訂閱電子報∣ 友善列印字體大小 文章分享-Facebook 文章分享-Plurk 文章分享-Twitter
分析師一致看好,Xilinx成人工智慧時代的最大贏家?
獲取產業訊息零時差!立即訂閱電電公會電子報。
外媒日前報導,大摩分析師Joseph Moore和團隊在參加斯坦福大學「熱門晶片」(Hot Chips)年度會議後,對FPGA的重要性大感訝異,因為全球前七大雲端廠商中,就有三家業者針對FPGA的各項元素進行策略報告,與之相較,市場先前還對FPGA的雲端應用感到相當懷疑。

不僅如此,若要即時使用深度學習的神經網路演算法(即所謂的推論),FPGA於其中扮演的角色,也比投資人想像還要重要。

大摩認為,Xilinx是主要受惠的廠商。舉例來說,Xilinx客戶百度(Baidu)正在打造一項新架構、擴大FPGA應用,亞馬遜雲端平臺「Amazon Web Services」也使用FPGA進行機器學習,還在會議上更新了Xilinx FPGA F1服務。微軟(Microsoft)則發表了一份基於Altera FPGA的機器學習報告。

英國《電訊報》「Telegraph Money」專欄8月13日列舉下列7檔自駕車、人工智慧(AI)/機器學習、機器視覺、大資料概念主要受惠股:英飛淩 ( Infineon Technologies)、Delphi 、Nvidia、Blue Prism、Xilinx、Cognex、First Derivatives。Smith & Williamson AI 基金經理人 Chris Ford形容Blue Prism是全球極少數的高純度AI企業、預期它所開發的後臺自動化軟體技術(降低成本、提升準確性)將廣為金融業所採用。

Polar Capital 科技基金經理人Ben Rogoff在受訪時表示,可以確定的是蘋果 (Apple)是康耐視(Cognex Corp.)的大客戶,亞馬遜(Amazon)也用他們的系統。Rogoff還提到,AI系統一旦完成訓練之後、接下來還得擁有做決策的能力。Xilinx所生產的晶片就是負責機器學習過程中的推論部分。

Xilinx之前就曾表示,夥伴廠商利用現場可程式邏輯閘陣列(FPGA)晶片進行基因體定序與優化語音辨識所需的深度學習、察覺FPGA的耗能低於GPU且處理速度較快。相較於GPU只能處理運算,FPGA能以更快速的速度一次處理所有與AI相關的資訊。

多方分析人士觀點表明,全球可程式設計邏輯解決方案領導廠商賽靈思(Xilinx Inc.),有望成為大贏家,其股價也應聲跳高。

Xilinx 23日聞訊爆量勁揚4.35%、收64.01美元,漲幅居費城半導體指數30支成分股之冠,創7月26日以來收盤高。

為什麼人工智慧都看好FPGA
 
FPGA的最初也是傳統的應用領域是通信領域,包括無線通訊和有線通信。但是隨著資訊產業和微電子技術的發展,FPGA技術已經成為資訊產業最熱門的技術之一,應用範圍遍及航空航太、汽車、醫療、廣播、測試測量、消費電子、工業控制、電腦設備、武器裝備等熱門領域,並隨著工藝的進步和技術的發展,滲透到生活的各個角落當中。

與其他晶片相比,FPGA的優勢在於低延遲、可程式設計性和低功耗。
FPGA 為什麼比 GPU 的延遲低這麼多?這本質上是體系結構的區別。FPGA 同時擁有流水線並行和資料並行,而 GPU 幾乎只有資料並行(流水線深度受限)。例如處理一個資料包有 10 個步驟,FPGA 可以搭建一個 10 級流水線,流水線的不同級在處理不同的資料包,每個資料包流經 10 級之後處理完成。每處理完成一個資料包,就能馬上輸出。

而 GPU 的資料並行方法是做 10 個計算單元,每個計算單元也在處理不同的資料包,然而所有的計算單元必須按照統一的步調,做相同的事情(SIMD,Single Instruction Multiple Data)。這就要求 10 個資料包必須一起輸入、一起輸出,輸入輸出的延遲增加了。當任務是逐個而非成批到達的時候,流水線並行比資料並行可實現更低的延遲。因此對流式計算的任務,FPGA 比 GPU 天生有延遲方面的優勢。

微軟亞洲研究院的李博傑也指出,低延遲的流式處理,需要最多的地方就是通信(低延遲)。然而 CPU 由於並行性的限制和作業系統的調度,做通信效率不高,延遲也不穩定。此外,通信就必然涉及到調度和仲裁,CPU 由於單核性能的局限和核間通信的低效,調度、仲裁性能受限,硬體則很適合做這種重複工作。因此我的博士研究把 FPGA 定義為通信的「大管家」,不管是伺服器跟伺服器之間的通信,虛擬機器跟虛擬機器之間的通信,進程跟進程之間的通信,CPU 跟存放裝置之間的通信,都可以用 FPGA 來加速。

賽靈思全球戰略高級副總裁Steve Glaser也表示,GPU和定制ASIC在應用廣度方面與FPGA相比遠遠不足;
以機器學*加速為例,使用神經網路分類圖像、翻譯文本和語音、識別無結構資料中的底層模式,需要“兩階段”法。

第一階段(培訓),使用海量加標記的樣本資料和計算培訓神經網路,英偉達GPU擅長的這一領域只占機器學*5%的市場規模。

一旦網路培訓完成,便進入第二個階段(推斷),通過受訓的神經網路處理新資料樣本或查詢,以確定其可能的級別。這一占機器學*加速90%的市場正是賽靈思FPGA角逐的天下。

推斷是當今最大規模資料中心中的一個巨大的工作負載,因為它負責實現廣泛的日益擴展的重要應用,例如語言翻譯、自然語言介面、照片和視頻內容識別,以及網上產品選擇與促銷。其中兩個最大的人工智慧市場分別是無人駕駛汽車和機器人。而賽靈思池化FPGA將機器學*推斷計算效率提升了2-6倍。
 
領先的市場份額,讓Xilinx成為人工智慧的最後贏家?
在全球市場中,Xilinx、Altera兩大公司對FPGA的技術與市場仍然佔據絕對壟斷地位。兩家公司佔有將近90%市場份額,專利達6000余項之多,而且這種壟斷仍在加強。同時,美國政府對中國的FPGA產品與技術出口進行苛刻的審核和禁運,使得國家在航太、航空乃至國家安全領域都受到嚴重制約。因此,研發具有自主智慧財產權的FPGA技術與產品對打破美國企業和政府結合構成的壟斷,及國家利益意義深遠。

在FPGA領域,Xilinx和Altera長期穩坐第一第二的位置。根據最新(2014年)Form-10K資料顯示,其分別佔有48%和41%的市場份額。其中Xilinx淨銷售額為23.8億美元,淨利潤4.9億美元, Altera淨銷售額為19.5億美元,淨利潤4.7億美元。這兩家公司一直以來是市場和技術的領頭羊,而剩餘的市場份額被Lattice佔據多數。(傳統的fpga市場空間50億美金。)

而在Altera賣盤Intel之後,乘著人工智慧東風的Xilinx也許會成長為下一個巨頭。
訂閱電子報 友善列印 字體大小:
獲取產業訊息零時差!立即訂閱電電公會電子報。