首破30亿美元大关！这颗SoC功不可没，令赛灵思加速拿下工业/医疗市场

我们都知道赛灵思因FPGA而著称，在工业领域的业务驱动力却来自赛灵思的Zynq SoC。

根据赛灵思最新财报显示，其业务组成主要由数据中心、测试测量，汽车、广播和消费电子，通信，工业、视觉、医疗和科学、航空航天及国防四部分组成。通信是其营收最大市场，占比41%。紧跟其后的便是工业、视觉等占比达27%。

值得注意的是2019财年赛灵思收入首次突破30亿美元，年度增长24%。这离不开工业和医疗物联网市场的良好表现。



实际上，Zynq和Zynq UltraScale+ SoC投产之后，赛灵思在工业和医疗物联网领域的增长就明显加速。

ZynqSoC顺应共性化融合、边缘计算等工业新需求

在日前赛灵思举办的媒体见面会上，赛灵思工业、视觉、医疗和科学 (ISM) 市场总监Chetan Khona说到赛灵思得到全球众多工业客户认可的原因，“尽管创新对于科技企业非常重要，但是对于工业和医疗客户来说，耐用性，也就是产品生命周期的长寿性更加重要。在这方面赛灵思的产品在质量和可靠性方面的卓越性能和表现，得到了工业和医疗客户的认可。比如说有很多半导体公司都做不到15年的产品生命周期，但是对于工业性客户来说这又是必须的条件，赛灵思可以为产品提供最低15年的生命周期，而且甚至还可以达到20年，甚至更长。”


赛灵思工业、视觉、医疗和科学 (ISM) 市场总监Chetan Khona

除了保持一贯的耐用的产品生命周期外，现在工业和医疗物联网也被大数据、云计算和人工智能所加持。

有一组数据描述了未来医疗物联网的数据爆炸呈现的情况。全球90%的数据创建于过去两年，每天创建的数据是2.5艾字节（2.5EB，艾字节是百亿亿字节。），2019年将有60尧字节（60YB，尧字节是一亿亿亿字节）用于人工智能。

数据爆炸带来了诸多问题，Chetan Khona分析说，稳私问题、随时间变化的安全性、影响安全性的时延和响应、数据管理成本以及缺乏可靠的互联网连接。

目前，全球已安装超过1亿台医疗物联网设备，到2020年将增长到1.61 亿台。医疗高管表示，当前阻碍医疗组织采用物联网的三大障碍：隐私问题占 59％，原有系统集问题成占 55％，安全问题占54％。

应对于大量的数据带来的这些问题，赛灵思在工业和医疗物联网领域的核心理念是灵活应变、自适应。怎么做到这一点？

他说，赛灵思解决方案可延长市场寿命并提高投资回报率，可以有针对性地在问题痛点的物理位置提供计算资源。

这里指出了两个关键点，延长市场寿命可以理解为无论未来的处理需求如何演进，赛灵思的产品都能够提供支持，有足够的性能做为支撑，在物理位置提供计算资源也就是强调了智能的边缘计算。

他特别强调，现在很多解决方案都是使用软件的升级和软件的灵活性，只有赛灵思能够做到硬件+软件的灵活应变，这使得赛灵思的产品更加灵活，并且有更好的性能。

在工业和医疗物联网时代，为何赛灵思指出了边缘计算的重要？

从物理学角度，Chetan Khona举了两个例子。



纽约到洛杉矶的距离是2800英里，如果用光纤传输信息，光速为186000英里每秒，往返时间就是30毫秒。但是按照要求，要在10毫秒进行控制。

一家电厂用于云数据存储服务的费用高达每月1.3万美元。

这说明，无论是远距离对速率的要求，还是从成本费用的省节来考虑，都需要提高本地化应用部署。

试想，上面这家电厂的例子，如果能够在本地对这些数据进行处理，然后把处理完的数据再发到云端，就能够节省很多成本，而且能够改善它的反应速度。Chetan Khona表示，应该把智能定义在边缘，在这些模拟数据边界上对数据进行处理，这是效率和效能最优的方式。

当然，不仅注重边缘计算，赛灵思的灵活性就在于具体问题能够具体应对。

“有很多客户被灌输的概念是都要通过数据连接到云端去解决具体问题。但是赛灵思并没有采用这样的方法，我们根据最合理的方式来配置我们的计算资源。比如这个问题在器件端解决最合理就在器件端解决，如果传统的方式在云端解决最合理就在云端解决，另外，器件端到云端中间有任何问题，赛灵思都可以解决。”Chetan Khona分析说。

赛灵思在工业物联网领域的杀手锏ZYNQ，不仅增强了边缘计算的性能，在产品线内部和跨产品线可扩展方面可以灵活应对，ZYNQ配置通用多核Arm应用、实时处理器、外设，以及用于定制和加速的可编程逻辑，它提供了一个共性化平台。这个平台，顺应了如今工业界IT与OT融合的趋势。



IT、OT的融合就是信息技术和操作技术的融合。Chetan Khona解析，IT指的是像思科和华为这样的企业，OT是西门子自动化这样的企业，对于工业和医疗物联网来说，越来越多的是需要把这些能力集成到单个器件上。

他说，这个过程非常复杂，这种嵌入式的设计不仅要做软件和硬件开发，而且云的开发者也希望能够连接进来，收集这些器件的信息。如果还是按照原来的方法，所有的人都在选用不同的处理架构、操作系统和连接标准，对云开发者来说就太困难了，需要不断的进行调整和改变。因此，需要有一个公共的架构和平台，能够帮助他们非常迅速简易的开发给自己公司使用的SaaS产品，并能够创造一个新的收入流。这也是为什么客户首选Zynq和Zynq UltraScale+ SoC的原因。

简言之，赛灵思能够能够提供一个共性化、功能强大的平台，比如说 Zynq SoC 中的Arm系统能够为云开发提供服务，同时还能提供IT和OT的支持，以及提供FPGA的定制化。工业性能加定制功能使得赛灵思的产品非常有吸引力。根据调查，现在开发者已经把赛灵思视作未来开发使用SoC产品中的前三大工具之一。

赛灵思不断进阶AI，即将推出最新平台ACAP

赛灵思在工业领域传统的优势，包括工业实时和确定性控制与接口、工业生命周期、质量、可靠性、安全性、温度与功耗，现在赛灵思所做的是加入业界领先的AI时延与性能，和传统的优势进行结合，这种结合能力是其他许多半导体厂商不具备的。

当很多客户不可能去使用多个器件的方案时，如果采用赛灵思的单芯片解决方案就能够确保高度的集成，达到最高的成本有效性。



例如，支持实现低时延、高性能的DNN解决方案，是赛灵思自主开发的方案。也有去年并购北京深鉴科技获得的一些技术和能力，还有通过和企业合作，包括KORTIQ、HALCON、SiliconSoftware，来增加内部的解决方案。

人工智能功能的选用根据不同用途而有所不同。Chetan Khona说，性能非常高的大AI可以把它作为嵌入式器件，针对轻型AI、小AI我们提供叫做Pynq，即 Python + Zynq的解决方案，这是我们几年前开发的开源产品，非常受新的、年轻的工程师欢迎，现在很多大学刚毕业的工程师，他们最主要用的软件编程语言就是Python，所以我们专注于这个趋势开发了一些生态，借助很多开源的实验室开发我们的这款产品。

在边缘人工智能方面，赛灵思可以实现支持高吞吐量和低时延的人工智能，能够匹配人工智能创新的快速步伐，加速整体的应用，提供全面的AI软件平台。

这张图片上面可以看出，如果低于7毫秒的延时要求，赛灵思的优势从2倍扩大到2.5倍，如果是低于2毫秒的延时要求，我们的优势扩展到8倍。随着工业和医疗物联网对响应时间的要求越来越高，赛灵思的优势显得更加明显。



之所以能做到如果突出的边缘人工智能的性能，一是架构非常灵活，人工智能和机器学习的架构是快速变化的，两年前人工智能推断最优的精度是16位的浮点，但是现在普遍认为8位的定点是最优的，而赛灵思对16位浮点和8位定点都能够支持，按照现在的发展趋势，从8位的定点可能会变成1位的，它的性能和精度会不断的提升，赛灵思能够灵活地支持这样的趋势发展。

二是剪枝技术，对一个模型里面无用的节点进行剪枝。这样就可以从低性能转向高性能，对精度不会有任何损失，同时不断的改善性能，降低功耗。



据介绍，知名人工智能公司旷视的许多摄像头和其他设备就在使用赛灵思的边缘人工智能。

赛灵思还推出了Alveo加速器卡。它是一个集成的开发板，可以帮助客户另行投入生产，在加速卡里写入软件，插入PC卡槽里，就相当于CPU加速卡，加速性能非常明显。相比传统方案，数据库搜索和分析是90倍、金融计算是89倍、机器学习是20倍、视频处理是12倍、高性能计算和生命科学是10倍的提速。



一个有意思的现象是云服务提供商正在把部分云端功能迁移至端侧，这同样是赛灵思的机会所在。

对工业和医疗物联网而言云端的延时高，传输需求大，也就是说客户花了大量时间进行数据传输且结果还不理想。

最近，赛灵思和亚马逊云服务进行了一项合作，在Greengrass框架下将部分云端移动到边缘，大大减少了数据传输和延时的压力。另外，连接时断时续也是云连接存在的情况，如果智能放在边缘，即使云端连接丢失也依然能够正常运行。目前，赛灵思和亚马逊云计算、阿里云、Microsoft Azure、谷歌、IBM都在进行这方面的合作。

一个重磅消息是，赛灵思将针对人工智能推出全新的产品ACAP，ACAP相应推出一个品牌系列就是Versal，Versal底下有6个子系列，包括今年推出的Versal AI Core 系列 和Versal Prime （ 基础版），明年推旗舰版以及低功耗的AI边缘计算芯片，未来还将AI与射频集成，2021年更进一步地进行存储器集成。



在工业领域最重要的是AI Edge，强调低功耗和高性能，例如机器视觉、超声设备和超声手持，它要求尺寸小且功耗低，据介绍，功能最好、最理想是低于5瓦，最小要低于10瓦，在这方面AI Edge能够做到，而且能够提供非常好的机器学习和其他人工智能工业领域应用的性能。根据Versal的路线图，这样的产品也将很快面市。