Hussein Osman, Segment Marketing Director bei Lattice Semiconductor – Interview-Serie

Hussein Osman ist ein Veteran der Halbleiterindustrie mit über zwei Jahrzehnten Erfahrung in der Markteinführung von Silizium- und Softwareprodukten, die Sensing-, Processing- und Connectivity-Lösungen integrieren, mit Fokus auf innovative Erfahrungen, die dem Endbenutzer Wert bieten. In den letzten fünf Jahren hat er die Strategie und den Markteintritt von Lattice Semiconductors sensAI-Lösung geleitet und hochleistungsfähige AI/ML-Anwendungen entwickelt. Herr Osman hat seinen Bachelor-Abschluss in Elektrotechnik von der California Polytechnic State University in San Luis Obispo erhalten.

Lattice Semiconductor (LSCC ) ist ein Anbieter von low-power-programmierbaren Lösungen, die in den Bereichen Kommunikation, Computing, Industrie, Automotive und Verbraucher verwendet werden. Die low-power-FPGAs und Software-Tools des Unternehmens sind darauf ausgelegt, die Entwicklung zu beschleunigen und Innovationen über alle Anwendungen hinweg zu unterstützen, von der Edge bis zur Cloud.

KI an der Edge gewinnt an Fahrt, da Unternehmen nach Alternativen zur cloud-basierten KI-Verarbeitung suchen. Wie sehen Sie diese Veränderung die Halbleiterindustrie beeinflussen, und welche Rolle spielt Lattice Semiconductor bei dieser Transformation? 

KI an der Edge gewinnt absolut an Fahrt, und das liegt daran, dass sie ganze Märkte revolutionieren kann. Unternehmen aus verschiedenen Branchen setzen auf KI an der Edge, da sie schneller, effizienter und sicherer arbeiten können – insbesondere in Echtzeit-Anwendungen – als mit Cloud-Computing allein. Das ist der Teil, auf den die meisten Menschen achten: Wie KI an der Edge Geschäftsprozesse verändert, wenn sie implementiert wird. Aber es gibt diese andere Reise, die parallel dazu stattfindet, und die beginnt lange vor der Implementierung.

Die Innovation bei KI an der Edge zwingt die Hersteller von Originalgeräten, Systemkomponenten zu entwerfen, die AI-Modelle trotz Fußabdruck-Beschränkungen ausführen können. Das bedeutet leichte, optimierte Algorithmen, spezialisierte Hardware und andere Fortschritte, die die Leistung ergänzen und/oder verstärken. Hier kommt Lattice Semiconductor ins Spiel.

Unsere Field Programmable Gate Arrays (FPGAs) bieten die hoch anpassbaren Hardware, die Designer benötigen, um strenge Systemanforderungen in Bezug auf Latenz, Leistung, Sicherheit, Konnektivität, Größe und mehr zu erfüllen. Sie bieten eine Grundlage, auf der Ingenieure Geräte entwickeln können, die in der Lage sind, mission-kritische Automotive-, Industrie- und Medizin-Anwendungen funktionsfähig zu halten. Dies ist ein wichtiger Fokusbereich für unsere aktuelle Innovation, und wir sind begeistert, Kunden bei der Überwindung von Herausforderungen zu helfen und die Ära von KI an der Edge mit Zuversicht zu begrüßen.

Welche sind die wichtigsten Herausforderungen, denen Unternehmen bei der Implementierung von KI an der Edge gegenüberstehen, und wie können FPGAs diese Probleme effektiver als traditionelle Prozessoren oder GPUs lösen?

Sie wissen, einige Herausforderungen scheinen wirklich universal zu sein, wenn jede Technologie fortschreitet. Zum Beispiel werden Entwickler und Unternehmen, die die Macht von KI an der Edge nutzen möchten, wahrscheinlich mit gemeinsamen Herausforderungen wie folgenden zu kämpfen haben:

• Ressourcenmanagement. Geräte mit KI an der Edge müssen komplexe Prozesse zuverlässig ausführen, während sie innerhalb zunehmend begrenzter Rechen- und Batteriekapazitäten arbeiten.
• Obwohl KI an der Edge die Privatsphäre-Vorteile der lokalen Datenverarbeitung bietet, wirft sie andere Sicherheitsbedenken auf, wie die Möglichkeit der physischen Manipulation oder die Verwundbarkeiten, die mit kleineren Modellen einhergehen.
• KI-Ökosysteme an der Edge können extrem vielfältig in Bezug auf Hardware-Architekturen und Rechenanforderungen sein, was es schwierig macht, Aspekte wie Datenmanagement und Modell-Updates im großen Maßstab zu straffen.

FPGAs bieten Unternehmen einen Vorteil bei der Lösung dieser wichtigen Probleme durch ihre Kombination aus effizienter paralleler Verarbeitung, geringem Stromverbrauch, Hardware-Sicherheitsfunktionen und Anpassungsfähigkeit. Obwohl diese wie Marketing-Schlagwörter klingen, sind sie wesentliche Funktionen zur Lösung der wichtigsten Schmerzpunkte von KI an der Edge.

FPGAs wurden traditionell für Funktionen wie Bridging und I/O-Erweiterung verwendet. Was macht sie besonders gut für Anwendungen von KI an der Edge?

Ja, Sie haben absolut recht, dass FPGAs im Bereich der Konnektivität hervorragend sind – und das ist Teil dessen, was sie so leistungsfähig in Anwendungen von KI an der Edge macht. Wie Sie erwähnt haben, haben sie anpassbare I/O-Ports, die es ihnen ermöglichen, mit einer Vielzahl von Geräten und Kommunikationsprotokollen zu kommunizieren. Darüber hinaus können sie Funktionen wie Bridging und Sensor-Fusion ausführen, um einen nahtlosen Datenaustausch, die Aggregation und Synchronisation zwischen verschiedenen Systemkomponenten zu gewährleisten, einschließlich Legacy- und Emerging-Standards. Diese Funktionen sind besonders wichtig, da heutige KI-Ökosysteme an der Edge komplexer werden und der Bedarf an Interoperabilität und Skalierbarkeit zunimmt.

Können Sie erklären, wie low-power-FPGAs im Vergleich zu GPUs und ASICs in Bezug auf Effizienz, Skalierbarkeit und Echtzeit-Verarbeitungsfähigkeiten für KI an der Edge abschneiden?

Ich werde nicht so tun, als ob Hardware wie GPUs und ASICs nicht die Rechenleistung haben, um Anwendungen von KI an der Edge zu unterstützen. Sie haben sie. Aber FPGAs haben wirklich eine “Kante” gegenüber diesen anderen Komponenten in Bereichen wie Latenz und Anpassungsfähigkeit. Zum Beispiel können sowohl GPUs als auch FPGAs parallele Verarbeitung ausführen, aber GPU-Hardware ist für breite Anwendungen konzipiert und nicht so gut geeignet, um spezifische Anwendungen von KI an der Edge zu unterstützen, wie die von FPGAs. Andererseits sind ASICs speziell für bestimmte Anwendungen konzipiert, aber ihre feste Funktionalität bedeutet, dass sie für wesentliche Änderungen in der Verwendung umgestaltet werden müssen. FPGAs sind darauf ausgelegt, das Beste aus beiden Welten zu bieten; sie bieten die geringe Latenz, die mit benutzerdefinierten Hardware-Pipelines einhergeht, und Raum für post-deployment-Modifikationen, wenn KI-Modelle aktualisiert werden müssen.

Wie tragen Lattices FPGAs zur Entscheidungsfindung durch KI an der Edge bei, insbesondere in Branchen wie Automotive, industrieller Automatisierung und IoT?

Die parallele Verarbeitungsfähigkeit von FPGAs ist ein guter Ausgangspunkt. Im Gegensatz zu sequenziellen Prozessoren ermöglicht die Architektur von FPGAs es, viele Aufgaben parallel auszuführen, einschließlich KI-Berechnungen, wobei alle konfigurierbaren Logikblöcke unterschiedliche Operationen gleichzeitig ausführen. Dies ermöglicht die hohe Durchsatzleistung, geringe Latenz und die Verarbeitung in Echtzeit, die für Anwendungen in den wichtigsten vertikalen Märkten, die Sie genannt haben, erforderlich sind – sei es in autonomen Fahrzeugen, intelligenten industriellen Robotern oder sogar intelligenten Haushaltsgeräten oder Wearables im Gesundheitswesen. Darüber hinaus können sie für bestimmte KI-Arbeitslasten angepasst und leicht im Feld neu programmiert werden, wenn Modelle und Anforderungen im Laufe der Zeit evolvieren. Schließlich bieten sie Hardware-Sicherheitsfunktionen, um sicherzustellen, dass KI-gesteuerte Systeme von der Boot-Zeit bis zur Datenverarbeitung und darüber hinaus sicher bleiben.

Welche realen Anwendungsfälle gibt es, in denen Lattices FPGAs die Leistung, Sicherheit oder Effizienz von KI an der Edge deutlich verbessert haben?

Gute Frage! Eine Anwendung, die ich wirklich faszinierend finde, ist die Art und Weise, wie Ingenieure Lattice-FPGAs verwenden, um die nächste Generation intelligenter, KI-gesteuerter Roboter zu betreiben. Intelligente Roboter benötigen Echtzeit-Verarbeitungsfähigkeiten auf dem Gerät, um eine sichere Automatisierung zu gewährleisten, und das ist genau das, was KI an der Edge liefern soll. Nicht nur steigt die Nachfrage nach diesen Assistenten, sondern auch die Komplexität und Raffinesse ihrer Funktionen. Auf einer kürzlichen Konferenz demonstrierte das Lattice-Team, wie die Verwendung von FPGAs es ermöglichte, dass ein intelligenter Roboter die Flugbahn eines Balles verfolgte und ihn in der Luft fing, was zeigt, wie schnell und präzise diese Maschinen sein können, wenn sie mit den richtigen Technologien ausgestattet sind.

Wie stellt Lattice sicher, dass seine FPGAs im Wettbewerb mit speziellen KI-Chips, die von größeren Halbleiterunternehmen entwickelt werden, bestehen?

Es gibt keinen Zweifel, dass die Jagd nach KI-Chips viel von der Halbleiterindustrie antreibt – schauen Sie sich nur an, wie Unternehmen wie Nvidia (NVDA ) von der Herstellung von Grafikkarten für Videospiele zu KI-Branchenriesen geworden sind. Dennoch bringt Lattice einzigartige Stärken mit, die uns hervorheben, selbst wenn der Markt immer gesättigter wird.

FPGAs sind nicht nur ein Komponent, in den wir investieren, weil die Nachfrage steigt; sie sind ein wichtiger Teil unseres Kernproduktangebots. Die Stärken unserer FPGA-Angebote – von Latenz und Anpassungsfähigkeit bis hin zu Leistungsaufnahme und Skalierbarkeit – sind das Ergebnis jahrelanger technischer Entwicklung und Verfeinerung. Wir bieten auch eine vollständige Palette von Branchen führenden Software- und Lösungsstapeln, die darauf ausgelegt sind, die Nutzung von FPGAs in KI-Entwürfen und darüber hinaus zu optimieren.

Wie spielt die Anpassungsfähigkeit von FPGAs eine Rolle bei ihrer Fähigkeit, sich an entwickelnde KI-Modelle und -Arbeitslasten anzupassen?

Im Gegensatz zu festen Hardware kann FPGAs nach der Auslieferung umgestaltet und neu programmiert werden. Diese inhärente Anpassungsfähigkeit ist wahrscheinlich ihr größter Unterschied, insbesondere bei der Unterstützung von sich entwickelnden KI-Modellen und -Arbeitslasten. Angesichts der Dynamik des KI-Landschafts müssen Entwickler in der Lage sein, Algorithmus-Updates, wachsende Datensätze und andere wesentliche Änderungen zu unterstützen, ohne sich um ständige Hardware-Upgrades sorgen zu müssen.

Wie helfen Lattices FPGAs Unternehmen, den Kompromiss zwischen Leistung, Stromverbrauch und Kosten bei der Bereitstellung von KI an der Edge zu meistern?

Letztendlich sollten Entwickler nicht zwischen Leistung und Möglichkeit wählen müssen. Ja, Anwendungen an der Edge sind oft durch Rechenbeschränkungen, Leistungsbeschränkungen und erhöhte Latenz eingeschränkt. Aber mit Lattices FPGAs sind Entwickler mit flexibler, energiesparender und skalierbarer Hardware ausgestattet, die in der Lage ist, diese Herausforderungen zu mildern. Anpassbare I/O-Schnittstellen ermöglichen beispielsweise die Konnektivität zu verschiedenen Anwendungen an der Edge, während die Komplexität reduziert wird.

Wie sehen Sie die Zukunft der KI-Hardware in den nächsten 5-10 Jahren, insbesondere im Hinblick auf KI an der Edge und energiesparende Verarbeitung?

Geräte an der Edge müssen schneller und leistungsfähiger werden, um die Rechen- und Energieanforderungen der immer komplexeren KI- und ML-Algorithmen zu bewältigen, die Unternehmen benötigen, um zu gedeihen – insbesondere, da diese Anwendungen immer häufiger werden. Die Fähigkeiten der dynamischen Hardware-Komponenten, die Edge-Anwendungen unterstützen, müssen sich parallel dazu anpassen und kleiner, intelligenter und integrierter werden. FPGAs müssen ihre bestehende Flexibilität ausbauen und bieten niedrige Latenz und niedrigen Stromverbrauch für höhere Anforderungen. Mit diesen Fähigkeiten werden FPGAs weiterhin dazu beitragen, dass Entwickler KI-Modelle leicht umprogrammieren und anpassen können, um die Bedürfnisse von sich entwickelnden Modellen zu erfüllen – sei es für komplexere autonome Fahrzeuge, industrielle Automatisierung, intelligente Städte oder darüber hinaus.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Lattice Semiconductor besuchen.