自动驾驶“风口”之争，FPGA巨头赛灵思的机会在哪？

至于FPGA在自动驾驶领域能够走多远，套用Andy Luo的结束语——“有创新的地方就有FPGA”！...



最近几年，自动驾驶无疑是科技领域最热的风口之一，万亿美元市场规模也吸引了主机厂、互联网科技企业、出行服务企业及创业企业等共同参与，一时间成为投资者眼中的“潜力股”。

实际情况也是如此。作为AI领域最具商业价值的场景，自动驾驶已经成为巨头们角力的又一个“主战场”。其中英特尔153亿美元收购以色列自动驾驶巨头Mobileye公司就是很好的说明。除此之外，谷歌、苹果、特斯拉、Uber、百度、腾讯、阿里等都对自动驾驶寄予厚望。

从技术角度而言，自动驾驶需要依赖大量传感器对道路环境信息进行采集、处理及做出决策，从而及时规避障碍物或者行人，保障交通安全。为了保障这一过程快速完成，对于中央处理器的算力要求非常严苛。为此，各大芯片巨头也推出了不同的解决方案，掘金自动驾驶算力金矿，而这其中就包括全球FPGA巨头赛灵思。提起中央处理器，可能很多人第一印象就是芯片巨头英特尔，这主要得益于其在桌面处理器领域的霸主地位。然而来到自动驾驶时代，情况则发生了重大改变。由于处理对象变成视频及图片等非结构化数据，传统CPU处理器已经显得捉襟见肘。

面对新的挑战，芯片巨头英特尔也不敢丝毫怠慢。除了收购ADAS巨头Mobileye之外，英特尔还先后收购了Altera和eASIC公司，用于强化在FPGA领域布局，并成立了可编程解决方案集团( PSG )。英特尔希望将传统CPU和FPGA集成到一块芯片中，也就是eASIC技术。相对于英特尔的焦虑，另一个芯片巨头英伟达则显得春风得意。据了解，在自动驾驶中视觉处理需要消耗主要的算力，而这恰恰是GPU的强项，其出色的并行矩阵计算能力对于神经网络的训练和分类都能提供显著的加速效应。为此，当下的自动驾驶芯片中，英伟达占据了主要的市场份额。其Drive PX2和Drive Xavier方案已经可以满足L3、L4级别自动驾驶算力要求。

对于国内创业者而言，由于在芯片设计及制造方面的不足，虽然进入人工智能领域初创企业很多，但是更多采用开源ASIC架构设计芯片，应用主要集中在人脸识别、安防、金融等领域，在自动驾驶领域涉足的还不是很多，和国外存在一定差距。

从上面的介绍中也不难看出，在自动驾驶芯片方面，主要有CPU、GPU、FPGA、ASIC等几种技术类型。从运算能力方面来看，CPU基本上显然不太适合。如果使用GPU显然成本更高，且需要车规级别验证。另一方面，自动驾驶对于延迟及功耗也有着更加严格的要求。“对于自动驾驶而言，现阶段在算法和模型方面并没有最终定型，还处于早期阶段”赛灵思机器学习资深产品营销经理Andy Luo认为：“目前，自动驾驶算法迭代周期非常短，每次迭代都需要芯片同步迭代。如果采用GPU和ASIC芯片显然无法满足其灵活性，且成本更高，这无疑给了FPGA巨大的机会。”

FPGA（Field－Programmable Gate Array），即现场可编程门阵列，是指一切通过软件手段更改、配置器件内部连接结构和逻辑单元，完成既定设计功能的数字集成电路。正是由于其灵活性及可编程性，FPGA也被称为“万能芯片”。

FPGA属于半定制电路，相较于ASIC的全定制电路具有更高的灵活性和可编程性。Andy Luo表示：“采用FPGA芯片，如果后续算法更新，开发人员通过软件升级即可修改芯片，而不是硬件上替换和重新设计芯片，从而节省了大量时间和成本，这对于日新月异的自动驾驶领域，显然是非常适合的。”



“除了设计灵活、低成本之外，FPGA芯片另一个重要特点在于低延时和低功耗。”对于FPGA未来前景，Andy Luo认为：“虽然说定制化芯片具有更低的功耗和更高的能效比，但是自动驾驶及AI领域创新正不断发生，算法也在不断演进。比如，现在GPU上使用双精度运算很火，之后可能会从浮点运算演进到定点运算，从32bit演进到16bit。由此可见，只要创新持续发生，FPGA就会永葆活力！”

对于GPU而言，虽然说其推动了深度学习的发展，从而促使全球人工智能浪潮的到来，但是其成本相对较高，很难实现批量生产。为此，在自动驾驶方面，GPU更多地出现在开发阶段。基于各自优缺点，目前自动驾驶主要采用“FPGA+GPU”的解决方案。

从技术发展来看，定制化ASIC芯片将会是自动驾驶理想方案，因为其具有更低的功耗与更高的能效比，且批量生产更具有成本优势。但是至少在3-5年时间内，FPGA仍将扮演着重要的角色。从全球市场来看，中国在自动驾驶方面非常活跃，其目标更是直指更高的L4级，并且在上海、重庆、北京、河北、浙江、吉林长春、湖北武汉、江苏无锡等地先后建设智能网联汽车测试示范区，包括戴姆勒、宝马等国外巨头都将纷纷在中国测试自动驾驶汽车。由此可见，中国已经成为自动驾驶必争的高地。



“我们和中国市场关系非常紧密，并且已经有很多合作伙伴。” 赛灵思大中华区销售副总裁Maria Tang表示：“为了更好地服务本地客户，加速中国智能驾驶汽车创新，我们特别成立了大中华区，致力开启中国ADAS及自动驾驶中国新篇章。”



为此，3月赛灵思在北京正式推出了其“自适应计算加速平台”——ACAP。

“ACAP不仅仅是一个新的处理器，而是一个区别于CPU和GPU的全新产品类型。” 赛灵思汽车产品营销经理Angela Suen表示：“ACAP支持最高800万像素摄像头以及3级的自动驾驶水平，能够胜任城市与高速路路况。其主要优势包括，通道带宽增加、高性能/低功耗、用于环境认知的高性能/低功耗卷积神经网络（CNN）处理、有望提升功能安全性。”

除此之外，赛灵思还收购了中国AI公司深鉴科技，进一步完善自动驾驶领域的布局。对此，赛灵思机器学习资深产品营销经理Andy Luo表示：“赛灵思和深鉴科技的合作由来已久，此次收购也是水到渠成。深鉴科技作为一家AI初创企业，在神经网络和深度学习方面已经有很深的造诣，并且可提供全套深度学习SDK，相当于一个完整的工具链。此次合作，也将使得赛灵思更好地进入自动驾驶领域。”

小结：

FPGA并不是一个新物种。在汽车，无线基础设施，有线通信，音视频与广播，航空航天，工业、科学与医疗，测试测量与仿真、消费类电子等领域都在发挥着重要的作用。

此次赛灵思将目标聚焦于自动驾驶领域，并且提供各种软件定义编程、库和框架，可以预见自动驾驶开发将变得愈发容易。至于FPGA在自动驾驶领域能够走多远，套用Andy Luo的结束语——“有创新的地方就有FPGA”！

    关注 芯师爷