賽靈思剛剛推出了首款ACAP芯片；

新芯片面向人工智能推理市場，預計該市場將比英偉達目前主導的人工智能訓練市場更大；

有朝一日，賽靈思會像英偉達一樣成為數據中心市場的主要選手嗎？

9月，Evercore ISI發布了半導體股票的“Magnificent 7”名單。上榜的有英偉達和美光等?？?，還有一家令人意想不到的公司－賽靈思。眾所周知，賽靈思是現場可編程門陣列（FPGA）市場的領導者，具有突出的技術領先優勢和市場份額。FPGA是一種可配置的集成電路，盡管有些困難，但可以使用軟件對其進行功能配置。Evercore表示，之所以把賽靈思放到推薦股名單中，是看中了它在數據中心市場的長期優勢。Evercore的先見之明得到了賽靈思的背書，一個月后，賽靈思推出了一款極具創新性的產品 － Everest（珠穆朗瑪峰）。

賽靈思在其核心市場－無線基礎設施、視頻、音頻和廣播設備－取得了令人矚目的成功。此外，其新任首席執行官Victor Peng也經常提醒世人，賽靈思現在把數據中心市場視為公司業務增長最大的領域，是公司未來面向的首要陣地。10月份，賽靈思推出了其新近推出的自適應計算加速平臺（ACAP）的第一個產品系列Everest，以及一系列產品代號為Versal（‘ver’代表“多功能”，‘sal’代表“通用”）的第一批ACAP芯片。

Versal

Versal基于臺積電7nm工藝打造，結合了軟件可編程性和針對特定領域的硬件加速以及當今快速創新所必須的高度適應性。Velsal包括六款器件，采用獨特架構，具備高度可擴展性，實現了可滿足包括云、網絡、邊緣計算、無線通信和終端節點等各種應用市場需求的AI推理性能。你可以把Versal視為SoC界的瑞士軍刀，它繼承了CPU、GPU和可用于數據中心加速的FPGA。

在某些方面，Versal類似于賽靈思自家的Zynq Ultrascale ＋ MPSoC，但它具有某些重要的額外功能，可以大大簡化開發和部署，因為在Versal上，既可以由軟件控制系統，還可以在已知配置上運行。Versal縮減了中央FPGA模塊的尺寸，為額外的DSP、ARM內核、推理組件和I／O模塊騰出了足夠的空間。

時值英特爾和AMD聯手在其x86器件上集成GPU和英偉達在其芯片上增加用于深度學習的額外內核之際，該產品的推出時機也堪稱完美。

根據Tirias Research的分析師Kevin Krewell的說法，Versal是賽靈思‘努力入局，與英特爾和英偉達同場競技的舉動。’

在AI市場挑戰英偉達

今年5月份，賽靈思CEO Peng向Data Center Dynamics透露，Everest是賽靈思歷時4年，動用了1500名工程師，投入超過10億美元研發而成的。顯然，對于一家典型研發費用為一年6億美金的公司而言，10億美金絕對是一筆龐大預算。在采訪中，他對賽靈思遲遲無法撕掉“FPGA公司”的標簽感到沮喪，對于業界僅僅將Versal視為FPGA的一次升級更是無法釋懷。

“我們一遍又一遍地向業界傳達‘不要把Versal當成一款FPGA’的信息，因為作為一家傳統的FPGA公司，我們現在不得不說，‘不，我們不再是單純的FPGA公司了。’現在有了ACAP，盡管現在還沒有人知道ACAP到底是什么，但是他們終究會明白的。”

事實上，Peng說他希望賽靈思被視為一家“以數據中心為優先”的公司。賽靈思看到了人工智能和機器學習產生大量需要收集和分析的數據的新趨勢，同時5G網絡將對其專有的自適應計算加速硬件產生巨大需求。有趣的是，賽靈思聲稱Versal芯片的能效可以達到英偉達的GPU的四倍，推理性能可以達到英偉達的2－8倍，在處理推理性工作負荷方面比英特爾的Xeon CPU快43－72倍。

賽靈思這種判斷相當大膽。不過并非沒有先例?，F在，英偉達有大約6億美金或者說20％左右的營收來自于其針對AI優化的數據中心硬件，而這一數字在幾年前幾乎為零。賽靈思對數據中心市場寄予厚望，是為了復制英偉達的GPU在數據中心領域的成功，但是Peng也承認，預測新業務發展的軌跡很難。

“我很難預測它會怎樣發展，”Peng說?！斑@是一個全新的領域，沒有路線圖，對所有人都是全新的。我的意思是說，誰能預料到英偉達今日的成功呢？英偉達自己也沒有預料到吧！”

深度學習：訓練和推理

深度學習一度因為需要極高的計算強度而被AI社區拋棄并掃進技術的垃圾堆，但它現在成為了許多AI應用的核心。深度學習可以將復雜任務進行分解，從而使得機器學習成為可能。今天，在某些情況下，一些通過深度學習算法進行圖像識別訓練的機器甚至可以比人類表現得更好。谷歌的Alpha Go通過深度學習，反復訓練并調整其神經網絡，最終在2017年擊敗了全球最棒的圍棋選手柯潔。

深度學習可以分為兩個過程：訓練和推理。神經網絡的訓練是指將數據輸入到系統中，各個神經元都會為其輸入分配相應的權重。訓練是一種計算密集型任務，因為訓練算法本身不會告訴神經網絡什么才是正確的答案，而是允許它反復“猜測”，直到它幾乎每次都能夠選擇正確的答案，比如，這張圖片到底是不是貓。

在數字世界里，訓練好的神經網絡利用所學到的東西開始工作，以一種簡化的應用識別說話、圖像、各種疾病，或者建議一個客戶接下來可能購買的東西等。完全加權的神經網絡通常是一個笨重而龐大的數據庫。推理過程則簡化所有數據，對它進行壓縮和優化，以在運行時加速性能。谷歌的語音識別、圖像搜索、惡意軟件檢測、垃圾郵件過濾和Netflix推薦引擎等任務都使用了某種形式的推理。

GPU擁有并行計算能力（能夠同時處理多個任務），已經被用于AI訓練和推理。但是，推理任務的性能目標和訓練任務有所不同，推理批量輸入的數據量較少，以便最大限度減小網絡的端到端響應時間。比如，基于云的圖像處理任務需要具備高度響應性，以便系統不會堆積了大批圖像而造成用戶等待上好幾分鐘。因此，高吞吐量對訓練任務更為重要，而低延遲對推理任務更為關鍵。Versal等可編程硬件完全符合低延遲、低功耗、高頻的AI推理工作負荷。

AI開發人員可以利用Versal的異構硬件和以軟件為中心的方案。賽靈思這種先行者的發展空間可能很大，賽靈思和巴克萊分享了對AI市場的預測，它認為AI推理可能比AI訓練的市場更大，目前的AI訓練市場大部分都被英偉達的GPU把持著，邊緣節點和數據中心的推理應用則是賽靈思為Versal設定的目標。賽靈思預計，該部分市場的規模將從目前的幾乎為零增長到2023年的接近230億美金。

賽靈思－新的英偉達？

過去兩年中，賽靈思積極拓展產品的邊界，除了FPGA，其產品組合加入了幾個SoC的身影，現在又多了個ACAP。隨著人工智能、5G和物聯網開始起飛，賽靈思的ACAP將找到廣闊的應用空間。也許幾年后，投資者會回首當下這個關鍵時刻，正是從賽靈思發布ACAP起，它開始從一家純粹的FPGA公司蛻變為像英偉達這樣的數據中心市場主要廠商。

賽靈思已經扔下戰書，可以期待下英偉達如何接受挑戰。不過，如果巴克萊／賽靈思對人工智能推理市場估計有誤，那賭注就太高了。有傳言稱，博通在收購高通失敗后，可能會將并購重心轉向賽靈思。英偉達過去一直收購圖形和游戲行業的公司，或許它可以學一學英特爾，試著買下賽靈思？