我們都知道賽靈思因FPGA而著稱，在工業領域的業務驅動力卻來自賽靈思的Zynq SoC。

根據賽靈思最新財報顯示，其業務組成主要由數據中心、測試測量，汽車、廣播和消費電子，通信，工業、視覺、醫療和科學、航空航天及國防四部分組成。通信是其營收最大市場，占比41%。緊跟其后的便是工業、視覺等占比達27%。

值得注意的是2019財年賽靈思收入首次突破30億美元，年度增長24%。這離不開工業和醫療物聯網市場的良好表現。



實際上，Zynq和Zynq UltraScale+ SoC投產之后，賽靈思在工業和醫療物聯網領域的增長就明顯加速。

ZynqSoC順應共性化融合、邊緣計算等工業新需求

在日前賽靈思舉辦的媒體見面會上，賽靈思工業、視覺、醫療和科學 (ISM) 市場總監Chetan Khona說到賽靈思得到全球眾多工業客戶認可的原因，“盡管創新對于科技企業非常重要，但是對于工業和醫療客戶來說，耐用性，也就是產品生命周期的長壽性更加重要。在這方面賽靈思的產品在質量和可靠性方面的卓越性能和表現，得到了工業和醫療客戶的認可。比如說有很多半導體公司都做不到15年的產品生命周期，但是對于工業性客戶來說這又是必須的條件，賽靈思可以為產品提供最低15年的生命周期，而且甚至還可以達到20年，甚至更長。”


賽靈思工業、視覺、醫療和科學 (ISM) 市場總監Chetan Khona

除了保持一貫的耐用的產品生命周期外，現在工業和醫療物聯網也被大數據、云計算和人工智能所加持。

有一組數據描述了未來醫療物聯網的數據爆炸呈現的情況。全球90%的數據創建于過去兩年，每天創建的數據是2.5艾字節（2.5EB，艾字節是百億億字節。），2019年將有60堯字節（60YB，堯字節是一億億億字節）用于人工智能。

數據爆炸帶來了諸多問題，Chetan Khona分析說，穩私問題、隨時間變化的安全性、影響安全性的時延和響應、數據管理成本以及缺乏可靠的互聯網連接。

目前，全球已安裝超過1億臺醫療物聯網設備，到2020年將增長到1.61 億臺。醫療高管表示，當前阻礙醫療組織采用物聯網的三大障礙：隱私問題占 59％，原有系統集問題成占 55％，安全問題占54％。

應對于大量的數據帶來的這些問題，賽靈思在工業和醫療物聯網領域的核心理念是靈活應變、自適應。怎么做到這一點？

他說，賽靈思解決方案可延長市場壽命并提高投資回報率，可以有針對性地在問題痛點的物理位置提供計算資源。

這里指出了兩個關鍵點，延長市場壽命可以理解為無論未來的處理需求如何演進，賽靈思的產品都能夠提供支持，有足夠的性能做為支撐，在物理位置提供計算資源也就是強調了智能的邊緣計算。

他特別強調，現在很多解決方案都是使用軟件的升級和軟件的靈活性，只有賽靈思能夠做到硬件+軟件的靈活應變，這使得賽靈思的產品更加靈活，并且有更好的性能。

在工業和醫療物聯網時代，為何賽靈思指出了邊緣計算的重要？

從物理學角度，Chetan Khona舉了兩個例子。



紐約到洛杉磯的距離是2800英里，如果用光纖傳輸信息，光速為186000英里每秒，往返時間就是30毫秒。但是按照要求，要在10毫秒進行控制。

一家電廠用于云數據存儲服務的費用高達每月1.3萬美元。

這說明，無論是遠距離對速率的要求，還是從成本費用的省節來考慮，都需要提高本地化應用部署。

試想，上面這家電廠的例子，如果能夠在本地對這些數據進行處理，然后把處理完的數據再發到云端，就能夠節省很多成本，而且能夠改善它的反應速度。Chetan Khona表示，應該把智能定義在邊緣，在這些模擬數據邊界上對數據進行處理，這是效率和效能最優的方式。

當然，不僅注重邊緣計算，賽靈思的靈活性就在于具體問題能夠具體應對。

“有很多客戶被灌輸的概念是都要通過數據連接到云端去解決具體問題。但是賽靈思并沒有采用這樣的方法，我們根據最合理的方式來配置我們的計算資源。比如這個問題在器件端解決最合理就在器件端解決，如果傳統的方式在云端解決最合理就在云端解決，另外，器件端到云端中間有任何問題，賽靈思都可以解決。”Chetan Khona分析說。

賽靈思在工業物聯網領域的殺手锏ZYNQ，不僅增強了邊緣計算的性能，在產品線內部和跨產品線可擴展方面可以靈活應對，ZYNQ配置通用多核Arm應用、實時處理器、外設，以及用于定制和加速的可編程邏輯，它提供了一個共性化平臺。這個平臺，順應了如今工業界IT與OT融合的趨勢。



IT、OT的融合就是信息技術和操作技術的融合。Chetan Khona解析，IT指的是像思科和華為這樣的企業，OT是西門子自動化這樣的企業，對于工業和醫療物聯網來說，越來越多的是需要把這些能力集成到單個器件上。

他說，這個過程非常復雜，這種嵌入式的設計不僅要做軟件和硬件開發，而且云的開發者也希望能夠連接進來，收集這些器件的信息。如果還是按照原來的方法，所有的人都在選用不同的處理架構、操作系統和連接標準，對云開發者來說就太困難了，需要不斷的進行調整和改變。因此，需要有一個公共的架構和平臺，能夠幫助他們非常迅速簡易的開發給自己公司使用的SaaS產品，并能夠創造一個新的收入流。這也是為什么客戶首選Zynq和Zynq UltraScale+ SoC的原因。

簡言之，賽靈思能夠能夠提供一個共性化、功能強大的平臺，比如說 Zynq SoC 中的Arm系統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。工業性能加定制功能使得賽靈思的產品非常有吸引力。根據調查，現在開發者已經把賽靈思視作未來開發使用SoC產品中的前三大工具之一。

賽靈思不斷進階AI，即將推出最新平臺ACAP

賽靈思在工業領域傳統的優勢，包括工業實時和確定性控制與接口、工業生命周期、質量、可靠性、安全性、溫度與功耗，現在賽靈思所做的是加入業界領先的AI時延與性能，和傳統的優勢進行結合，這種結合能力是其他許多半導體廠商不具備的。

當很多客戶不可能去使用多個器件的方案時，如果采用賽靈思的單芯片解決方案就能夠確保高度的集成，達到最高的成本有效性。



例如，支持實現低時延、高性能的DNN解決方案，是賽靈思自主開發的方案。也有去年并購北京深鑒科技獲得的一些技術和能力，還有通過和企業合作，包括KORTIQ、HALCON、SiliconSoftware，來增加內部的解決方案。

人工智能功能的選用根據不同用途而有所不同。Chetan Khona說，性能非常高的大AI可以把它作為嵌入式器件，針對輕型AI、小AI我們提供叫做Pynq，即 Python + Zynq的解決方案，這是我們幾年前開發的開源產品，非常受新的、年輕的工程師歡迎，現在很多大學剛畢業的工程師，他們最主要用的軟件編程語言就是Python，所以我們專注于這個趨勢開發了一些生態，借助很多開源的實驗室開發我們的這款產品。

在邊緣人工智能方面，賽靈思可以實現支持高吞吐量和低時延的人工智能，能夠匹配人工智能創新的快速步伐，加速整體的應用，提供全面的AI軟件平臺。

這張圖片上面可以看出，如果低于7毫秒的延時要求，賽靈思的優勢從2倍擴大到2.5倍，如果是低于2毫秒的延時要求，我們的優勢擴展到8倍。隨著工業和醫療物聯網對響應時間的要求越來越高，賽靈思的優勢顯得更加明顯。



之所以能做到如果突出的邊緣人工智能的性能，一是架構非常靈活，人工智能和機器學習的架構是快速變化的，兩年前人工智能推斷最優的精度是16位的浮點，但是現在普遍認為8位的定點是最優的，而賽靈思對16位浮點和8位定點都能夠支持，按照現在的發展趨勢，從8位的定點可能會變成1位的，它的性能和精度會不斷的提升，賽靈思能夠靈活地支持這樣的趨勢發展。

二是剪枝技術，對一個模型里面無用的節點進行剪枝。這樣就可以從低性能轉向高性能，對精度不會有任何損失，同時不斷的改善性能，降低功耗。



據介紹，知名人工智能公司曠視的許多攝像頭和其他設備就在使用賽靈思的邊緣人工智能。

賽靈思還推出了Alveo加速器卡。它是一個集成的開發板，可以幫助客戶另行投入生產，在加速卡里寫入軟件，插入PC卡槽里，就相當于CPU加速卡，加速性能非常明顯。相比傳統方案，數據庫搜索和分析是90倍、金融計算是89倍、機器學習是20倍、視頻處理是12倍、高性能計算和生命科學是10倍的提速。



一個有意思的現象是云服務提供商正在把部分云端功能遷移至端側，這同樣是賽靈思的機會所在。

對工業和醫療物聯網而言云端的延時高，傳輸需求大，也就是說客戶花了大量時間進行數據傳輸且結果還不理想。

最近，賽靈思和亞馬遜云服務進行了一項合作，在Greengrass框架下將部分云端移動到邊緣，大大減少了數據傳輸和延時的壓力。另外，連接時斷時續也是云連接存在的情況，如果智能放在邊緣，即使云端連接丟失也依然能夠正常運行。目前，賽靈思和亞馬遜云計算、阿里云、Microsoft Azure、谷歌、IBM都在進行這方面的合作。

一個重磅消息是，賽靈思將針對人工智能推出全新的產品ACAP，ACAP相應推出一個品牌系列就是Versal，Versal底下有6個子系列，包括今年推出的Versal AI Core 系列 和Versal Prime （ 基礎版），明年推旗艦版以及低功耗的AI邊緣計算芯片，未來還將AI與射頻集成，2021年更進一步地進行存儲器集成。



在工業領域最重要的是AI Edge，強調低功耗和高性能，例如機器視覺、超聲設備和超聲手持，它要求尺寸小且功耗低，據介紹，功能最好、最理想是低于5瓦，最小要低于10瓦，在這方面AI Edge能夠做到，而且能夠提供非常好的機器學習和其他人工智能工業領域應用的性能。根據Versal的路線圖，這樣的產品也將很快面市。