（文/程文智）隨著去年年底ChatPGT的推出，AI又重新成為了市場熱議的焦點，但真正讓AI改變我們的生活和世界還有很長的路要走。不久前，AMD全球副總裁唐曉蕾在與媒體分享AMD在核心市場的表現時認為，現在AI的發展正處于黎明期，盡管我們以驚人的速度在前進，仍然追不上數據的產生和對AI的需求，AI給所有所有人帶來了一個機會，解開了神秘舞臺的一角。

現在，很多公司都在不同的領域進行AI相關的應用研究，很多AI項目在開始時都會選擇用FPGA來做驗證，對復雜應用會選擇大型FPGA芯片，簡單應用會選擇小型FPGA芯片。如果確定了AI應用場景和網絡之后，ASIC芯片在效率方面將更有優勢，“前提是有確定的要素，當有些要素還未確定時，固化的一個ASIC并不容易。”唐曉蕾在分享時指出。

因此，她認為AMD的自適應架構IP------AMD XDNA會是一個比較好的選擇。她解釋道，XDAN是一個自適應架構的IP組合，主要用于AI，以及傳統的信號處理和數據流之間的架構。它帶有本地存儲器和數據移動器的高度可擴展引擎陣列，是AMD利用深厚的FPGA和自適應SoC編譯算法專業知識推出的一種算法工具。

其中，AI引擎可以讓AI和信號處理實現高性能和高能效。采用AI引擎，意味著在改變時要不停投入研發，但整體平臺不需要做大改動，客戶可以在平臺上積累知識。唐曉蕾還透露，未來AMD將更多應用Chiplet技術來應對AI浪潮的到來。

除了XDNA，AMD還在三年前推出了Kria系統級模塊(SOM)，專注于安防系統、城市攝像頭和道路攝像頭等視覺相關應用。該SOM可以幫助開發者把外圍的接口打通，讓他們更快地將其算法落地，并實踐。

據唐曉蕾介紹，未來的SOM產品將會分成兩個產品路線，一個將注重成本優化，關注電力驅動和其他尺寸與成本受限的應用；另一個將會致力于提供更高的算力。因為算力已經成為一個繞不開的話題，開發者對算力的需求每天都在在呈指數級地在增長，而SOM的算力不能完全依賴云端，越來越多的應用場景需要端、邊緣側的算力支持，處理對實時性要求高的數據。

除了這些硬件創新，在FPGA和X86平臺上，工具的重要性也不可忽視。尤其是隨著AI的推進，更多軟件工程師的加入，對工具的需求更加看重。因此，AMD也更新了Versal開發環境。該開發環境面向所有開發者，其中包括硬件底層的異構平臺，比如Versal ACAP、標量引擎、可編程邏輯，以及AI引擎；在中間層，AMD提供的中間件可以為開發者提供使用工具的接口，在此基礎上，AMD提供了EDA后端工具Vivado；EDA后端工具之上是異構軟件平臺Vitis，在此平臺上，軟件開發者可以輕松使用自己熟悉的C、C++、或Python進行開發；此外，AMD還提供了無硬件編譯的選項，利用云服務器進行創新，無需軟件編譯。

唐曉蕾表示，AMD正在利用自適應計算加速客戶在核心市場的創新，其中核心市場包括汽車、工業、醫療、音視頻，以及TME(測試、測量與仿真)等領域。

汽車：從沉浸式座艙到自動駕駛

如今的汽車行業正面臨前所未有的改變，智能化轉型正快速發生著。但汽車的智能化不論是技術路線，還是落地方式，其實都有著不同的路徑，其中，自動駕駛主要朝著Robotaxi的方向發展。傳統汽車或新能源汽車更強調沉浸式體驗、智能駕艙，以及提升駕駛員安全感。

首先，當今汽車行業很卷，設計周期從今年要規劃5年后的產品，到今年要規劃明年的產品，帶給客戶不一樣的挑戰。在唐曉蕾看來，在這個浪潮中第一個面對挑戰的客戶是車廠。雖然迭代速度、應用場景在增加，AMD仍然希望能提供一個可擴展的平臺給客戶使用。例如在沉浸式智能座艙中，從4K屏（帶魚屏）到六個8k屏支持3A游戲等需求為AMD提供不一樣的市場要求。市場對于ASIC設計周期的需求大大加快。如今迭代周期以及產品升級已經不能滿足產品的設計周期，AMD的自適應平臺給客戶提供了不一樣的產品設計體驗。如果客戶想驅動兩個屏可以需要一個小一點的FPGA，即vision hub。通過AMD的FPGA產品做一個擴展還可以做更多，比如在未來支持13個攝像頭，4個屏等。

其次，當你的沉浸式體驗需求不是那么完整，可能配置不需要后排打3A游戲，也不需要做一些更高級的游戲體驗，你可以不需要GPU。但是，如果以后需要加裝，客戶完全可以把GPU做成一個盒子，去增加客戶的體驗，也可以把GPU變成一個選項去配置。從CPU平臺本身， X86的遷移是不難的。如果現在用的是ZEN 3的架構，將來我們推出ZEN 4架構后，對整個平臺，以及生態系統的遷移來說是非常簡單的。而且，座艙作為一個非常獨立的空間，X86不管從能夠支持的應用場景，還是說已有的生態來講，都能帶來非常完善，更加有力的體驗。

相對而言，安卓更適合手機等移動場景。當追求到一些極致的體驗的時候，安卓有一定的使用限制。隨著空間的擴大，更需要具有頂級處理能力的平臺去滿足相關體驗。

而自動駕駛則完全不同。自動駕駛對算力有非常高的要求，因此，這個場景通常會選用服務器級別的芯片。在這個領域，AMD的優勢在于其有非常強的X86去做真正的控制。在計算上面，X86、GPU結合FPGA如何把車載網絡做的更加高效，更加復雜。在自動駕駛領域，AMD的獨特優勢能夠幫到客戶不停的升級迭代以及自適應計算。

對于FPGA的能耗問題，唐曉蕾認為這個已經不成問題了，汽車正在經歷從機械到電子再到智能的巨大變革過程。無論是新能源汽車還是傳統汽車，為了提供更好的體驗，汽車行業與半導體公司正在產生前所未有的緊密耦合以滿足發展所需的更強算力。這個融合過程是數據驅動的。在這個世界上， AMD的站位獨特在于將CPU，GPU，FPGA，以及Semi ASIC融合到一起，幫助汽車行業的客戶實現大數據計算的轉型。

此外，隨著電動驅動力的發展，能耗和功耗也不再是一個最關鍵，或不可突破的問題。現在電動汽車已經采用了水冷系統，因此在成本上增加一個功耗較高的設計不會帶來額外的問題。過去是12度的電，但是現在汽車電池容量達到了120度，在此情況下對芯片的功耗相對不敏感，“加上我們的異構計算更好地的平衡了功耗和算力，顛覆了傳統用戶的思考習慣。所以，我們通過跟客戶的交流發現，引入FPGA、GPU以及CPU并不會增加車的能耗或價格，而是一個必要的解決方案。“唐曉蕾強調。

工業創新

在智能制造領域，AMD通過數字孿生技術讓工程快速精準落地。另一種應用場景是智能倉儲，使物流解決方案更加高效。還有在無人工廠，需要無人搬運車（AGV）和自動抄表（AMR），以讓人們實時了解倉庫里面發生了什么，減少工廠內的人工干預。

智能制造離不開工業機器人，在工業機器人領域，AMD一直以來致力于讓自動化的流程更加順暢，讓自動化的機器人能夠更精準的控制。

還有很多其他的關于產品驗證的創新，比如，產品驗證正從人眼驗證越來越多向機器驗證以及智能視覺檢測轉型。在整個工業創新里面，從廠房的建立，工程的數字孿生，以及中間的物流，最后的生產，以及把控產品品質，可以涵蓋整個智能制造流程。

這個過程涵蓋了了非常多的底層技術，包括傳感、控制、計算、互聯，以及怎么樣讓聯網更加高效，怎么樣讓傳感能夠提供更多的數據。唐曉蕾表示，AMD同時把控傳感，控制，計算與聯網等底層技術結合在了一起，讓數據更加有效地完成使命，推動中國制造走向中國智造。

助力醫療創新

醫療創新包括了窺鏡系統，醫療超聲，手術機器人，大型掃描儀器，以及病患護理等設備。唐曉蕾主要介紹了一些醫療創新領域里比較新、比較有創意的方案，比如內窺鏡系統、外科手術機器人系統、醫療超聲，以及CT、MR及大型掃描儀等。

據她介紹，在內窺鏡方面，隨著內窺鏡分辨率的提升，對帶寬對低時延的要求也越來越多。AMD對寬帶和圖像分辨率的支持的可實時調節性以及靈活的計算處理使AMD在內窺鏡分辨率方面有極大的競爭優勢；在醫療超聲方面，AMD切實落實可視化以及智能化以提升整體醫療系統效率，并且在信號的實時處理方面得到很大推廣；在手術機器人系統方面，AMD的技術也得到了應用，通過5G網絡和AI機器學習推理實現手術指導以更好應用醫療資源；在CT、MR及大型掃描儀方面，圖像重構的卸載和加速在AMD的平臺上面去處理，使成像密度越來越高。

唐曉蕾指出，醫療作為人文關懷項目，一直是AMD重要的研發方向。為了配合醫療創新的盡快落地，AMD通過為客戶提供影像庫和發布醫療電子書，讓其能夠更快的接受、使用以及落地自適應計算，幫助客戶完成醫療方面的快速轉變和迭代。AMD也在計劃盡快把AI應用到醫療影像庫里。

她還強調，醫療領域一直都是AMD非常重視的領域，并與全球客戶保持緊密合作。因為醫療設備設計周期長，需要各種認證和醫院采購流程，醫療領域對新產品，新技術接受度相對較慢。但隨著創新發展，醫療對創新的需求也在增加。很多人在思考如何將AI引進，例如加速X光片和病灶的分析。這些都是推動醫療水平提升和改善資源利用效率的驅動力，這些驅動力要求醫療設備有較大提升空間。

目前，不管是內窺鏡還是醫療超聲，都融入了AI技術，從而驅動了創新和對新器件的接受。“近兩年，醫療行業開始大規模應用我們的先進器件。”唐曉蕾表示。

隨著AI的植入、處理能力的增加、網絡時延的改善以及遠程醫療的加入，醫療行業開始關注通訊和網絡，智能醫院也開始考慮設備的互聯。她進一步指出，“這些都是推動創新的驅動力，也是AMD高端產品在醫療領域得到廣泛使用的原因。因此，我們看到新器件、大器件、好器件在醫療領域得到越來越多的應用。”

此外，唐曉蕾還介紹其產品在嵌入式工業、視覺、醫療系統協同效應、專業音視頻、廣播、消費類應用、測試、測量與仿真等方面的創新應用。