通过先进的EDA工具来提升FPGA的开发效率

人工智能的三大核心要素包括数据、算法、计算能力。其中，在提升计算能力方面，目前多还是通过延续传统计算架构，加速硬件计算能力，主要以3种类型的芯片为代表，即GPU、FPGA 和ASIC，而当传统X86架构芯片无法满足用户需求时，新一代的计算芯片平台也便成为行业进一步角逐的重心。

从目前市场来看，主流方向多采用GPU，但鉴于其功耗高、实时性差等问题，逐渐转向FPGA、ASIC芯片。其中，ASIC是为了某种特定的需求而专门定制的芯片，其优点在于体积小、功耗低、计算性能高、计算效率高、芯片出货量越大则成本越低；但相应的，鉴于其算法是固定的，一旦算法变化就可能无法使用，以致开发风险极大；相比之下，FPGA则具有低延时、低功耗、可编程灵活性高、开发周期短、后期可升级的优势，但同时也会受到成本、功耗、编程设计的限制。

综合来看，ASIC需要有足够大的市场保证成本价格，且周期很长，不适合深度学习CNN等算法正在快速迭代的领域，目前只有谷歌等极少数公司敢于尝试。而FPGA能够满足复杂且不断变化的云应用工作负载需求，同时也适合图像、视频、语音流、传感器高速信号流、超高速网络包处理并且要求实时性的场合。近两年，全球七大超级云计算数据中心包括 IBM、Facebook、微软、AWS 以及BAT、华为也都采用了FPGA服务器。

目前FPGA在AI应用领域仍存在三类问题：其一，编程困难，鉴于RTL编程复杂低效，HLS设计又不够成熟，编译时间漫长且调试困难；其二，硬件系统设计复杂，目前异构计算体系复杂需要定制软件栈；其三，人才匮乏，培训体系落后等问题。

针对开发环节，提供领域专用的开发工具、专用高效开发语言、专用的调试工具；针对硬件系统设计，提供标准化专用系统设计工具等。简单来讲，深维科技致力于通过提供一个平台让FPGA更好用，以提升AI计算性能，降低AI部署成本，以提高用户的开发效率。

目前典型的设计工具包括，通过DPNetGen可以自动完成从Caffe网络模型到Verilog代码的AI算法描述转换、DNN网络FPGA集群实现自动优化算法，通过DPComp工具对AI应用的针对性优化策略，可以提高FPGA实现结果的性能。从实际应用效果来看，相比于传统设计，基于深维设计工具的FPGA加速可以使工具运行速度提升10倍，结果质量快10%，开发过程时间是原来的1/10，使用的资源数量也会相应降低。

至于如何实现技术落地，比如机器视觉、语音处理、医疗诊断等，集中在机器视觉方向的应用场景则包括“云”和“端”两方面，“云” 端包括AI图像结构化信息提取、AVS编码算法等，“端” 包括智能摄像机设备等。未来，也不排除开发自主FPGA AI芯片。据悉，目前公司与Xilinx、Altera都有建立合作关系，同时跟华为、恒扬、北大数字媒体所、北大高能效计算中心等在FPGA开发、设计加速方面也在进行合作。

盈利方面，未来则主要涉及三条路径：其一，通过提供模块、开发板、芯片等硬件产品，按出货数量收费；其二，提供IP授权服务，可收取一次性授权费+版税；其三，提供软件服务，包括基于Saas的云设计加速、本地安装版工具以及OEM版本，根据客户具体需求相应收取相关的授权费。

而论及行业竞争，在提供FPGA AI应用加速服务上，一方面未来可能会面临来自FPGA芯片厂商的竞争，目前Xilinx、Altera分别占据了全球49%、39%的市场份额，国内则有同方国芯、京微雅格等，作为芯片厂商自身也会提供相关的工具，但鉴于AI应用整体还处于相对初期阶段，目前多服务于通信等领域；而另一方面，目前国内人工智能芯片典型的创业公司包括寒武纪、深鉴科技、地平线等也都在致力于提升计算，其中，寒武纪已近期完成1亿美元的A轮融资，其主要侧重ASIC芯片方向，而较为类似的深鉴科技，则是面向FPGA平台的神经网络压缩，已于今年年初完成数千万美元的A轮投资，投资方包括赛灵思、联发科MTK等。

通过先进EDA工具提升开发效率，在产品的走向上也更为灵活；此外，公司的核心技术成员交叉覆盖AI应用算法和FPGA核心技术，团队多来自于Cadence、IBM、京微雅格、中科院、复旦微电子等，对行业的理解以及产品工程能力较有优势。创始人樊平，自身作为北航计算机学士硕士，具有十三年行业经验，曾任京微雅格技术总监、Cadence高级软件工程师、IBM软件工程师，在FPGA芯片架构设计与评估技术、FPGA EDA工具算法、高性能算法等方面具有深厚的积累。