尽管ASIC在性能功耗上往往有更好的表现，不过我们发现，在一片红海的AI芯片市场中，FPGA凭借自己独特的优势占有了一席之地。甚至有媒体报道称，FPGA是AI芯片的终极未来。
这一观点是否准确我们暂且不论，但它的确在AI芯片领域引起了不少波澜，也不禁让我们想要问一句，“AI芯片新救星?FPGA真的这么神吗?”
一、FPGA届的肯德基跟麦当劳：赛灵思vs英特尔Altera
FPGA(Field-Programmable Gate Array)即现场可编程门阵列，其灵活性介于CPU、GPU等通用处理器和专用集成电路ASIC之间，在硬件固定的前提下，允许使用者灵活使用软件进行编程。它的开发周期比ASIC短，不过相对于批量出货ASIC，单个FPGA的成本会更高。
由于FPGA容错空间相对更大，以前FPGA常被用作ASIC芯片流片前的硬件验证方法。
目前，FPGA芯片的主要四家生产厂家都在美国：Xilinx(赛灵思)、Altera(阿尔特拉)、Lattice(莱迪思)和Microsemi(美高森美)。它们一共占了98%以上的市场份额，其中，绝大多数市场被赛灵思和Altera瓜分，赛灵思约占49%，Altera约占39%。
近三年，FPGA行业完成了多项并购。2015年6月，英特尔宣布以167亿美元收购Altera(阿尔特拉)。2016年上半年，紫光在公开市场收购莱迪思6.07%的股权，同年11月莱迪思被Canyon Bridge以13亿美元收购，但此案一直没有获得美国监管单位同意。
这些并购案并未影响到FPGA在AI芯片市场的整体格局。几乎二分天下的赛灵思和英特尔确立了相似的FPGA战略布局，均将重心放在了数据中心市场，并都致力于让FPGA编程更简单。
1、FPGA的创造者——赛灵思
说到FPGA，绝对避不开的公司就是赛灵思，因为这项芯片技术就是赛灵思开创的。从2011年起，赛灵思提出全可编程(All Programmale)理念，将FPGA技术从传统的通讯、航空、国防等领域拓展到了AI和云计算领域的应用。
去年12月，智东西曾对赛灵思全球销售和市场部亚太及日本地区高级总监周海天进行深度专访(对话赛灵思：33年老牌芯片厂如何在AI浪潮里新兴业务年增46%)，周海天告诉智东西，16nm产品是赛灵思众多产品线中最受AI应用厂商欢迎的产品，其尖端技术能将更多可编程应用逻辑元件集成在芯片上，满足AI对强大计算能力的需求。
作为FPGA行业长期的霸主，赛灵思拥有超过2万家下游客户，其中亚马逊AWS、以及中国的BAT云服务巨头都是它的客户。
今年3月，赛灵思新CEO Victor Peng上任之后不久，就宣布了赛灵思在AI时代的三大战略布局：数据中心优先、加速八大主流市场发展、以及重磅推出全新一代AI芯片架构ACAP。
首款代号为“珠穆朗玛峰(Everest)”的ACAP AI芯片新品将采用台积电7nm工艺打造，今年内实现流片，2019年向客户交付发货。(首发!赛灵思推颠覆性AI芯片 正面宣战英伟达英特尔)
而在终端AI方面，赛灵思则在今年收购了国内三大AI芯片独角兽之一的深鉴科技，主攻终端人工智能。深鉴科技是国内少数以FPGA切入AI芯片、并取得不错成果的代表性玩家之一。(突发!AI芯片独角兽深鉴科技被美国赛灵思收购)
此外，赛灵思FPGA也长期深耕在车用领域，适用于处理越来越复杂的先进驾驶辅助系统(ADAS)和自动驾驶。
某AI芯片创业公司CEO透露，相较其他进入自动驾驶车市场的AI芯片公司，只有赛灵思有车规级的 FPGA，L1-L3层找不到比赛灵思性价比更高的平台， 因此赛灵思至少在5年内有较好的市场契机。
2、英特尔收购Altera
另一个FPGA行业不得不提的大事就是英特尔收购Altera。为了增强其在AI芯片领域的竞争力，2015年，英特尔以167亿美元天价收购Altera，这也是迄今为止英特尔史上最大手笔的收购。英特尔随即设立研发FPGA芯片的可编码部门(PSG)。
FPGA是英特尔的AI芯片布局之一，但英特尔最重要的AI芯片项目还是难产多年的Nervana神经网络处理器项目。
英特尔采用双管齐下的FPGA战略：一方面打造CPU-FPGA混合器件，让FPGA与处理器协同工作;另一方面基于Arria FPGA或Stratix FPGA打造可编程加速卡(PAC/programmable acceleration card)。
基于FPGA技术，英特尔已经构建了一个完善的NFV生态，覆盖软硬件厂商、系统集成商、电信运营商、OTT厂商等相关企业。
此外，英特尔还为OME厂商提供一个面向包含FPGA的英特尔至强可扩展处理器的英特尔加速堆栈，进而为客户提供完整的软硬件一体的FPGA解决方案。
英特尔在7月收购芯片公司eASIC后将其并入PSG部门，并随后透露这一收购案主要是为了满足解决客户痛点，满足FPGA客户端的降低成本和能耗需求，并提供可降低16nm、10nm、7nm制程的FPGA产品成本的规模化技术。
目前加速卡还是FPGA进入硬件领域的主要形态之一，不过英特尔已经在进行其他方向、其他形态的探索，并在积极推进和其他数据中心OEM厂商在FPGA方面的合作。
二、FPGA AI芯片市场的主要玩家
近两年来，FPGA在数据中心的应用日益广泛。目前，FPGA服务器已在全球七大超级云计算数据中心IBM、Facebook、微软Azure、AWS、百度云、阿里云、腾讯云得到部署。由于ASIC路线风险高，目前仅有谷歌批量部署TPU。
1、最会玩FPGA的微软AI：BrainWave项目
微软Azure与FPGA的渊源可以追溯到八年前，当时的Bing(必应)搜索引擎无论是搜索结果还是相应速度都比不过谷歌搜索。为了满足Bing的需求，2010年底，一位微软研究员提出了能在FPGA上运行Bing机器学习算法的硬件设计得到了微软的认可。
如今，FPGA在加速数据处理方面的出色表现使它在微软Bing、Azure云计算服务和Office 365中均得到部署。
今年3月26日，微软Bing官方微博宣布通过英特尔Arria FPGA和Stratix FPGA芯片打造出Project Brainwave深度学习加速平台。该平台将DNN处理单元整合入FPGA，支持微软Cognitive Toolkit、谷歌Tensorflow等流行深度学习框架的软件栈，能够执行Bing智能搜寻功能所需的大规模机器阅读理解任务。
在5月微软Build 2018大会上，微软AI芯片Brainwave开放了云端试用版，开发者现在可以接入微软Azure云，试用由Project Brainwave芯片计算平台提供的AI服务。微软称其延迟比谷歌TPU低5倍，正面对标谷歌。Project Brainwave可以看作微软基于英特尔FPGA芯片打造的低延迟AI芯片。
总的来说，微软基于FPGA打造的AI芯片是目前业内最认可的FPGA方案之一。
2、百度XPU
相比微软对英特尔FPGA的专一，百度对FPGA生产厂商的态度更为开放。从2011年起，百度已就开始将FPGA应用到搜索、图像、语音等多个核心业务，它的数据中心、云计算平台和自动驾驶项目都部署了大量的FPGA。
在去年加州Hot Chips大会上，百度发布和赛灵思合作完成的基于FPGA的256核云计算加速芯片XPU。基于FPGA加速器擅长处理计算任务的特点，XPU兼具GPU的通用性和FPGA高效率、低能耗的特点，旨在处理多样化的计算任务，对百度深度学习平台PaddlePaddle优化和加速，并实现性能和效率的平衡。
百度和英特尔已有超过十年的合作历史，近两年双方在AI领域的合作加强。
在今年的百度AI开发者大会上，英特尔人工智能事业部副总裁兼人工智能架构总经理Gadi Singer透露，百度正在开发基于英特尔最新FPGA技术的异构计算平台，这项技术将灵活加速百度云上的工作负载。
3、深鉴科技
深鉴科技是国内一家年轻却履历亮眼的AI芯片公司，前年成立，去年年初估值超过10亿，今年7月18日被全球第一大FPGA厂商赛灵思收购，其科研成果也在国际AI顶级会议屡获大奖。
FPGA开发难度大、周期长(一般需要3-6个月)的高门槛曾将许多公司拒之门外，深鉴从这一痛点嗅到商机。从2016年成立以来，深鉴科技一直基于赛灵思FPGA技术平台开发机器学习解决方案。经深鉴科技优化的神经网络剪枝技术运行在赛灵思FPGA器件上，可实现更优的性能和能效。
该公司提出深度学习处理单元DPU(Deep Learning Processing Unit)系列，为不愿直接使用FPGA的厂商提供了一个带接口的黑盒子。厂商只需把自己的模型训练好，将模型和数据从接口导入，就能直接获得需要的输出。深鉴负责其中的压缩和编译，生成指令可在FPGA上运行。
不过在后期，深鉴科技也开始涉足ASIC AI芯片的设计与流片，曾经发布“听涛”、“观海”两款AI芯片并宣布2018年流片，不过暂时没有看到相关产品信息。
4、腾讯云、华为云、阿里云
近年来，赛灵思和英特尔在中国云服务市场可谓是动作频频，和华为云、阿里云、腾讯云等国内顶尖的云计算服务提供商分别展开合作。
去年年初，腾讯云发布国内首款高性能异构计算基础设施——FPGA云服务器，随后推出基于赛灵思VU9P FPGA卡的FX3实例和基于Intel Stratix10 FPGA卡的FI3实例。
华为云也在今年年初联合赛灵思FPGA宣布在欧洲首次推出华为云FPGA加速云服务器(FACS)平台，该平台搭载了赛灵思高性能 Virtex UltraScale+ VU9P FPGA，为用户提供高性能的FPGA加速云服务。华为云还推出FPGA加速云服务器FP1 DPDK实例和推出了FP1 OpenCL实例。
今年5月，阿里云发布新一代FPGA计算实例F3，采用其自研高性能FPGA加速卡，搭载赛灵思16nm Virtex UltraScale+器件VU9P，提供16个VU9P实力规格，首创统一FPGA SHELL架构和FPGA虚拟化支持方案，使阿里云客户能加速机器学习、数据分析、基因组学和视频处理等多种工作负载。
5、其他玩家
目前，国内能够生产FPGA的公司包括紫光国芯、智多晶和AgateLogic等。而国内深思考人工智能、瑞为智能、深维科技、高云半导体、安路科技、京微雅格等公司，都曾宣布具有基于FPGA的AI芯片开发能力。
紫光国芯是国内上市公司中唯一能够量产FPGA的厂商，其FPGA、ASIC和特种微处理器常年为军方稳定供货。该公司在2016年9月正式推出国内首款内嵌高速接口(serdes)的千万门级高性能FPGA芯片——Pango PGT180H。
深思考人工智能公司在今年3月的GTIC 2018全球AI芯片创新峰会上发布全球首款基于FPGA医疗影像专用AI芯片——M-DPU，该芯片在100秒内可以分类90000个细胞，同时具备先进医学影像算法加速核心和深度学习加速核心。
深思考CEO杨志明告诉智东西，FPGA的研发周期比ASIC快很多，适于算法还在不断演进智慧医疗影像领域。深思考的DPU不是通用DPU，而是面向特定应用领域的DPU，在AI领域的最大优势是DPU与特定领域算法的深度整合，形成面向特定场景的一站式整体解决方案。
瑞为智能是国内最早使用FPGA实现技术路径的AI芯片公司之一，该公司在2015年就做了基于FPGA的AI芯片，满足前端摄像机对高算力和低功耗的需求，并在2016年实现规模商用。其AI芯片能使摄像机的图像处理达到每秒25帧，从而提取清晰的人脸图像供云端识别分析。
除了创企外，国内研究机构如北京大学、清华大学、中国科学院等在基于FPGA的AI芯片领域都有深入研究。比如，北京大学曾联合商汤科技提出一种基于 FPGA 的快速 Winograd 算法，可大幅降低算法复杂度，改善 FPGA 上的 CNN 性能。
三、FPGA在AI芯片行业的发展趋势
目前FPGA在AI芯片行业呈现出几种不同的发展趋势，一个是在FPGA的基础上推出优化架构，一个是最大化程度挖掘FPGA的使用疆域，还有一个是将FPGA作为跳板，逐步转向专用定制芯片ASIC。
1、基于FPGA优化架构
基于FPGA进行优化架构的发展路线以赛灵思为代表。面对价格贵、开发难度大的问题，今年3月，赛灵思发布历时4年、投入超过10亿美元打造的新一代AI芯片架构ACAP，直接宣战英伟达、英特尔处理器，对此智东西曾做深入报道(首发!赛灵思推颠覆性AI芯片 正面宣战英伟达英特尔)。
2、长期最大化使用FPGA
微软则是长期最大化程度挖掘FPGA使用边界的典型玩家。从八年前起，微软就执着于将FPGA作为其核心AI计算平台。从使用装满FPGA的专用服务器集群，到用专用网络连接的FPGA加速卡集群，再到将共享数据中心网络的大规模FPGA云服务，微软一直在尝试FPGA部署的各种可能，寻找将FPGA优势发挥的最优路径。
3、FPGA的终点是ASIC?
目前，业内的主流观点是：随着AI算法的进一步成熟固化，AI芯片最终会走向ASIC——也就是较为固定的芯片架构。
不过，赛灵思CEO Victor Peng持有不同观点，他曾经智东西，AI算法迭代、应用创新的速度还将持续很长一段时间，甚至会维持10-20年之久，因此一款灵活、可应变的计算平台将成为创新的重中之重。
而且，未来最终并不会是一款AI芯片架构统一天下的局面，我们越来越需要能够适应众多AI应用、适应不断变化的AI算法的新型芯片架构出现。
与此同时，英特尔可编程解决方案事业部亚太区市场拓展经理刘斌也认为，FPGA在所有市场领域里都会占有一定的市场份额，从原生市场环境而言，FPGA和ASIC都有一个竞争合作的共生环境。
“专用的ASIC其实还是非常有竞争力的，”刘斌表示，“不过FPGA是在所有的垂直市场都会有一定的份额，这种灵活性和普适性是FPGA最主要的价值。”
某AI芯片创业公司CEO告诉智东西，至少在在深度学习算法稳定前，FPGA都有其生存空间。因为很多公司都发现，刚做完传统算法硬化，过了半年，内部算法团队又把算法换了。
深思考CEO杨志明则认为，FPGA与ASIC融合是AI计算的未来。单纯的ASIC芯片无法完全替代FPGA，也不具备FPGA的灵活性。就如同ASIC到现在都无法在传统领域完全替代FPGA一样，在AI领域，FPGA与ASIC也会分而治之。智慧工业机器人、智慧通信、智慧医疗、智慧装备等领域都是除FPGA以外的其他AI芯片难以介入的应用领域。
结语：深度学习加持，FPGA前景可期
最近一年，AI芯片踏入红海，除了赛灵思、英特尔等传统芯片巨头外，国内外众多AI芯片创企也纷纷加入战场。FPGA的可编程性使软件和终端应用公司能够根据算法灵活修改解决方案，这让它在AI芯片市场愈发有存在感。
当下AI仍处于早期阶段，AI算法正从训练环节走向推理环节，这个过程需要对训练后的模型进行压缩，在基本不损失模型精度的情况下将模型压缩到原来的几十分之一。在这一阶段，AI是向着有利于FPGA发展的方向进行优化和升级的。
FPGA或许只是小众的芯片，但在AI市场上，它的普适性和灵活性都使其有适合发挥其优势的应用场景。在各类AI芯片之间没有拉开绝对差距之前，每一种技术路线都有其发挥更多价值的空间。
