機(jī)器學(xué)習(xí)技術(shù)是人工智能的一個(gè)重要科學(xué)發(fā)展，透過(guò)在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的效能，而且用來(lái)訓(xùn)練的數(shù)據(jù)越多，所學(xué)習(xí)出來(lái)的結(jié)果越好，為了處理分析大量圖像或是語(yǔ)音等辨識(shí)的機(jī)器學(xué)習(xí)算法數(shù)據(jù)，需要采用GPU芯片所打造的高速平行運(yùn)算處理的類神經(jīng)網(wǎng)絡(luò)超級(jí)計(jì)算機(jī)，利用諸如Tensorflow、Caffe等深度學(xué)習(xí)框架(Framework)等工具，來(lái)發(fā)展有效的算法。

一旦得到算法之后，對(duì)嵌入式系統(tǒng)的設(shè)計(jì)而言，迅速將算法應(yīng)用到云端數(shù)據(jù)中心，或是直接到終端的邊緣運(yùn)算(Edge Computing)裝置上，就是目前人工智能應(yīng)用成果發(fā)揮的展示場(chǎng)。由于嵌入式系統(tǒng)本身的運(yùn)算效能與低功率消耗的功能不斷提升，所構(gòu)建的智能功能、軟硬件解決方案，非常有助于開創(chuàng)前所未有的人工智能的應(yīng)用。

機(jī)器學(xué)習(xí)的技術(shù)已廣泛應(yīng)用于數(shù)據(jù)探勘、計(jì)算機(jī)視覺、自然語(yǔ)言處理、生物特征識(shí)別、搜索引擎、醫(yī)學(xué)診斷、檢測(cè)信用卡欺詐、證券市場(chǎng)分析、語(yǔ)音和手寫識(shí)別、戰(zhàn)略游戲與機(jī)器人等應(yīng)用領(lǐng)域。

可程序設(shè)計(jì)門陣列(FPGA)的解決方案，利用其可程序設(shè)計(jì)性的優(yōu)勢(shì)，已經(jīng)廣為業(yè)界所認(rèn)知，賽靈思(Xilinx)做為FPGA解決方案的主要供貨商而言，密切關(guān)注機(jī)器學(xué)習(xí)所帶領(lǐng)的產(chǎn)業(yè)趨勢(shì)，以及重要的應(yīng)用范例。賽靈思亞太區(qū)工業(yè)及醫(yī)療市場(chǎng)的高級(jí)經(jīng)理羅霖(Andy Luo)先生接受專訪時(shí)，針對(duì)Xilinx產(chǎn)品進(jìn)入機(jī)器學(xué)習(xí)的領(lǐng)域，提綱契領(lǐng)直指兩個(gè)主要的應(yīng)用領(lǐng)域。

賽靈思亞太區(qū)工業(yè)及醫(yī)療市場(chǎng)的高級(jí)經(jīng)理羅霖(Andy Luo)

首先，在云端機(jī)房與數(shù)據(jù)中心的應(yīng)用領(lǐng)域，透過(guò)跨國(guó)性大型搜索引擎與社群媒體巨擘的緊密合作，以大陸市場(chǎng)為例，Xilinx與百度(Baidu)的搜索引擎加速器合作，具有重要的指標(biāo)性，由于機(jī)器學(xué)習(xí)在高效能運(yùn)算(HPC)平臺(tái)上，使用的類神經(jīng)網(wǎng)絡(luò)模型與多層次架構(gòu)(Training Framework)來(lái)訓(xùn)練算法，一旦將結(jié)果應(yīng)用于數(shù)據(jù)中心的加速卡設(shè)計(jì)時(shí)，往往需要進(jìn)行細(xì)部的調(diào)整與開發(fā)，所以彈性變更邏輯線路的設(shè)計(jì)要求下，F(xiàn)PGA的可程序化(Programmable)的能力就益行重要。

Xilinx的解決方案之所以迅速攫取多數(shù)大廠用戶的目光，端賴兩項(xiàng)重要的誘因，也就是低功率消耗與高度靈活的硬件平臺(tái)，提供數(shù)據(jù)中心專用加速器性能上的優(yōu)勢(shì)，并支持?jǐn)?shù)據(jù)中心業(yè)者，打造更快速的創(chuàng)新應(yīng)用與技術(shù)。

Xilinx推出可重組加速堆棧(Reconfigurable Acceleration Stack)技術(shù)，針對(duì)機(jī)器學(xué)習(xí)、大數(shù)據(jù)分析和視頻串流直播(Video Streaming)等三大新興計(jì)算密集型應(yīng)用，借助所提供各種應(yīng)用鏈接庫(kù)、開發(fā)工具和參考設(shè)計(jì)，有效的降低設(shè)計(jì)工程師開發(fā)FPGA通用的程序設(shè)計(jì)門坎，迅速解決數(shù)據(jù)中心中工作負(fù)載快速增長(zhǎng)的挑戰(zhàn)，并加速云端服務(wù)產(chǎn)品上市進(jìn)程。

第二個(gè)重要的應(yīng)用領(lǐng)域，就是在邊緣運(yùn)算裝置的部署，因?yàn)榇罅康囊曈嶇R頭的使用，使得嵌入式視覺(Embedded Vision)技術(shù)可以因?yàn)椴捎脵C(jī)器學(xué)習(xí)的算法，而帶來(lái)更多智能型的應(yīng)用。

但是嵌入式系統(tǒng)考慮功率消耗需求，無(wú)法企求使用32或64位的高效能處理器，因此開發(fā)出一種技術(shù)，讓多半使用32-bit或16-bit的浮點(diǎn)運(yùn)算(Floating Point)所設(shè)計(jì)的算法，可以放在8位整數(shù)運(yùn)算處理器的智能終端裝置上，Xilinx的解決方案在這類的應(yīng)用上，保持算法在嵌入式系統(tǒng)上有效的準(zhǔn)確度，所以使用機(jī)器學(xué)習(xí)所訓(xùn)練而獲得的算法，當(dāng)部署到低耗電與低運(yùn)算密度的系統(tǒng)時(shí)，仍能完成人工智能的應(yīng)用。

智能終端運(yùn)算應(yīng)用隨著空拍機(jī)與自動(dòng)駕駛汽車的發(fā)展，尤其是先進(jìn)駕駛輔助系統(tǒng)(ADAS)中的自動(dòng)識(shí)別、路線規(guī)劃，以及無(wú)人機(jī)上自動(dòng)避開空中障礙，或是視訊監(jiān)控與辨識(shí)分析等新興功能，帶領(lǐng)令人高度期待的應(yīng)用，也推增FPGA的市場(chǎng)占有率。

另一個(gè)重點(diǎn)就是工業(yè)4.0的應(yīng)用，這利用傳感器融合(Sensor Fusion)的裝置，將工業(yè)場(chǎng)域所收集的控制數(shù)據(jù)，做線性規(guī)劃與數(shù)據(jù)分類，以掌握工業(yè)設(shè)備目前的狀態(tài)。選擇Xilinx的FPGA組件能在單一芯片上提供廣泛的高速界面，能以低成本獲得更高效能，并因?yàn)楦鞣N開發(fā)環(huán)境整合到同一平臺(tái)上而節(jié)省開發(fā)資源，讓客戶得以專注于開發(fā)差異化功能的產(chǎn)品，取得市場(chǎng)先機(jī)。

低功率消耗與快速反應(yīng)速度 FPGA獨(dú)擅勝場(chǎng)
和GPU為主的解決方案相比，羅霖分析FPGA的主要優(yōu)勢(shì)，首推低功耗的設(shè)計(jì)，通常3瓦的功耗的設(shè)計(jì)足以支撐整個(gè)加速卡的效能，第二個(gè)重要的優(yōu)勢(shì)，是反應(yīng)速度快速，以微秒等級(jí)的反應(yīng)速度，特別適合在空拍機(jī)或是自駕車應(yīng)用的領(lǐng)域，因?yàn)榉磻?yīng)速度決定人身安全的重要訴求。

但是FPGA也有弱點(diǎn)，羅霖持平而論，也就是工程師的開發(fā)FPGA的時(shí)間較長(zhǎng)，因?yàn)樾枰煜な褂眠壿嬀€路分析、布局布線等EDA工具才能設(shè)計(jì)FPGA線路，雖然FPGA現(xiàn)在也可以利用OpenCL和C 語(yǔ)言以類似軟件的流程來(lái)程序設(shè)計(jì)，但是不可諱言的，其工程設(shè)計(jì)門坎還是比GPU的使用設(shè)計(jì)要高，羅霖強(qiáng)調(diào)Xilinx對(duì)于FPGA在機(jī)器學(xué)習(xí)方面組成開發(fā)者社群，并開發(fā)豐富的工具和鏈接庫(kù)的，已經(jīng)可以大大提升設(shè)計(jì)效率。

羅霖指出Xilinx的FPGA解決方案，在全球主要通信系統(tǒng)機(jī)房中，一直是用來(lái)做為主要通訊系統(tǒng)的設(shè)計(jì)，利用密集型計(jì)算應(yīng)用，做為處理通信標(biāo)準(zhǔn)中信號(hào)處理與應(yīng)用，幾乎占了Xilinx的50%的主要收入來(lái)源，但是配合機(jī)器學(xué)習(xí)所帶領(lǐng)的數(shù)據(jù)中心加速卡與邊緣運(yùn)算終端的應(yīng)用，涵蓋更多的無(wú)人空拍機(jī)、智能型視訊影像監(jiān)控系統(tǒng)、自駕車的應(yīng)用，目前已經(jīng)貢獻(xiàn)Xilinx另外的40%的營(yíng)業(yè)收入來(lái)源，前景非常具有爆發(fā)式成長(zhǎng)動(dòng)能。

展望2017的目標(biāo)，第一，Xilinx設(shè)定工業(yè)物聯(lián)網(wǎng)(IIoT)的應(yīng)用，從工業(yè)設(shè)備常用的PLC應(yīng)用，以及透過(guò)IEEE TSN、OPC-UA的工業(yè)通訊協(xié)議的整合，以掌握實(shí)時(shí)性的信息，開發(fā)工業(yè)應(yīng)用，第二，面對(duì)機(jī)器學(xué)習(xí)的算法與相關(guān)的FPGA設(shè)計(jì)工具的加強(qiáng)，加快協(xié)助客戶做到人工智能功能的快速部署，以達(dá)到更卓越的效能需求，并能同時(shí)降低開發(fā)成本。