低功耗FPGA芯片用于人工智能领域的测试

预计未来几年，迅速发展的自动驾驶汽车和嵌入式物联网等“边缘”网络设备将给制造商带来困境，制造商希望通过使用智能设备让它们具有机器学习能力，但是目前还没有较好的解决方案，他们打算先测试神经网络，调查市场的需求。

他们认为，一家成立了六年的公司Efinix可以解决他们的问题。Efinix总部位于圣克拉拉，这家公司一直在改进可编程芯片。现在它已经可以为客户提供一些部件用于人工智能领域的测试，之后一旦开发出合适的神经网络，就可以批量生产芯片来为这些网络服务。

在老牌半导体分析公司Linley集团主办Linley Group秋季处理器会议期间，该公司首席执行官Sammy Cheung与ZDNet谈论了Efinix的技术。他说:“我的一个客户是一家来自***的相机公司，他们设计和销售的每一款联网相机最初可能只有数万台。他们不知道如何去追逐拥有数百万台产品的市场，不过现在他们可以追求更大的销量了。

人工智能在这些设备上的任务是“推理”，当神经网络使用它在训练阶段所学到的知识来回答新问题时，这是机器学习的一部分。虽然Nvidia的GPU芯片在数据中心机器学习的训练阶段占据了主导地位，但是依靠电池供电的设备需要低功耗的芯片才能有效进行推理。随着市场竞争的加剧，边缘计算领域的芯片也越来越成熟，其中Cornami和Flex Logix也进入了这一领域。

Efinix提供了一种名为“Quantum”的解决方案，它将FPGA和电路可重新编程的芯片结合在一起，其中ASIC芯片的电路在制造时就已经固定下来了。

Cheung认为像联网相机制造商这样的企业可以先从Efinix的FPGAs开始，尝试不同的神经网络，随着神经网络的发展而改变电路。一旦供应商对他们的设计感到满意，他们就可以转向使用FPGA和ASIC电路的Quantum组合芯片，这样可以获得更高的性能。

FPGA已经成为一种越来越流行的机器学习方法：微软将它们用于“脑电波”神经网络项目，该项目支持许多基于云的服务，如Bing和Cortana。英特尔和赛灵思多年来一直主导着FPGA市场，微软在英特尔的基础上开发了Brainwave。

但Altera和Xilinx都忽略了新兴市场，他们正在研发的是功耗达到数十瓦的大型芯片，而Efinix的目标则是可能那些功耗只有一瓦但可以运行神经网络加速器的设备。Cheung表示“Altera和Xilinx只专注于高端市场，这样他们永远无法成为主流。”

虽然使用FPGA会比较昂贵，但Cheung表示其部件的开发成本比传统FPGA要低得多，而且仅比更便宜的解决方案ASIC的成本高出约25％。

此外：谷歌表示人工智能的“指数”增长正在改变计算的本质

正如Cheung在会议上所解释的那样，量子技术的关键在于构成芯片的数千个计算“元素”。传统的FPGA具有计算集群，可以执行神经网络所需的“多重累积”等数学运算。它们依靠计算机周围电线路由信号进行通信，但是这种设计就像棋盘一样，当进行数据传输时很容易造成阻塞。

对于Efinix，每个集群都可以执行计算或路由功能。这意味着芯片的各个区域可以根据需要进行处理和移动数据，就像在城市规划中添加了新的道路，这就大大减轻了数据阻塞的风险。

和其他资金规模达到一亿美元以上的公司相比，拥有40名员工的Efinix运营更加稳健。到目前为止，该公司已经获得了2600万美元的资金。他希望Efinix在19年有机会扭亏为盈。