欢迎来到深圳瑞桑电子设备有限公司

行业动态

“新基建”浪潮之下,半导体产业将迎来超级机会

作者:admin 发布时间:2020-06-18 04:29点击:

“新基建”概念的提出算是为接下来数据量的大规模爆发揭开了一个引子,这意味着我们正进入一个庞大的数据交互时代。而作为底层支撑要素,半导体产业随着摩尔定律的逐渐失效,而面临着较大挑战。

“我们认为今天的技术创新和芯片的迭代周期变成了一种非常不匹配的节奏,世界在呼唤一种自适应的计算。它不被芯片的设计周期所限制,但又能同时在算法演进、行业标准推进的时候来支撑你的这些想法,在有任何不同改动的时候,我们能够提供一种硬件,让你自适应地去满足这些需求。”在近日由FPGA龙头企业赛灵思组织的大中华区核心市场中国媒体沟通会上,赛灵思大中华区销售副总裁唐晓蕾分析道。

她指出,因此既不能做一种单一架构的计算;也不能去做一个特别灵活、基于单一计算的架构,因为单一计算会阻碍计算能力;而针对不同应用去设计一些芯片,又会影响创新速度。这被定义为“异构计算的时代”,也是赛灵思近年来推出自适应计算加速平台的原因所在。

?数据大爆炸时代实际上从AI+5G应用的陆续到来就成为了必然趋势,而“新基建”概念的确立则是进一步推动了这种数据需求的确定性和扩大化。

唐晓蕾指出,“新基建”的主要目标,是“为了数据做事情”。本质而言,是怎么样做基建能够把数据的能量释放出来,能够为了这些数据更好地流通、更好地产生一些改变生活的东西而提出来的基础设施场景。

“那么,随着数据的交互就会发现,在4G或是互联网时代,传统的基建里,数据还是离整个服务应用比较远。当数据产生了一种引力之后,它会吸引所有的服务、应用往数据端去靠近,这样就产生了边缘的智能计算。”她进一步表示。

而当端、管、云互相作用之后,针对数据,还需要云端的大脑进行数据处理,管道完成数据传输,端侧需要服务器和智能计算将数据收集并将之变成有意义的数据,这样才能将数据能力释放,而这也正式新基建的核心要义。

“新基建是一个世界性的趋势,比如德国推进的智能工厂、美国的云计算等,我们中国只是把这些作为整体数据的发力点去做,这样能够尽快把数据红利释放出来。”唐晓蕾总结道。

当前可能还可以被视为是数据爆炸的黎明时代,但半导体的迭代速度不复往昔,产业迫切需要新的思路来推动。

“芯片设计在往前演进的时候,产品的迭代周期在越来越慢,特别是进入到20纳米制程之后。但创新会让数据量的需求不同、不断改变,到了今天这样的智能世界,整个算法的演进是非常非常快的,行业的标准在不停地从各种维度改变对创新的要求。我们在两三年前就发现异构计算将会是整个世界需要的一种计算模式。”唐晓蕾补充道,基于此,实际上这个世界的运转也在越来越由软件驱动,因此也迫切需要一个全硬件、可编程的平台来解决这些诉求。

基于当前的机会,唐晓蕾表示,从赛灵思来看,“新基建”中的5G、数据中心、人工智能会带领着走向数字产业化,轨道交通、新能源、汽车充电桩、工业物联网则是推动着产业的数字化进程。

“我们整体的规划是认为,这些传统行业都会越来越把智能化变成一个切入点,然后怎么样能够做一些有效的处理,把数据变成有价值的信息提供到整个的设备网络中去。举个简单的例子,像智能灯杆,可能是传统的一个灯变成所有通讯、照明、人类日常生活的节点。在这个过程中,赛灵思的机会就已经开始慢慢的在扩大,它可以在5G的小基站上面有一些市场份额,可能也会在传统的智能相机方面也有份额。所以,我们也是在跟各种不同的行业组织在做融合。同样,我们也是坚定的相信,这些行业都会变得越来越聪明、越来越智能,也会越来越多的使用赛灵思的自适应计算平台。”她总结表示。

也正是在中国国产自主芯片发展过程中,赛灵思所在的FPGA赛道正扮演着越来越重要的角色。

赛灵思大中华区核心市场总监酆毅在分享时表示,“事实上作为自主芯片,ASIC也好,ASP也好,他在做开发过程中的仿真与原型设计,绝大多数的主要应用都是通过FPGA来实现的,而赛灵思有业界完整的能力服务助力中国开发自己的半导体产品。”

基于当前的技术演进进程,酆毅指出,前面提到的所谓数据引力,一方面是数据的物理限制导致了本地化部署的需求;另一方面其实是数据的质量,同时也把计算推向了边缘。

因此在探索方向上,赛灵思希望主推的领域是汽车,汽车本身既是一个巨大的数据源,也是一个巨大的数据消耗源,同时对所有的数据的引力和数据的时延的诉求都非常高,且产业本身也在自我革命。另外则是工业和专业音视频,尤其专业音视频本身也是一个数据库。

“事实上,传统车厂所代表的乘用车驾驶,它对ADAS智能驾驶的演进所带来的需求和非传统车厂所代表的服务驱动的需求,是非常不同、变化非常多端的。对于一个芯片运算平台,要能够适应这样的需求,其实是一个极大的挑战。”酆毅指出。

举例来说,目前可以看到当视觉和激光雷达所探测的目标两种探测的结果进行融合后,已经至少造成了1/3个车身长度的延时,这自动驾驶有着极大隐患,也就意味着错过了1/3的时间窗口。而通过赛灵思异构计算的平台,能够同时并行处理在一个环境中,将激光雷达和视觉处理完美地融合在一起,实时响应在一起,多传感器的同步和融合所带来的系统整体响应时间才是最关键的一个自动驾驶的一个成功的一个案例。

“最终目的是整体系统响应时间才是最关键的,机器学习只不过是所有处理过程中的一个组成部分,尤其是在自动驾驶里,拯救的是多传感器、不同来源数据的综合融合和同步。这里事实上是整个系统的回馈时间才是最关键的。”他表示。

“所有新兴的技术革命或者新兴的事物出现,其实都有一个迭代过程。从芯片本身来讲,异构计算的架构,芯片对汽车这个行业所带来这么多不同数据的整合和计算能力的要求,这当然是个技术问题。但是,同时推动自动驾驶或者智能驾驶也需要政府的政策作为推手。因为从传统车厂感觉来说,它的安全性、客户保有性可能要远远高于技术的激进革命性。我们看到在中国提出的‘新基建’概念里,把智能驾驶汽车和人工智能配合在一起,也因此认为,这很可能是在中国率先实现产业化的领域。”

新闻资讯
相关产品