Hussein Osman, Director de Marketing de Segmentos en Lattice Semiconductor – Serie de Entrevistas

Hussein Osman es un veterano de la industria de semiconductores con más de dos décadas de experiencia en llevar al mercado productos de silicio y software que integran soluciones de detección, procesamiento y conectividad, centrándose en experiencias innovadoras que brindan valor al usuario final. En los últimos cinco años, ha liderado la estrategia de solución y esfuerzos de comercialización de sensAI en Lattice Semiconductor, creando aplicaciones de inteligencia artificial y aprendizaje automático de alto rendimiento. El Sr. Osman recibió su licenciatura en Ingeniería Eléctrica de la Universidad Politécnica Estatal de California en San Luis Obispo.

Lattice Semiconductor (LSCC ) es un proveedor de soluciones programables de baja potencia utilizadas en comunicaciones, computación, industria, automoción y mercados de consumo. Los FPGAs y herramientas de software de baja potencia de la empresa están diseñados para ayudar a acelerar el desarrollo y apoyar la innovación en aplicaciones desde el borde hasta la nube.

La inteligencia artificial en el borde está ganando tracción a medida que las empresas buscan alternativas al procesamiento de inteligencia artificial basado en la nube. ¿Cómo ve este cambio impactando a la industria de semiconductores y qué papel juega Lattice Semiconductor en esta transformación? 

La inteligencia artificial en el borde está ganando tracción, y es porque tiene el potencial de revolucionar verdaderamente mercados enteros. Las organizaciones en una amplia gama de sectores se están inclinando hacia la inteligencia artificial en el borde porque les ayuda a lograr operaciones más rápidas, eficientes y seguras, especialmente en aplicaciones en tiempo real, que las que son posibles con la computación en la nube sola. Esa es la parte en la que la mayoría de la gente se enfoca: cómo la inteligencia artificial en el borde está cambiando las operaciones comerciales cuando se implementa. Pero hay este otro viaje que está sucediendo en paralelo, y comienza mucho antes de la implementación.

La innovación en la inteligencia artificial en el borde está empujando a los fabricantes de equipos originales a diseñar componentes de sistema que puedan ejecutar modelos de inteligencia artificial a pesar de las limitaciones de espacio. Eso significa algoritmos ligeras y optimizados, hardware especializado y otras mejoras que complementan y/o amplifican el rendimiento. Es aquí donde Lattice Semiconductor entra en juego.

Nuestros FPGAs proporcionan el hardware altamente adaptable necesario para que los diseñadores cumplan con los requisitos del sistema relacionados con la latencia, la potencia, la seguridad, la conectividad, el tamaño y más. Proporcionan una base sobre la cual los ingenieros pueden construir dispositivos capaces de mantener aplicaciones funcionales críticas para la misión, como las aplicaciones automotrices, industriales y médicas. Esta es un área de enfoque importante para nuestra innovación actual, y estamos emocionados de ayudar a los clientes a superar desafíos y saludar la era de la inteligencia artificial en el borde con confianza.

¿Cuáles son los desafíos clave que enfrentan las empresas al implementar la inteligencia artificial en el borde, y cómo ven que los FPGAs abordan estos problemas de manera más efectiva que los procesadores tradicionales o las GPU?

Sabes, algunos desafíos parecen ser verdaderamente universales a medida que cualquier tecnología avanza. Por ejemplo, los desarrolladores y las empresas que esperan aprovechar el poder de la inteligencia artificial en el borde probablemente lucharán con desafíos comunes, como:

• Administración de recursos. Los dispositivos de inteligencia artificial en el borde deben realizar procesos complejos de manera confiable mientras trabajan dentro de capacidades computacionales y de batería cada vez más limitadas.
• Aunque la inteligencia artificial en el borde ofrece los beneficios de privacidad del procesamiento de datos local, plantea otras preocupaciones de seguridad, como la posibilidad de manipulación física o las vulnerabilidades que vienen con modelos más pequeños.
• Los ecosistemas de inteligencia artificial en el borde pueden ser extremadamente diversos en arquitecturas de hardware y requisitos de computación, lo que hace difícil racionalizar aspectos como la administración de datos y las actualizaciones de modelos a gran escala.

Los FPGAs ofrecen a las empresas una ventaja en la dirección de estos problemas clave a través de su combinación de procesamiento paralelo eficiente, consumo de energía bajo, capacidades de seguridad a nivel de hardware y reconfigurabilidad. Si bien estos pueden sonar como palabras de marketing, son características esenciales para resolver los principales dolores de cabeza de la inteligencia artificial en el borde.

¿Qué hace que los FPGAs sean particularmente adecuados para aplicaciones de inteligencia artificial en el borde?

Sí, tienes razón al decir que los FPGAs sobresalen en el ámbito de la conectividad, y eso es parte de lo que los hace tan poderosos en las aplicaciones de inteligencia artificial en el borde. Como mencionaste, tienen puertos de E/S personalizables que les permiten interfaz con una amplia gama de dispositivos y protocolos de comunicación. Además, pueden realizar funciones como el puente y la fusión de sensores para garantizar un intercambio de datos, agregación y sincronización sin problemas entre diferentes componentes del sistema, incluyendo estándares heredados y emergentes. Estas funciones son particularmente importantes a medida que los ecosistemas de inteligencia artificial en el borde crecen en complejidad y aumenta la necesidad de interoperabilidad y escalabilidad.

Sin embargo, como hemos estado discutiendo, los beneficios de conectividad de los FPGAs son solo la punta del iceberg; también se trata de cómo su adaptabilidad, potencia de procesamiento, eficiencia energética y características de seguridad están impulsando resultados. Por ejemplo, los FPGAs se pueden configurar y reconfigurar para realizar tareas de inteligencia artificial específicas, lo que permite a los desarrolladores adaptar aplicaciones a sus necesidades únicas y cumplir con requisitos en constante evolución.

¿Puede explicar cómo los FPGAs de baja potencia se comparan con las GPU y las ASIC en términos de eficiencia, escalabilidad y capacidades de procesamiento en tiempo real para la inteligencia artificial en el borde?

No pretendo que el hardware como las GPU y las ASIC no tengan la potencia de cómputo para respaldar las aplicaciones de inteligencia artificial en el borde. Lo tienen. Pero los FPGAs tienen verdaderamente una “ventaja” sobre estos otros componentes en áreas como la latencia y la flexibilidad. Por ejemplo, tanto las GPU como los FPGAs pueden realizar procesamiento paralelo, pero el hardware de la GPU está diseñado para un atractivo general y no es tan adecuado para respaldar aplicaciones de borde específicas como el de los FPGAs. Por otro lado, las ASIC están dirigidas a aplicaciones específicas, pero su funcionalidad fija significa que requieren rediseños completos para acomodar cualquier cambio significativo en el uso. Los FPGAs están diseñados para ofrecer lo mejor de ambos mundos; ofrecen la baja latencia que viene con las tuberías de hardware personalizadas y espacio para modificaciones posteriores a la implementación cada vez que los modelos de borde necesitan actualizaciones.

Por supuesto, no hay una sola opción que sea la única correcta. Depende de cada desarrollador decidir qué tiene sentido para su sistema. Deben considerar cuidadosamente las funciones principales de la aplicación, los resultados específicos que están tratando de cumplir y cuán ágil debe ser el diseño desde una perspectiva de futuro. Esto les permitirá elegir el conjunto correcto de componentes de hardware y software para cumplir con sus requisitos, y simplemente sucede que creemos que los FPGAs suelen ser la elección correcta.

¿Cómo mejoran los FPGAs de Lattice la toma de decisiones impulsada por la inteligencia artificial en el borde, particularmente en industrias como la automotriz, la automatización industrial y el IoT?

Las capacidades de procesamiento paralelo de los FPGAs son un buen lugar para comenzar. A diferencia de los procesadores secuenciales, la arquitectura de los FPGAs les permite realizar muchas tareas en paralelo, incluidas computaciones de inteligencia artificial, con todos los bloques de lógica configurables ejecutando operaciones diferentes simultáneamente. Esto permite el alto rendimiento, la baja latencia y el procesamiento necesario para respaldar aplicaciones en tiempo real en los verticales clave que mencionaste, ya sea que estemos hablando de vehículos autónomos, robots industriales inteligentes o incluso dispositivos inteligentes para el hogar o wearables de salud. Además, se pueden personalizar para cargas de trabajo de inteligencia artificial específicas y pueden reprogramarse fácilmente en el campo a medida que los modelos y los requisitos evolucionan con el tiempo. Por último, pero no menos importante, ofrecen características de seguridad a nivel de hardware para garantizar que los sistemas impulsados por la inteligencia artificial permanezcan seguros, desde la inicialización hasta el procesamiento de datos y más allá.

¿Cuáles son algunos casos de uso del mundo real en los que los FPGAs de Lattice han mejorado significativamente el rendimiento, la seguridad o la eficiencia de la inteligencia artificial en el borde?

¡Buena pregunta! Una aplicación que me parece realmente intrigante es la forma en que los ingenieros están utilizando los FPGAs de Lattice para alimentar la próxima generación de robots inteligentes y con inteligencia artificial. Los robots inteligentes requieren capacidades de procesamiento en tiempo real y en el dispositivo para garantizar la automatización segura, y eso es algo que la inteligencia artificial en el borde está diseñada para ofrecer. No solo está aumentando la demanda de estos asistentes, sino que también está aumentando la complejidad y la sofisticación de sus funciones. En una conferencia reciente, el equipo de Lattice demostró cómo el uso de FPGAs permitió a un robot inteligente rastrear la trayectoria de una pelota y atraparla en el aire, mostrando lo rápido y preciso que pueden ser estas máquinas cuando se construyen con las tecnologías adecuadas.

Lo que me parece tan interesante, desde una perspectiva de hardware, es cómo las tácticas de diseño están cambiando para acomodar estas aplicaciones. Por ejemplo, en lugar de confiar únicamente en CPUs o procesadores tradicionales, los desarrolladores están comenzando a integrar FPGAs en la mezcla. El principal beneficio es que los FPGAs pueden interfaz con más sensores y actuadores (y una mayor variedad de estos componentes), mientras también realizan tareas de procesamiento de bajo nivel cerca de estos sensores para liberar el motor de cómputo principal para cálculos más avanzados.

Con la creciente demanda de inferencia de inteligencia artificial en el borde, ¿cómo garantiza Lattice que sus FPGAs sigan siendo competitivos frente a los chips de inteligencia artificial especializados desarrollados por empresas de semiconductores más grandes?

No hay duda de que la búsqueda de chips de inteligencia artificial está impulsando gran parte de la industria de semiconductores, solo mira cómo empresas como Nvidia (NVDA ) se desviaron de crear tarjetas gráficas para videojuegos a convertirse en gigantes de la industria de la inteligencia artificial. Sin embargo, Lattice aporta fortalezas únicas a la mesa que nos hacen destacar incluso a medida que el mercado se vuelve más saturado.

Los FPGAs no son solo un componente en el que estamos eligiendo invertir porque la demanda está en aumento; son una pieza crítica de nuestra línea de productos principal. Las fortalezas de nuestras ofertas de FPGAs, desde la latencia y la programabilidad hasta el consumo de energía y la escalabilidad, son el resultado de años de desarrollo técnico y refinamiento. También proporcionamos una gama completa de soluciones de software y soluciones líderes en la industria, construidas para optimizar el uso de FPGAs en diseños de inteligencia artificial y más allá.

Hemos perfeccionado nuestros FPGAs a través de años de mejora continua impulsada por la iteración en nuestras soluciones de hardware y software y relaciones con socios en toda la industria de semiconductores. Seguiremos siendo competitivos porque seguiremos siendo fieles a ese camino, trabajando con socios de diseño, desarrollo e implementación para garantizar que estemos brindando a nuestros clientes las capacidades técnicas más relevantes y confiables.

¿Qué papel juega la programabilidad en la capacidad de los FPGAs para adaptarse a los modelos y cargas de trabajo de inteligencia artificial en evolución?

A diferencia del hardware de función fija, los FPGAs se pueden volver a herramientar y reprogramar después de la implementación. Esta adaptabilidad inherente es probablemente su mayor diferenciador, especialmente al respaldar modelos y cargas de trabajo de inteligencia artificial en evolución. Considerando lo dinámico que es el paisaje de la inteligencia artificial, los desarrolladores necesitan poder respaldar actualizaciones de algoritmos, conjuntos de datos en crecimiento y otros cambios significativos a medida que ocurren sin preocuparse por mejoras de hardware constantes.

Por ejemplo, los FPGAs ya están desempeñando un papel fundamental en el cambio en curso hacia la criptografía post-cuántica (PQC). A medida que las empresas se preparan contra las amenazas cuánticas inminentes y trabajan para reemplazar esquemas de cifrado vulnerables con algoritmos de próxima generación, están utilizando FPGAs para facilitar una transición sin problemas y garantizar el cumplimiento de los nuevos estándares de PQC.

¿Cómo ayudan los FPGAs de Lattice a las empresas a equilibrar la compensación entre el rendimiento, el consumo de energía y el costo en las implementaciones de inteligencia artificial en el borde?

En última instancia, los desarrolladores no deberían tener que elegir entre rendimiento y posibilidad. Sí, las aplicaciones de borde a menudo se ven obstaculizadas por limitaciones computacionales, restricciones de energía y aumento de la latencia. Pero con los FPGAs de Lattice, los desarrolladores están empoderados con hardware flexible, eficiente en términos de energía y escalable que es más que capaz de mitigar estos desafíos. Las interfaces de E/S personalizables, por ejemplo, permiten la conectividad a diversas aplicaciones de borde mientras reducen la complejidad.

La modificación posterior a la implementación también facilita ajustar para respaldar las necesidades de los modelos en evolución. Más allá de esto, el preprocesamiento y la agregación de datos pueden ocurrir en los FPGAs, reduciendo la carga de energía y computacional en los procesadores de borde, reduciendo la latencia y, a su vez, reduciendo los costos y aumentando la eficiencia del sistema.

¿Cómo vislumbra el futuro de la inteligencia artificial en el hardware evolucionando en los próximos 5-10 años, particularmente en relación con la inteligencia artificial en el borde y el procesamiento eficiente en términos de energía?

Los dispositivos de borde necesitarán ser más rápidos y más potentes para manejar las demandas de cómputo y energía de los algoritmos de inteligencia artificial y aprendizaje automático cada vez más complejos que las empresas necesitan prosperar, especialmente a medida que estas aplicaciones se vuelven más comunes. Las capacidades de los componentes de hardware dinámicos que respaldan las aplicaciones de borde necesitarán adaptarse en conjunto, volviéndose más pequeños, inteligentes y más integrados. Los FPGAs necesitarán expandir su flexibilidad existente, ofreciendo capacidades de baja latencia y baja potencia para niveles más altos de demanda. Con estas capacidades, los FPGAs seguirán ayudando a los desarrolladores a reprogramar y reconfigurar con facilidad para satisfacer las necesidades de los modelos en evolución, ya sea para vehículos autónomos más sofisticados, automatización industrial, ciudades inteligentes o más allá.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Lattice Semiconductor.