赛灵思将如何携FPGA突围车载集成电路市场

在“血肉横飞”的自动驾驶之战中，车载集成电路也是一股不可忽视的力量。不过，眼下这个市场上最受投资者关注的还是 AI 处理器和 SoC，因为它们对于崛起中的自动驾驶汽车至关重要。那么 FPGA（现场可编程门阵列）呢？它在这场刺刀战中又扮演者什么角色？

作为汽车行业的老朋友，FPGA 方案领导厂商赛灵思（Xilinx）也坐不住了，它携手戴姆勒集团，未来要帮新的奔驰车型开发“超高效 AI 解决方案”，以重新确立 FPGA 在自动驾驶行业的地位。媒体们也提出了一些问题，比如这套系统的发布节点和两家公司合作是否有排他性（Mobileye 或英伟达还能拿到戴姆勒订单吗？）。可惜，赛灵思汽车部门负责人 Willard Tu 均拒绝发表评论。

VSI Labs 创始人 Phil Magney 则指出，FPGA 在汽车行业的热度其实比多数人想象的都高。“业内几乎每家公司都喜欢宣称自己掌握了 ASIC（专用集成电路），不过想在高效计算平台上应用专有指令集，还得靠 FPGA 完成大部分尖端处理。”Magney 解释道。“ASIC 确实是好东西，但在你锁定指令集之前，必须得尝试各种不同的变量。FPGA 会在工作中适应这些改变，这时才是应用指令集并尝试新事物的最佳时机。”

说到赛灵思在汽车市场上的遗产，Willard Tu 也有自己的想法。他表示，公司的 FPGA 最初是车辆信息娱乐系统中的胶合逻辑，但后来这项技术却成了 ADAS 市场的宠儿。Willard Tu 还强调，FPGA 非常适合控制日益复杂的 ADAS 和自动驾驶系统。

首先，赛灵思的 FPGA 并不是“霸王条款”，它让 OEM 商能拿出差异化的图像处理算法。与其相比，Mobileye 的“一刀切”方案就少了一些灵活性。其次，对一级供应商来说赛灵思是个“开放盒子”，而且它们的功能安全符合 ISO 26262 的要求。相反，Mobileye 带来的是一个“黑箱”，无论 OEM 还是一级供应商都对 Mobileye 的软件一无所知。

最后，赛灵思对自己的 FPGA 适应性很有信心，它可适应汽车行业千变万化的功能性要求。举例来说，在 Level 3 车辆上负责监督驾驶员的赛灵思芯片，也可以重新编程，成为帮乘客泊车的“门童”。简单来说，这种可编程性甚至能改变芯片的“个性”。

不过从更广的视角来看，Demler 觉得赛灵思对激光雷达市场的统治并没有想象中那么重要。“这是个很小的市场，每年恐怕销量还不到 100 万套。”Demler 补充道。“我猜测赛灵思可能与 Velodyne 关系不错”。在 Demler 看来，现在的激光雷达市场“地图和工业应用才是大头，汽车市场还只是个小蛋糕。”

虽然车载激光雷达市场还需要多加培养，但赛灵思依然可以在传感器数据处理领域扮演更重要的角色。“我们也看到了边缘计算的兴起，未来传感器将承担一定的数据处理任务。”Magnery 说道。“无论激光雷达还是雷达，都会生成海量数据，因此现在业界有将数据处理放在传感器模块的趋势，特别是在 ADAS 领域。”

Magney 指出，“赛灵思的 FPGA 在 ADAS 解决方案价值链中占据关键位置，可能非常适合处理图像雷达数据，而这项技术可是相当前沿。”虽然现在只在 ADAS 市场吃得开，但 Willard Tu 相信 FPGA“低延迟和高吞吐量”的特性能成为它们在高级自动驾驶市场上发光发热的一大优势。

当 GPU 执行深度学习推理时，它们需要并行批处理大量通过单指令多数据架构（SIMD）的平行数据。为了在提升计算能力的同时减少抓取，业内一直在尝试开发更宽的单指令多数据架构。不过，现在的技术只能拓宽寄存器文件而已。反观 FPGA，可以直接完成无批次推理，其结果就是“带有确定性的低延迟，高吞吐量（无论批次大小）和始终如一的计算效率。” Willard Tu 解释。

虽然从理论上可行，但行业观察者不愿对赛灵思的未来之路作出评价，在自动驾驶市场它们想达到英伟达或 Mobileye 的高度可不容易。几个月前，赛灵思提出了自适应计算加速平台（ACAP）的理念，它认为 ACAP“将在性能上全面超越传统的 CPU 和 GPU”。不过，现在赛灵思好像打了退堂鼓。虽然 ACAP 今年就会正式下线，但产品交付要等到 2019 年了。

Demler 则认为，“从整体来看 FPGA 一直是数据中心的 AI 加速器，因此赛灵思有能力打造出更有针对性的架构。借助它们强大的数字信号处理和平行架构，FPGA 能提供非常适合神经网络加速的计算能力。当然，最后还是要看成本和功耗，这是哪个解决方案能最终胜出的关键挑战。”