讓時光倒退回到2015年，這一年2月份，FPGA龍頭企業賽靈思(Xilinx）發布了業界首款16nm工藝的FPGA產品——UltraScale+系列FPGA，在FPGA領域風光無兩。同年6月份，當時的半導體行業龍頭英特爾宣布以167億美元收購Altera。此后，人們給賽靈思設計出無數種前途，可是考慮到當年50億美元的FPGA市場，大家都覺得這是一場實力懸殊的競爭。

把目光拉回到當下，翻看今天的賽靈思官網，如果單看FPGA產品，賽靈思似乎沒有什么進步，因為FPGA產品工藝沒有精進，豐富的是合作伙伴和開發支持工具。作為“摩爾定律”的倡導者，英特爾則在FPGA上依然在宣講先進工藝的重要性，14nm的FPGA產品和10nm的FPGA產品計劃都公諸于世。不過需要注意的是，現在FPGA依然是一個小市場，結合中國報告網的數據來看，2017年全球FPGA市場份額只有67.5億美元，放到4204億美元的半導體市場里，規模太小了。如果是一家僅有FPGA產品的公司，吃掉整個市場后相對于英特爾來說也不夠大。

FPGA被譽為“萬能芯片”，能量就只有這么一點？當然不是的。目前FPGA在數據中心領域已經得到認可，采用FPGA的加速卡解決方案成為數據中心的首選。而人工智能通過深度學習算法在認知智能和推理智能上遇到難題，擅長推理的FPGA被寄予厚望。賽靈思如何借助這一歷史性的機遇實現跳躍性發展呢？答案在10月16日的2018賽靈思XDF（賽靈思開發者）大會上揭曉了。

數據中心優先目前，各行各業的數據在源源不斷產生，數據中心需要越來越多的存儲設備承載數據，同時也要通過大量計算將無序的數據加以提取，形成有用信息，從而服務于人們的生活。面對海量的數據分析，只憑借CPU來進行大數據計算遠遠無法滿足需求，因此設計人員想到為數據中心加速。而可供選擇的加速方案有兩個，一個是專用的ASIC，一個是FPGA。FPGA相比其他芯片，最大的優點表現在低延遲性、可編程性、低功耗，這是數據中心服務器的剛需。

數據中心是FPGA繼通信領域后又一大殺手級應用領域。在數據中心解決方案上，FPGA不再僅僅是FPGA，而是加速卡中的加速解決方案。

在英特爾10nm“難產”的關鍵時間節點上，賽靈思的產品走到了前面。開發者大會上，賽靈思總裁及首席執行官Victor Peng宣布賽靈思將進行戰略轉型，轉型之后將采取數據中心優先戰略。伴隨而來的還有一個重磅的新品——Versal ACAP。

賽靈思總裁及首席執行官Victor Peng

為什么叫ACAP？Victor Peng解釋說：“ACAP是可擴展的一體化程度非常高的計算平臺，它是硬件和軟件都是可編程，所以縮寫為ACAP。”

從介紹材料了解到，Versal 產品組合基于臺積電（TSMC）的 7 nm FinFET 工藝技術，是第一個將軟件可編程性與特定領域硬件加速和靈活應變能力相結合的平臺。該產品組合包括 6 個系列的器件，其獨特架構針對云端、網絡、無線通信乃至邊緣計算和端點等不同市場的眾多應用提供了可擴展性和 AI 推斷功能。

在產品工藝上，賽靈思實現了超越，無論英特爾如何稱贊自己的10nm工藝，臺積電的7nm都更被認可，何況英特爾10nm“難產”了。

除了基于臺積電先進的7nm工藝打造的Versal ACAP，顯示賽靈思產品改變的還有一款已經量產的產品——Alveo。Victor Peng通過三點解讀了這款加速卡的特殊性，第一是速度快；第二是架構和算法靈活多變；第三是容易訪問、易于使用。

Victor Peng介紹Alveo

對英特爾產生威脅的除了產品之外還有產品背后的平臺和生態。在開發者大會上，Victor Peng表示，賽靈思已經不再是一家FPGA企業，而是一家平臺公司，并且要超越FPGA來開發整個平臺。Alveo有一個很廣泛的生產系統和合作伙伴ISA，包括數據庫的加速、數據分析，視頻處理、金融服務、機器學習，已經有14個應用合作伙伴為Alveo平臺開發。

此外，在會上開發者們也看到了華為、浪潮基于賽靈思的FPGA打造自己的加速卡產品。

FPGA在人工智能推理上的“天賦異稟”賽靈思實現跳躍式發展還有一個機會是人工智能。分析師們認為FPGA是人工智能推理時代的“GPU”，背后的巨頭公司將成為下一個英偉達。賽靈思軟件及IP產品執行副總裁Salil Raje指出：“今后AI模型必須應用在云端和邊緣的模型上，所以未來的模式更多的是推斷，而不是訓練。賽靈思關注的就是推斷。”

賽靈思軟件及IP產品執行副總裁Salil Raje

GPU在人工智能的感知智能和認知智能前期獲得了巨大的成功，英偉達也借此實現公司股價的水漲船高。隨著認知智能的發展和推理智能的到來，GPU數據并行的體系結構出現了弊端，流水線并行的FPGA擁有更低的延遲特性。Salil Raje提到：“對CPU和GPU而言，內存的帶寬非常關鍵，內存就是一個瓶頸，對于大的結果來說，希望能夠一次上載和下載。CPU和GPU通過批量可以做高吞吐量或者是低延遲，但是沒有辦法兩者兼顧。FPGA來獲得高通量的方式是通過自定義數據流、自定義內存層次結構和自定義精度來實現，所以有高吞吐量，同時還可以實現低延遲。”

同時實現高數據吞吐量和低時延，加上FPGA現場可編程的特性，其在人工智能推理階段的前途被廣泛看好。

因此，賽靈思將戰略中心轉移到數據中心業務上，拼的是FPGA的現在，廣泛關注人工智能推理則是押注未來。在數據洪流和人工智能推理時代的FPGA是沒有人敢小覷的，在FPGA深耕多年的賽靈思也就更無人敢忽視。正如Victor Peng所言：“我們起點很低，只要大家有熱情、有準備，而且有非常高遠的目標，隨著時間的推移，我們就能夠實現非常了不起的結果。”