今日，賽靈思大中華區高管分享了對大中華區核心市場的理解，以及在中國新基建浪潮下，賽靈思如何在眾多細分領域帶來不一樣的創新驅動力。

作為FPGA、可編程SoC及ACAP的發明者，賽靈思第四任CEO Victor Peng于2018年上任時即宣布啟動三大新戰略：數據中心優先、加速核心市場發展以及驅動自適應計算。

在過去一年，賽靈思表現強勁，年收入首次突破30億美元大關，并推出Zynq UltraScale+ RFSoC系列、業界首款支持第四代PCIe的輕量級自適應計算加速卡Alveo U50、全球最大容量FPGA、Vitis統一軟件平臺等重磅新品。

如今賽靈思已進入2021新財年，賽靈思大中華區銷售副總裁唐曉蕾、賽靈思大中華區核心市場總監酆毅詳談對數據新基建的理解，以及賽靈思在汽車、工業視覺與醫療、專業音視頻與廣播等核心市場如何擁抱新基建。

一、自適應計算與新基建的數據需求相契合

唐曉蕾認為，新基建的“新”在于為了數據進行基礎建設，從而實現數據更好的流通，產生改變生活的積極價值。

在互聯網時代，數據離服務較遠，近些年數據產生的引力會吸引服務向數據端靠近，形成邊緣計算，使得IoT設備可以獨立分析數據并進行決策。

在唐曉蕾看來，5G、人工智能（AI）、數據中心等新基建談的是數據的產業化，汽車、城際高速、特高壓、工業物聯網則談得是產業的數字化，這些新基建的核心都是數據。

數據正以雜亂無章的形式呈現并爆炸性增長，不同的數據疊加起來，以致于一種架構很難獨立完成海量數據的高效處理，異構計算應運而生。

進入20nm節點后，芯片制程的迭代周期越來越慢。隨著數據量增加，需求不斷轉變，創新正在快速演進，到智能時代，算法和AI模型演進非常迅速，行業標準也在持續變化，致使創新周期與芯片迭代周期不甚匹配。

在這一背景下，自適應計算的價值凸顯出來。單一架構會阻礙計算能力，針對不同應用做芯片又會影響創新速度，而自適應計算不受芯片迭代周期的限制，又能同時適應算法的演進和需求的變化。

出于平衡的考量，賽靈思認為自適應計算能更好的滿足當下計算的需求。

怎么定義自適應平臺呢？ 唐曉蕾介紹說，自適應平臺應是能根據特定領域的應用特點來不斷變化的架構。在新基建推進的過程中，很多跨行業的創新機會出現，這些市場正需要靈活、可編程、自適應的計算平臺。

賽靈思一直以來都是自適應計算的領導者。在云計算領域，賽靈思是首家擁有FPGA-as-a-Service公有云的服務商；在5G通信方面，賽靈思在全球率先實現5G無線電商用部署；在汽車領域，賽靈思車規級芯片出貨量已逾1.7億片；在航空航天領域，賽靈思是第一大FPGA/SoC廠商；在工業物聯網視覺領域，賽靈思擁有70%的市場份額；在測試、測量與仿真領域，賽靈思為第一大邏輯IC供應商。

在硬件方面，作為FPGA發明者，賽靈思并沒有停留于研發FPGA，而是根據客戶需求逐漸延展到SoC、MPSoC、RFSoC以及兩年前重磅推出的自適應計算加速平臺（ACAP）。

過去兩年，賽靈思完成從器件到平臺的轉型，在硬件方面發展到全硬件平臺，并在軟件方面持續升級，讓軟件工程師也能盡早享受到硬件帶來的便利。

二、賽靈思核心市場如何擁抱新基建？

賽靈思有十大市場領域，包括汽車電子、數據中心、有線通信、無線通信、消費電子、測試測量與仿真、醫療與科學計算、工業與視覺、航空航天、廣播與專業音視頻，這些市場均與數據新基建高度契合。

酆毅重點闡述了賽靈思如何發力于汽車、工業視覺與醫療、專業音視頻與廣播、測試、測量與仿真（TME）以及消費電子等核心市場。

1、汽車：總出貨量逾1.7億顆

過去四五年間，賽靈思汽車業務穩步增長，覆蓋范圍從2014年的14家車廠、29個車型，發展到如今超過30家車廠、100多個車型，涵蓋全球所有主流的一級汽車供應商、原始設備制造商（OEM）及各種創企。

賽靈思車規級芯片總體出貨量已逾1.7億顆，其中約7000萬顆用于量產型高級駕駛員輔助系統（ADAS）。

賽靈思汽車方案從ADAS向AD持續演進，在前視攝像頭、激光雷達、成像雷達、傳感器融合、計算加速平臺等領域均有成功應用。

ADAS從計算機視覺逐漸過渡到AI深度學習處理，前置攝像頭預計在2022-2023年成為“標準功能”，同時二維雷達向成像雷達過渡，激光雷達技術高度分裂化/差異化，傳感器探測目標范圍將超過300米。

這對ADAS和自動駕駛系統平臺提出新的要求，需要更加靈活可擴展的智能處理能力。

對此，賽靈思提供從邊緣傳感器到領域專用控制器的靈活可擴展產品組合，具備極低功耗、低時延的AI推理性能，并且提供符合功能安全（ISO26262）標準的成熟器件、工具和設計流程。

基于動態功能切換（DFX，Dynamic Function eXchange）技術，賽靈思的動態可重編程芯片支持眾多ADAS和AD功能，可有效降低系統成本和功耗。

▲賽靈思汽車級器件路線圖

機器學習僅是汽車各種系統應用處理過程中的一個組成部分，自動駕駛講究不同來源的數據融合，最關鍵的是總體執行時間，即實現整體應用的加速。

賽靈思異構計算平臺能實現多傳感器同步和融合，并支持著視覺系統的持續進化，支持功能的持續疊加和傳感器分辨率的持續提升，算力也不斷增強。

酆毅展示了一個L4級自動駕駛的“真實”時延案例，使用激光雷達傳感器和視覺攝像頭同時探測一個目標。

當兩種探測結果融合后，沒使用賽靈思平臺的傳統方案至少造成1/3車身長度的延時，這對自動駕駛安全場景有極大隱患；而賽靈思平臺能實現多傳感器同步和融合，帶來實時的整體系統響應。

2、工業視覺與醫療：邊緣計算解決時延痛點

在工業領域，賽靈思的主要應用于智能工廠和智慧城市，涵蓋機器人技術、驅動與電機控制、工業物聯網網關與邊緣設備、PLC/PAC/IPC、I/O模塊與智能傳感器、人機界面、視頻監控與智慧城市、機器與計算機視覺、智能電網、3D打印與增量制造等應用。

在智慧醫療領域，賽靈思的十大應用包括外科手術機器人、內窺鏡檢查、CT/核磁共振/PET成像、放射設備、超聲、3D牙科成像、病患監護、呼吸機與氣泵、智能病床、除顫器。

在疫情期間，賽靈思被相當多全球醫療客戶要求保障供貨，醫療設備對其產品需求高漲。

酆毅以一個實例展示工業物聯網領域加倍的邊緣計算和智能化需求。

從時延角度考慮，控制系統的速率由自然速率確定，理論上至少需要10倍的采樣頻率才能有效捕捉信息，風力發電機采樣頻率可能在幾赫茲或十幾赫茲，所需控制速率要達到10毫秒左右。

如果對控制系統的作用通過中央化/云化處理平臺來實現，則會面臨物理限制的挑戰。例如紐約至洛杉磯距離2800英里，數據即便用最快的光速（每秒186000英里）來傳播，往返一次尚且需要30毫秒，控制速率基本不可能達到10毫秒。因而本地化部署對于解決時延問題尤為必要。

從成本角度考慮，僅發電站云數據存儲服務成本就超過每月13000美元，數據“質量”也在將計算推向邊緣。

工業物聯網和醫療物聯網的開發環境在過去相對復雜，物聯網相關器件包含嵌入式開發、硬件平臺開發、軟件跨平臺開發，至少需要組建三個不同的團隊及開發環境。

經過多年演進，賽靈思已實現統一的異構開發環境，面向云端開發者以及IT技術、操作技術的整合，賽靈思的ZYNQ UltraSCALE平臺能做到讓開發者在統一平臺實現多核Arm應用、實時處理器、外設和可編程邏輯的開發工作。

3、專業音視頻與廣播：滿足更高視頻處理需求

專業音視頻與廣播涉及內容的采集與消費，覆蓋攝像頭、大型現場活動、專業音頻、現場直播、電視臺、坐席管理系統、LED大屏顯示、視頻會議、控制室等廣泛領域。

圖像傳感器與顯示技術的發展對視頻處理提出更高需求，需要更高的解析度、更快的幀頻、更鮮艷的顏色和更高的動態范圍，這對帶寬/存儲或壓縮均提出更高要求。

從工作流程的角度來看，設備除了能支撐上述像素變化外，還需能支持視頻內容相關分析以及虛擬化。

在這一領域，賽靈思為電視直播、數字電影、沉浸式現場活動三大領域提供端到端的支持。

其中，早期電影制作需要在現場提供服務，通過賽靈思和合作伙伴的能力，讓遠程電影制作成為可能。

4、測試測量與消費電子：助力國產芯片研發

在測試、測量與仿真（TME）領域，賽靈思的應用主要分布于4個子市場：測試與測量儀器、仿真原型設計、特定應用測試與測量、半導體自動實驗設備（ATE）。

開發芯片過程中的仿真與原型設計，大多數主流應用均通過FPGA來實現。

據酆毅介紹，賽靈思有業界最完整的仿真平臺，能助力中國半導體行業自主研發芯片。

賽靈思在消費電子領域也有廣泛應用，包括電視機、投影儀、照相機等消費類音視頻，企業打印機和手持打印機等打印機應用，以及陪伴機器人、智能門鎖、住宅自動化等智能家居類應用。

結語：自適應計算成汽車/AI行業 重要驅動力

經過長達一個半小時的溝通交流，我們可以看到汽車行業將是賽靈思在中國市場重要的發力點。

酆毅認為，汽車行業既是巨大的數據源，也是巨大的數據消耗源，對數據算力和時延的訴求都非常高，其異構平臺的訴求與賽靈思自適應計算產品的特性十分契合。 賽靈思與很多國內汽車、AI初創公司以及汽車企業有緊密合作，并且很樂意與國內汽車行業進行緊密合作，提供相關平臺或方案。

汽車行業正在經歷一場智能化革命，其中AI正化身自動駕駛的關鍵利器。除了汽車領域外，AI也在滲透到幾乎各行各業。

“假如大數據是人的大腦，那么AI將會是它的神經。”唐曉蕾說，“它會讓每一個肌肉（垂直市場）在這個神經的牽引下變得更加智能”，隨著AI更加先進，面對不同應用時適應性會更好。

而隨著國內AI、5G和自動駕駛等新基建領域的發展，賽靈思與其在國內的合作伙伴都有望尋求到更多的應用與創新的機會。

責任編輯：gt