赛灵思开发者大会:共同探讨行业趋势，分享设计经验展示先进案例

2108年10月16日，赛灵思开发者大会在北京召开，本次大会有近千人参加，为广大软硬件、嵌入式开发者提供了一个面对面交流、学习、分享经验的机会。赛灵思的专家团队以及华为、阿里巴巴、浪潮等数十家国内外领先企业的专家汇聚一堂，与广大开发者共同探讨行业趋势，分享设计经验，展示先进案例。

在本次大会上赛灵思产品与技术市场营销高级总监Kirk Saban与赛灵思软件和IP产品部执行副总裁Salil Raje分别进行精彩主题演讲。

一、颠覆性的创新

Kirk Saban在大会上说道：“现在的世界是一个互联的世界，发展与创新的速度都是非常快的。我们每天都在面对海量的数据，单一的计算架构已经不能应对如此大规模的数据，需要各种各样的计算架构彼此配合。”

如今的开发者结构发生了变化，不单单有硬件开发者，也涌现了很多软件开发者。但是并不是所有的软件开发者都熟悉硬件开发，他们需要有可以使其可以快速上手的平台与工具，也需要相应的能力来优化产品性能并用在不同的工作负载中。

那么如何来解决这个问题呢？过去有三个解决方案：CPU、固定功能的加速器（像ASSP和GPU）与FPGA。但是就如今的技术发展程度来说，这三种解决方案或多或少的都存在不足，不能很好的应对各种各样的问题。

为此，Kirk Saban向大家介绍了ACAP平台与其首款产品Versal。ACAP是可扩展性非常高的、软硬件都可编程的、高度集成的多核异构计算平台。

因为ACAP的出现，未来的计算拉开了序幕，首款ACAP产品Versal应运而生。Versal具有异构处理能力，有多个不同类型的处理引擎，可以应对市场上多样的工作负载。Versal有哪些特点呢？

1、标量处理引擎。Versal有双ARM Cortex-A72应用处理器。嵌入式处理来自于ARM，拥有高性能的同时又支持非常广泛的应用。双ARM Cortex-R5实时处理器，适用于对安全性要求非常高的应用，而且有一些步骤锁定功能可以进行平台管理。

2、灵活应变的硬件引擎。灵活应变的硬件进行重新架构提高计算密度，能够支持客户内存层次结构，比如要求不同的内存层次结构高级机器学习和AI推断部署和实施。

3、智能引擎。

●DSP引擎，DSP的引擎在Versal架构当中能够实现高精度浮点和低时延，主要面向定制化数据路径的粒度控制。

●AI引擎，能够大大提高应用的AI推断能力，专为AI推断和高级信号处理工作负载而优化。

4、集成主机接口。PCIe Gen4x16，集成AXI-DMA。还有实现服务器级CPU，提供无缝加速CCIX。

5、集成各种协议引擎。包括100G多速率以太网，600G以太网和Interlaken，以及600G加密引擎（AES/IPSEC/MACSEC)

6、集成RF信号链。下一代GSPS直接射频采样ADC/DAC,集成DDC/DUC。面向5G和DOCSIS的SD-FEC。

7、可编程的I/O界面。支持传感器的MIPI D-PHY大于3Gb/s；支持NAND和存储级存储器；包括LVDS和通用的I/O。

8、片上网络（NOC）。本质上软件可编程，简单易用；高带宽、低时延；与软实现相比功率效率提升8倍，跨异构引擎仲裁。

9、此外还是可扩展的集成存储器控制器与范围最广泛的收发器。

在赛灵思开发者大会上，主要两个Versal Prime基础系列与AI Core核心系列。

二、AI加速

在赛灵思开发者大会上，Salil Raje先生进行了主题为“AI加速”的精彩演讲，激情描绘赛灵思灵活应变的新型器件将如何加速当今AI时代各种创新的整体应用，拥抱所有的开发者。

赛灵思软件和IP产品部执行副总裁Salil Raje

Salil Raje谈到AI人工智能有两个阶段，训练和推断。

在训练的阶段要将海量的数据放到模型当中，然后微调模型减少误差。海量的数据在这个阶段是至关重要的，相对而言延迟和功耗在训练阶段不是重要。而在推断过程中，用到数据量比较少，在此阶段延迟是极其关键的，甚至会成为一种制约。这是因为很多推断引擎都是实时响应的，响应速度至关重要，这样一来，功耗在这个阶段也就显得非常重要了。在过去几年全球的关注点都集中在训练上，但是今后AI模型必须应用在云端和边缘的模型上，所以未来的模式更多的将是推断。而赛灵思关注的就是推断。

那么推断这个模式将带来哪些挑战呢？第一是AI创新的速度。第二，低时延、高通量和高性能的要求。第三，低功耗。最后同样是实现整体的应用加速。

那么赛灵思是怎么应对这些挑战的呢？Salil Raje认为只有灵活应变的硬件才能应对推断所面临的挑战，比如赛灵思的FPGA和ACAP。灵活应变的硬件的优势在于：

1、自定义数据流。针对最先进的当前的网络与最先进的技术变化，可以重新实施而不需要重新更换芯片；

2、自定义内存的层次结构。可以用更多的片上内存而不是DDR；

3、改善功耗和时延；

4、自定义精度。可以选择网络最合适的精度。

赛灵思开始创造的一个特定领域架构是DSA，这些DSA在FPGA或者ACAP器件上进行实施和部署，能够在自定义的数据流、自定义的内存层次结构和自定义精度三个维度上进行优化。一旦在ACAP实施就可以将现有的网络转到DSA来实现AI模型。

而赛灵思收购了在DSA方面的领先企业——深鉴科技，深鉴科技有非常独特的技术，可以自定义数据流来适用大家所需要的网络。此外，深鉴科技还有量化的技术，即可以自定义精度也可以重新训练，然后重新获得精度。如Deephi LSTM与XDNN。

人工智能的革命已经开始了，在AI推断面前有很多的机会和挑战。赛灵思的器件包括FPGA、ACAP等能够提供同步AI创新的速度、低时延的最佳性能、最佳功耗效果以及加速整体应用。无论是AI专家还是AI新人，赛灵思都非常期待和大家共同合作，携手并进。