具可以助力軟件開發人員和AI科學家，用他們選擇的語言，例如C++進行開發，也可以使用相關的架構和庫進行開發。

1）Vitis針對軟件/AI軟件的開發人員

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，賽靈思的開發工具主要面向硬件的開發人員。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——現在也針對軟件開發人員。

而且軟件開發人員的機會更多，因為軟件人員的倍數大大高于硬件開發人員。現在全球硬件開發者可能是一二十萬的規模，而軟件開發人員是數以幾百萬計的。而且現在大學里學硬件開發的已經很少了，大部分人選擇學習軟件開發。賽靈思的Vivado是針對硬件開發人員的平臺，新推出的Vitis和Vitis AI是針對軟件開發者以及AI科學家的。

2）Vitis統一了所有應用平臺的開發

包括：① 把AI和傳統的軟件開發統一起來了。②把云和邊緣也都統一起來，包括終端計算以及邊緣和云計算，不同的架構全都統一起來。③可以使用統一的語言進行異構的加速。

為此，賽靈思已進行了六七年的實踐，從最開始的硬件開發平臺Vivado，到后面的OS和固件SDK，包括一些嵌入式的軟件開發環境，到不同的云計算的開發。亞馬遜云計算服務（AWS）成為第1個使用FPGA云服務的提供商，后來BAT（百度、阿里、騰訊）也緊隨其后。可見，所有的環境、語言、庫不同，針對包括云和邊緣，Vitis就是要把所有的這些統一到一個整體的平臺上來。

3）Vitis的堆棧

如下圖，最下面是基礎的硬件的平臺，從端點的平臺到邊緣計算，一直到云。往上的第2層是賽靈思運行時庫（XRT），主要管理CPU和FPGA之間的通訊。再上面一層是不同的工具，包括編譯器、分析器和調試器，它使用軟件語言編譯成為FPGA所用的加速語言。

賽靈思建立了很多庫，來進行一些加速，包括有OpenCV、金融、BLAS等庫。而且這些都是業界標準的加速。這些庫當中，很多傳統的軟件開發人員可能是使用C++或者python語言進行編寫的，新的開發人員使用的是一些新的架構和DS的語言。

在AI方面，TensorFlow和python torch是首選的。對于Vitis AI，主要用的是TensorFlow（如上圖）。另外，還有視頻轉碼，主要用FFmpeg語言。

賽靈思支持很多庫，這對于開發者來說是非常關鍵的。眾所周知，軟件開發人員不愿意每次寫程序的時候重新開始，他們可以利用現成業界標準的庫，利用現成的材料，包括CPU、GPU等，現在還有Vitis來支持他們的工作。

賽靈思現在也在進行一個戰略轉型：從傳統硬件公司轉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。

作為賽靈思轉型戰略的一部分，賽靈思致力于開源，現在參與了多個開源的項目，賽靈思從2001年時就開始是使用者，2007年的時候成為革新者，2018年是頭號的貢獻者，第2名是谷歌。

現在賽靈思還有開源庫，例如Github，賽靈思還有SRT的運行庫，有AI模型的例子，都是經過優化的，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。未來賽靈思還會宣布使用和貢獻更多的開源項目。

    另外，賽靈思還推出了Developer.xilinx.com網站，主要將Vitis專家和相關的開發人員建立起聯系，這也是賽靈思轉型戰略的一部分。2019年11月推出該網站的時候，網站有30多篇文章，現在達到了50多篇，這些文章來自于不同領域的開發人員的專家，在編寫應用程序中所提供的一些經驗。這些不同的領域，包括汽車行業，還有智慧城市等。

    4 Vitis AI的應用案例

    一個典型的傳統軟件開發人員和AI結合的例子。例如對視頻的數據進行預處理，然后通過AI進行輸出，再進行后處理，預處理和后處理都是軟件，中間通過AI。

例如假設開發人員要通過這一條流線以6 FPS（每秒幀）的速度進行顯示。如果在CPU上運行，是6 FPS。如果在Vitis數據流流水線中，可以達到80 FPS（如下圖）。

具體地，在FPGA或1個GPU上，要對AI進行加速，可以看到從6激增到30這么大的提升。如果是用GPU也就到這么多了，不可能再有更多的改善了。在FPGA上你可以決定對預處理部分加速，還是對后處理部分進行加速。這樣就達到了40 FPS。 最下面一行，可以進行流水線的優化處理，不用等著這一幀處理完畢就可以進行下一幀的處理，這樣就可以達到80 FPS的速度，而軟件層面的開發人員完全沒有必要了解這些硬件的技能，就可以達到這樣的效果。

早期Vitis和Vitis AI試用的客戶，有從事自動駕駛的北京小馬智行、汽車一級供應商日立公司的攝像頭識別，韓國三星的5G部署等。

5 如何降低FPGA的開發門檻

賽靈思和多個FPGA平臺合作，包括AWS，中國有BAT。基本上有兩個方法解決這個問題。①通過Vivado，這個比較難，因為涉及到硬件的設計和模擬。②幾年前賽靈思推出了SDAccel，它算是Vitis的鼻祖。賽靈思的FaaS（FPGA即服務）合作伙伴現在沒有更新它們的系統，預計2020年上半年會全部更新。因為賽靈思的Vitis和Vitis AI庫容量非常豐富，所以會幫助他們大幅加速FPGA應用。

實際上，Vitis和Vitis AI是拋磚引玉——采用免費的模式，主要從硬件那邊賺取利潤。    

一個問題是：在深度學習做加速這方面，雖然現在FPGA成長快，但是在AI培訓方面，比較主流的還是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用的進程？

Ramine Roane解釋道，GPU在AI培訓上的市場份額很大，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占據的，不過現在CPU加速的效率還不是很高，例如在邊緣的一個案例是北京小馬智行公司的自動駕駛，時延是一個很大的問題，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，所以Vitis、Vitis AI的推出，就是為了降低這個難度。