雖然每個人都希望宣示ASIC的所有權，但大部份最先進的處理都是以FPGA完成的，它讓用戶有機會在高效率的運算平臺上套用其專有指令集。ASIC固然不錯，但在鎖定你的指令集之前，可能還得試用許多變化版本。FPGA則能隨時因應變化，讓您能夠調整指令集并嘗試新應用。

人工智能(AI)處理器和支持AI的SoC目前正受到投資界的全面關注，因為他們被視為新興高度自動化車輛的關鍵，那么FPGA呢？它將在AI芯片競賽中處于什么位置？

為了重申其于汽車產業的長期投入，以及看好FPGA將在自動駕駛車內部發揮重要作用，賽靈思(Xilinx)宣布與戴姆勒(Daimler AG)合作，為未來的賓士(Mercedes-Benz)新車款開發「超高效率AI解決方案」。

Xilinx-Daimler聯手打造AI方案

據兩家公司表示，戴姆勒正在打造采用賽靈思技術的車載系統，為汽車應用執行AI處理。不過，雙方的合作細節仍不明朗。

那么，Xilinx-Daimler合作開發的這套系統預計何時推出？是否獨家授權？(還有像「賽靈思是否足以與Mobileye或輝達(Nvidia)等芯片供應商競爭？」等問題)賽靈思汽車事業部資深總監Willard Tu并未多加評論。

The Linley Group資深分析師Mike Demler指出：「戴姆勒也選擇了Mobileye和Nvidia。」他認為賽靈思與戴姆勒的合作發布，或多或少是為了市場行銷。但他也補充說「看看戴姆勒的車載系統會變成什么，倒也十分有趣。」

事實上，FPGA普及于車用領域的程度，遠超過大部份人的了解。

VSI Labs創辦人兼負責人Phil Magney解釋，「雖然每個人都希望宣示ASIC的所有權，但大部份最先進的處理都是以FPGA完成的，它讓用戶有機會在高效率的運算平臺上套用其專有指令集。」Magney告訴《EE Times》，「ASIC固然不錯，但在鎖定你的指令集之前，可能還得試用許多變化版本。FPGA則能隨時因應變化，讓您能夠調整指令集并嘗試新應用。」

長期深耕汽車市場

談到該公司在汽車市場的發展，Tu解釋說，賽靈思的FPGA最初作為車載資訊娛樂系統中的膠合邏輯，之后才在先進駕駛輔助系統(ADAS)市場找到了最佳位置。Tu強調，FPGA最適合用于處理越來越復雜的ADAS和自動駕駛。

FPGA可設計于汽車內部的位置（來源：Xilinx）

2014年，賽靈思的芯片被14家車商采用，并設計用于29款車型中。該公司表示，到2018年，賽靈思芯片解決方案的觸角擴大到了29家車商的111款車型中。

相較于許多剛剛進入自動駕駛車市場的AI處理器新創公司，Tu表示：「賽靈思確實了解如何提供車用級的品質。我們長久以來一直在為汽車市場出貨產品。」

在ADAS市場上，賽靈思的FPGA經證實有助于處理來自各種感測器(包括影像感測器、光達或雷達等)的復雜感測資料。

事實上，Tu說，賽靈思已在車用電腦視覺處理市場占有率排名第二，僅次于Mobileye。然而，他也很快地表示，目前市占率第一(Mobileye)和第二(Xilinx)之間存在著巨大差距。不過，賽靈思與博世(Bosch)、Magna和Continental等多家一線供應商(tier one)在成像處理方面都有合作，Tu解釋說：「他們希望在這方面與賽靈思合作的原因有五個。」

首先，賽靈思FPGA讓想要執行自家專有成像處理演算法的汽車OEM實現差異化。相形之下，Mobileye提供的是一種「通用」(one-size-fits-all)的解決方案。

其次，賽靈思為tier one提供的是「開放式」平臺，有助于其實現并確保符合ISO26262的功能安全。而Mobileye則提供一個「黑盒子」——這讓tier one 和OEM都不清楚在Mobileye盒子內部究竟發生了什么。

但是，如果Mobileye能保證其黑盒子符合ISO26262標準，那還會有問題嗎？Tu說：「Mobileye是一家芯片供應商。最終，如果在系統級出現一些安全問題，那么必須承擔責任的就是汽車OEM，而非芯片供應商。」

第三，賽靈思的成像處理解決方案為可在車內安裝之處提供了靈活性。它可以放在前置攝影機、擋風玻璃或中央模組。

第四，賽靈思還提供了「可擴展性」。賽靈思設計的ZU2～ZU5搭配Cortex-A53和Cortex-R5等ARM子系統，能夠根據應用需求添加更多可編程結構。隨著新車評估計劃每12至16個月增加一項新要求，Tu強調，「相較于SoC相比，我們的解決方案提供了更多的靈活性。」

第五，賽靈思看好FPGA的適應性，它能持續因應汽車產業需要的功能不斷變化而隨之調整。

或許，最有助于描述這種適應性的例子之一就是賽靈思所謂的「動態功能交換」(DFX)。例如，假設賽靈思的芯片可用于Level 3自動駕駛車的駕駛員監控功能，那么，相同的芯片還可以重新編程，在代客停車應用中執行自動停車功能。Tu解釋說，這種可編程性能夠改變芯片的「個性」。

光達市場占有率達九成

賽靈思另一項優勢是在光達市場的主導地位。據Tu介紹，賽靈思的芯片不僅用于幾家主要的tier one光達產品中，同時也被多數新創公司的設計采用。由于各種不同的光達建置了許多不同技術，而這一技術匯流的趨勢也將持續下此，多家光達供應商開始轉而采用賽靈思的可編程解決方案，這是可以理解的。

Magney說：「許多光達顯然都使用了FPGA，尤其是一些具有智能化而需要特殊處理的光達。FPGA讓光達制造商得以更新和調整其處理要求。而且，由于大多數光達供應商都是新公司，在這個階段采用ASIC解決方案并不切實際。」

但是在一個更大的計劃中，Demler質疑90%的市占率究竟有多么重要。他指出，「這畢竟還是一個較小的市場…每年大概不超過100萬個單位量。我猜測賽靈思可能與Velodyne有合作關系，但目前應該還在研發中。」

Demler認為，當今的光達市場「主要在于測繪(mapping)和工業應用，而非汽車。」

在邊緣處理？

雖然光達市場目前可能仍然微不足道，但賽靈思可望在邊緣的感知資料處理方面發揮更大的作用。

Magney說：「我們也在由感測器進行處理資料的邊緣看到一些處理進行。例如，光達和雷達產生大量的資料，經過一些程序將部份處理需求傳送至感測器模組，特別是針對ADAS。」

Magney指出：「FPGA可作為ADAS解決方案價值鏈中的重要組成部份，而且可能非常適用于處理豐富的成像雷達，這部份技術目前仍十分先進。」

從ADAS到自動駕駛

雖然FPGA在ADAS市場的表現不錯，但Tu認為FPGA的根本優勢在于「低延遲和更高的傳輸速率」，這將在高度自動化的汽車市場真正發揮作用。

當GPU進行深度學習推論時，他們需要大量的平行資料才能通過單指令多重資料串流(SIMD)。為了進行更多運算和更少擷取，業界試圖開發廣泛的SIMD架構，但暫存檔案仍存在限制。

相反地，FPGA能進行batch-less的推論，Tu表示，這致使「無論批量大小都能提供低延遲和確定性延遲、更高的吞吐量以及一致的運算效率。」

FPGA提供batch-less的推論（來源：Xilinx）

雖然原則上是這樣，但對于賽靈思最終將如何在自動駕駛(AV)市場抗衡Nvidia和Mobileye，業界觀察家目前仍不愿作出任何判斷。

就在幾個月前，賽靈思曾經談到它所謂的「自適應運算加速平臺」(ACAP)，該公司聲稱它將「超越傳統CPU和GPU的性能」。然而，該公司至今并未透露任何細節。Tu說，ACAP今年將投片，但要到2019年以后才會開始出貨。

那么，如果我們拿賽靈思的解決方案來和Nvidia或Mobileye作比較呢？Magney指出：「現在要作出什么結論還為時過早。Mobileye基于視覺的演算法在同級方案中表現最佳，它們針對緊密整合的指令集(ASIC)進行了強化。目前，從視覺角度來看，這是一場硬仗，但賽靈思將為客戶提供開放的解決方案，這心封閉的方案更具有吸引力。」

至于Nvidia，Magney補充說，「除非透過某些嚴格的基準測試，否則很難知道賽靈思是否比Nvidia更有效率。此外，Nvidia提供了一個完整的堆疊和SDK，因此，對于開發人員來說，目前Nvidia的堆疊更完整。」

整體而言，Demler指出：「我們看到資料中心將FPGA用于AI加速，因此，賽靈思在此基礎上開發更專用的架構也不至于讓我感到意外。FPGA可利用其DSP與平行架構，提供極其適合神經網路加速的運算能力。」

Demler表示：「最終，相較于其他解決方案，其挑戰在于成本和功耗。」

雖然與戴姆勒的合作被視為是「賽靈思的重要訂單」，但Magney表示很難知道終端應用何時可用。

戴姆勒在新聞發布會上表示：「在此策略合作中，來自德國辛德爾芬根與印度班加羅爾兩地之賓士車廠研發中心的深度學習專家，在賽靈思高度自適應的汽車平臺上建置其AI演算法。」該公司表示，Mercedes-Benz將使賽靈思AI處理器技術實現商品化，讓神經網路實現最高的執行效率。