2020年，AI拼量产！

假设你24岁创办公司，经历数轮融资，成为行业独角兽，名声大噪，26岁公司被巨头顺利收购。接下来你会干什么？是放空一下，随便选个航班去伦敦喂鸽子？还是留守行业继续打拼？

采访姚颂是在一个雨过天晴的秋日午后，在Xilinx北京办公室。他以“将‘AI’进行到底”开场，聊了近两三年AI技术、产业的变迁，以及他的观察与思考。

Xilinx人工智能业务高级总监 姚颂

Xilinx与深鉴科技的交汇

姚颂身上的闪光标签自有不少，2011年保送清华大学电子系，25岁入选创业邦“30岁以下创业新贵”，深鉴科技联合创始人、首席执行官……

如同姚颂的成长轨迹，他和导师、学长共同创立的深鉴科技，同样可圈可点。

作为2016年左右成立的一批AI公司的典型代表，深鉴科技无疑是幸运的。当其他公司苦于如何将技术变为产品、将产品变为市场占有率的时候，他们把刚刚崭露头角的“深度学习”定为研究方向，专注于以FPGA实现AI落地，最为核心的即DPU（Deep Learning Processing Unit），以及神经网络压缩编译技术，它不仅可以将神经网络压缩数十倍而不影响准确度，还可以使用“片上存储”来存储深度学习算法模型，能够减少内存读取，大幅度减少功耗，曾面向安防监控、数据中心成功推出产品。

彼时，Xilinx在全球刚刚宣布转型。看准的是大数据、AI、5G、自动驾驶等发展，对计算能力和带宽带来的前所未有的挑战。同时，新的算法、框架层出不穷，要应对这些变化就需要灵活应变的架构，因为一种架构已无法独自完成大量的数据处理，并且传统芯片设计的周期也无法跟上创新的步伐。“就像自然界的适者生存一样，在数字世界灵活应变的系统才是最可持续的，Xilinx的平台转型是大势所趋。”Xilinx CEO Victor Peng在回顾转型策略时说道。

为实现全面转型，Xilinx努力构建一个完整的生态系统，推出更加易用的开发工具。从一家纯FPGA企业，到ALL PROGRAMMABLE（全可编程）企业的战略转型，所带来的是产品和编程模式的突破。

除了新的开发系统在技术上进一步支持软件定义的要求，同时在可编程硬件优化方面也必须变得更加灵活。因为比起硬件工程师，软件工程师数量超过其5-10倍，Xilinx的目标是希望有更多的软件工程师不需要非要了解硬件知识就能够对Xilinx产品进行编程，五年后就能够实现五倍的用户来使用Xilinx的产品和技术。

转型中的Xilinx在深鉴科技身上找到了某些共振。

从一开始，深鉴科技就把自己定位于深度学习解决方案提供商，而非一家芯片公司，直至后来成长为具备神经网络压缩编译工具链、深度学习处理器DPU设计、FPGA开发与系统优化等技术能力的公司。深鉴科技的DNNDK曾是国内首个深度学习开发SDK，也透露出姚颂当时的志向：建立人工智能的软件生态环境。他希望通过这样的平台聚集更多的开发者，“活跃的社区才有更本质的发展空间。”

就像两条平行线，在转弯时找到了交汇的可能。2018年7月18日凌晨，Xilinx正式宣布并购深鉴科技。

2020年，AI拼量产！

现在，姚颂的新身份是Xilinx人工智能业务高级总监，主要负责全球领域的人工智能业务拓展和生态建设，对于AI的发展他也有更多独到的观察和思考。

近几年来，AI正在为越来越多的细分应用提供支持，不同的模型针对不同的应用类别，例如分类、目标检测、道路分割等主要采用卷积神经网络（CNN）；语音识别方面主要采用递归神经网络（RNN）、长短期记忆网络（LSTM）；推荐引擎、异常检测方面采用多层感知机（MLP）。

以2016-2017年为界，在此之前，业界倾向于把模型做得越来越复杂、探索更多样的结构、注重算法的精确度，很多公司热衷于在各种各样的赛事中“刷榜”……

2017年之后，行业开始化繁为简，更加强调落地，精度并非唯一的衡量标准。即将进入2020年，姚颂认为不管是资本市场还是行业期待值都到了新的转折点，产业关键词变成了“量产”。

近两三年来，很多AI芯片“发布”，但是并没有规模应用。这些走不到量产的公司，或是产品本身到了量产环节，并没有获得批量采购的公司，融资变得越来越难。在姚颂看来，量产的两大挑战，第一在于软件开发环境，第二在于半导体的品质和良率。

量产挑战一：完整、易用的软件开发环境

国内喜欢强调硬件指标，但其实软件层面需要花很大功夫，因为软件开发成本占很大比重。从开发者数量来看，软硬件悬殊巨大。Java、C、Python和C++是开发者的四大首选，共有45.234%的开发者将它们选为最喜爱的语言。硬件编程语言排在什么位置？以FPGA开发常用的VHDL或Verilog来看，排名约在第50-100名之间。使用这两种语言的开发者，数量明显少于软件开发者，且悬殊巨大。

而对于AI芯片的开发来说，开发者数量至关重要！因为更多的开发者意味着更多的产品和应用，不管是硬件开发商还是系统提供商，才能获得更多的收益。

那么，如何吸引更多的开发者在AI芯片平台上进行开发?让更多的偏软件和算法的开发者能够更容易使用芯片平台？

对此，姚颂引用了一套产品理论。



将这套理论应用于AI硬件，从“可以使用”向上延伸价值，就需要在软件层面多下功夫，例如高能效、完整的工作流，更多的参考设计、开源项目、社区支持等。

英伟达的成功充分验证了这一点，他们花了很多功夫在软件堆栈，甚至适配到具体的行业场景中。姚颂说，“没有好的软件，开发会变得非常缓慢，不管从短期还是长期来看，哪怕能拿得出性能特别好的芯片也是失败的。”

量产挑战二：高品质与良率需要时间积累

姚颂以AI赛道大热的自动驾驶为例谈到，一个绕不过的问题是车规级标准，要将其完整做好需要大量的实践经验。首先芯片要达到标准，在设计过程中要有详尽完整的文档能验证设计思路，还需要花费很长的时间去做硬件和软件的达标测试。

Xilinx在汽车领域拥有相当数量的汽车产业用户，截至2018年，其出货量共计1.61亿，其中ADAS达5600万，博世开发的很多ADAS系统就是基于Xilinx的FPGA。

这与Xilinx扎实的产品性能密不可分，以dppm和FIT这两个指标来看（dppm表示每一百万颗芯片里面有缺陷芯片的数量，FIT表示10的9次方小时中芯片发生故障的次数），Xilinx的所有Virtex产品和Zynq汽车器件，dppm＜2；28nm和16nm产品的可靠性做到了＜12.0 FIT。这意味着Xilinx的汽车器件中，每一百万颗仅有小于2颗可能有问题，10的9次方小时内发生故障的次数小于12次，平均下来可能几百年会发生一次故障。

对于有志于做芯片的AI公司而言，时间积累——是所有人做产品都绕不过去的一个坎。姚颂坦言，就算深鉴科技这样幸运的项目，也是创业前在实验室经过了很多积累，以及团队执行到底的结果，慢慢打磨才能出来有价值的东西。

异构是未来方向

根据Xilinx刚刚发布的第二季的财报来看，基于Zynq的SoC实现了61%的年度增长，包括28nm Zynq和16nm MPSoC、RFSoC在内，占据整体份额的26%。

从一家FPGA公司向平台化公司的转型，SoC出货量逐年上走就是很好的佐证。


异构计算虽不是新鲜话题，但真正出现大量使用的异构计算平台，却是近几年的事情。异构最重要的涵义，是系统由多种不同功能的部分组成，让每个部分做它最擅长的事情，而不是用统一的平台来做所有的事情。

姚颂强调，异构计算的兴起本质上是由于摩尔定律的放缓。过去十年，性能提升有45%来自于工艺节点的提升，其次17%是来自微结构的提升，现在源于工艺的动力减缓，只能通过体系结构来进行提升。
而体系结构提升最直接的方式，就是设计Domain-specific architecture（DSA），放弃一部分通用性，来获得更大的性能提升。通常而言，越专用，越容易取得更好的性能。

未来不可能用单一的方式取得很好的性能，一定是通过不同的DSA来实现。这一趋势进一步放大了软件的重要性。因为不同行业的应用开发者、系统开发者，都需要更好的软件支持。

如果将FPGA应用于异构计算，Xilinx希望能像拼乐高一样，用各种各样的IP和解决方案，通过简单的代码就能把整个应用搭起来。终极目标就是ACAP，通过各种异构加速，期许最好的效率。

整个行业都在由应用驱动而发展，20年前是PC，10年前是手机，现在是AI和5G。“一定要做芯片、软件、系统层面的变化，”姚颂强调，“这个变化NVIDIA在做，赛灵思也正走在一条正确的道路上。”

继去年发布ACAP，Xilinx不久前发布了开放、标准、免费的统一软件平Vitis，支持赛灵思异构平台（包括FPGA、SoC和Versal ACAP）上开发嵌入式软件和加速应用。

生态建设方面，由于目前AI整体属于早期，所以学术界和产业界的结合必须非常紧密，Xilinx会在学术界推动很多事情，包括开源社区、组织研究小组等；企业层面，会选择一些创业公司予以扶持，不管战略合作还是直接进行投资。

如何看待开发者的“35岁门槛”？

AI助推了中国科技环境的热度，加速了许多应用的落地。对于开发者来说，他们有更多平台可以选择的同时，挑战也在加剧。据传某独角兽企业的一个算法工程师招聘中，投递简历人数与开放职位个数甚至达到了10000：1的疯狂程度。在当前的氛围之下，开发人员的价值如何提升？35岁之后真的就不能踏踏实实写代码了吗？

姚颂认为，当产品做到越来越易用，自己的价值究竟在哪里？核心技能是什么？这是所有开发者需要思考的问题。为什么有一些算法工程师能够出类拔萃？因为他们站在算法和系统的交叉领域，既懂算法又懂工程，或是能够进行底层优化，快速开发新的算法，对数学有很深的理解，而不只是简单的排列组合做重复操作。只有掌握核心技能，才能保证职业生涯没有所谓门槛，而是始终向上走。他强调，保持学习力，保持对交叉领域的探索精神非常重要。

对Xilinx的产品和平台感兴趣的开发者，姚颂带来一个好消息，Xilinx XDF开发者大会即将在12月3-4日登陆北京国家会议中心。这将是Xilinx在中国规模空前的一场开发者大会，会有超过两千名开发者参与。两天时间内，会举办80场报告与Lab培训，手把手教开发者如何用Xilinx软硬件去搭建某类应用，并邀请来自MSRA、阿里、清华大学等机构的多名AI大咖分享报告。

除了Keynote和分论坛外，会分为硬件、软件、数据中心、垂直应用以及AI这几个板块，覆盖领域非常广泛，不仅有AI、机器学习、工业、数据中心，还包括航空航天、汽车、消费电子、仿真、高性能计算、边缘计算。所有需要用计算平台的从业者，不管是学生、底层开发者，或者软件应用开发者，都能得到所到需要的内容。




构建繁荣生态的开发者大会，越来越成为有实力的科技公司“秀肌肉”的高光时刻。确实，要实现生存与发展，硬件实力只是其中一部分，更重要的是打磨软实力，包括软件业务、生态等，影响力扩大，才有可能引入更多的玩家。

近几年，为了吸引更多的开发者，Xilinx花了很大力气去推广XDF。在2017年首届的北京站，规模大概500人，主要是传统的FPGA开发者，而2018年的第二届，XDF整体格调，以及产品发布变化很大，最重要的是推出了ACAP和FaaS，并且被AWS云计算采用，之后，阿里云、腾讯云、华为云也都采用了该方案。最新消息显示，微软也选择了Xilinx的产品部署。

据了解，今年的XDF亚洲站在北京举行，活动本身并非是对硅谷举办过的北美站的简单复制，会加入很多本地化的内容和方式。例如北美针对AWS和云比较多，整体比较通用，国内则会更多强调系统方案，例如更多侧重于云计算、5G等。

大家越重视软件，越是屏蔽硬件开发复杂性，软硬件开发者之间的鸿沟会越来越大。而看起来行业的目标是希望他们未来不太需要沟通，用软件实现连接即可。

未来的软件业务形态究竟会怎么走？姚颂认为可能会是两个思路：一种是由某些公司提供通用的软件平台，用最好的软件磨合应用中需要沟通的各种事项，让算法能够最好地映射到应用中；另一类则是类似于华为或阿里这样的企业，他们针对自己的具体应用开发软硬件。