Hussein Osman, Directeur du Marketing de Segment chez Lattice Semiconductor – Série d’entretiens

Hussein Osman est un vétéran de l’industrie des semi-conducteurs avec plus de deux décennies d’expérience dans la mise sur le marché de produits de silicium et de logiciels qui intègrent des solutions de détection, de traitement et de connectivité, en se concentrant sur des expériences innovantes qui apportent de la valeur à l’utilisateur final. Au cours des cinq dernières années, il a dirigé la stratégie de solution sensAI et les efforts de lancement sur le marché chez Lattice Semiconductor, créant des applications haute performance AI/ML. M. Osman a obtenu son diplôme de bachelor en génie électrique de l’Université d’État polytechnique de Californie à San Luis Obispo.

Lattice Semiconductor (LSCC ) est un fournisseur de solutions programmables à faible consommation d’énergie utilisées dans les marchés des communications, de l’informatique, de l’industrie, de l’automobile et de la consommation. Les FPGAs et les outils logiciels à faible consommation d’énergie de l’entreprise sont conçus pour aider à accélérer le développement et à soutenir l’innovation dans les applications allant de la périphérie au Cloud.

L’IA de périphérie gagne en popularité alors que les entreprises cherchent des alternatives au traitement de l’IA basé sur le cloud. Comment voyez-vous cet changement affecter l’industrie des semi-conducteurs, et quel rôle Lattice Semiconductor joue-t-il dans cette transformation ? 

L’IA de périphérie gagne absolument en popularité, et c’est parce qu’elle a le potentiel de révolutionner véritablement des marchés entiers. Les organisations de tous les secteurs se tournent vers l’IA de périphérie parce qu’elle leur permet d’obtenir des opérations plus rapides, plus efficaces et plus sécurisées — en particulier dans les applications en temps réel — que ce qui est possible avec le seul traitement cloud. C’est la partie sur laquelle la plupart des gens se concentrent : comment l’IA de périphérie change les opérations commerciales lors de sa mise en œuvre. Mais il y a ce autre voyage qui se déroule en parallèle, et il commence bien avant la mise en œuvre.

L’innovation dans l’IA de périphérie pousse les fabricants d’équipements d’origine à concevoir des composants de système qui peuvent exécuter des modèles d’IA malgré les contraintes de pied. Cela signifie des algorithmes légers et optimisés, un matériel spécialisé et d’autres progrès qui complètent et/ou amplifient les performances. C’est là que Lattice Semiconductor entre en jeu.

Nos FPGAs (Field Programmable Gate Arrays) fournissent le matériel hautement adaptable nécessaire aux concepteurs pour répondre aux exigences de système strictes liées à la latence, à la puissance, à la sécurité, à la connectivité, à la taille et plus encore. Ils fournissent une base sur laquelle les ingénieurs peuvent construire des appareils capables de maintenir des applications automobiles, industrielles et médicales fonctionnelles. C’est une grande zone de concentration pour notre innovation actuelle, et nous sommes ravis de aider les clients à surmonter les défis et à accueillir l’ère de l’IA de périphérie avec confiance.

Quels sont les principaux défis que les entreprises rencontrent lors de la mise en œuvre de l’IA de périphérie, et comment les FPGAs résolvent-ils ces problèmes plus efficacement que les processeurs traditionnels ou les GPU ?

Vous savez, certains défis semblent être vraiment universels à mesure que la technologie progresse. Par exemple, les développeurs et les entreprises qui espèrent exploiter le pouvoir de l’IA de périphérie devront probablement lutter contre des défis courants, tels que:

• La gestion des ressources. Les appareils d’IA de périphérie doivent effectuer des processus complexes de manière fiable tout en travaillant dans des capacités de calcul et de batterie de plus en plus limitées.
• Bien que l’IA de périphérie offre les avantages de la confidentialité du traitement des données locaux, elle soulève d’autres préoccupations de sécurité, telles que la possibilité de manipulation physique ou les vulnérabilités qui accompagnent les modèles à plus petite échelle.
• Les écosystèmes d’IA de périphérie peuvent être extrêmement diversifiés en termes d’architectures matérielles et d’exigences de calcul, ce qui rend difficile la rationalisation d’aspects tels que la gestion des données et la mise à jour des modèles à grande échelle.

Les FPGAs offrent aux entreprises un avantage dans la résolution de ces problèmes clés grâce à leur combinaison de traitement parallèle efficace, de faible consommation d’énergie, de capacités de sécurité au niveau du matériel et de reconfigurabilité. Même si ces fonctionnalités peuvent sembler des mots clés marketing, elles sont essentielles pour résoudre les principaux points de douleur de l’IA de périphérie.

Les FPGAs ont traditionnellement été utilisés pour des fonctions telles que le pontage et l’extension d’E/S. Qu’est-ce qui les rend particulièrement adaptés aux applications d’IA de périphérie ?

Oui, vous avez tout à fait raison que les FPGAs excellent dans le domaine de la connectivité — et c’est une partie de ce qui les rend si puissants dans les applications d’IA de périphérie. Comme vous l’avez mentionné, ils ont des ports d’E/S personnalisables qui leur permettent de communiquer avec une large gamme d’appareils et de protocoles de communication. En outre, ils peuvent effectuer des fonctions telles que le pontage et la fusion de capteurs pour assurer un échange de données, une agrégation et une synchronisation sans faille entre les différents composants du système, y compris les normes héritées et émergentes. Ces fonctions sont particulièrement importantes à mesure que les écosystèmes d’IA de périphérie d’aujourd’hui deviennent plus complexes et que le besoin d’interopérabilité et de scalabilité augmente.

Cependant, comme nous l’avons discuté, les avantages de connectivité des FPGAs ne sont que la pointe de l’iceberg ; il s’agit également de la façon dont leur adaptabilité, leur puissance de traitement, leur efficacité énergétique et leurs fonctionnalités de sécurité conduisent à des résultats. Par exemple, les FPGAs peuvent être configurés et reconfigurés pour effectuer des tâches d’IA spécifiques, permettant aux développeurs de personnaliser les applications en fonction de leurs besoins uniques et de répondre à des exigences évolutives.

Pouvez-vous expliquer comment les FPGAs à faible consommation d’énergie se comparent aux GPU et aux ASIC en termes d’efficacité, de scalabilité et de capacités de traitement en temps réel pour l’IA de périphérie ?

Je ne prétendrai pas que le matériel comme les GPU et les ASIC n’ont pas la puissance de calcul pour supporter les applications d’IA de périphérie. Ils l’ont. Mais les FPGAs ont vraiment un « avantage » sur ces autres composants dans d’autres domaines tels que la latence et la flexibilité. Par exemple, les GPU et les FPGAs peuvent effectuer un traitement parallèle, mais le matériel GPU est conçu pour un attrait large et n’est pas aussi bien adapté pour supporter des applications d’IA de périphérie spécifiques comme celui des FPGAs. D’un autre côté, les ASIC sont ciblés pour des applications spécifiques, mais leur fonctionnalité fixe signifie qu’ils nécessitent des conceptions complètes pour tout changement significatif dans l’utilisation. Les FPGAs sont conçus pour offrir le meilleur des deux mondes ; ils offrent la faible latence qui accompagne les pipelines de matériel personnalisés et de l’espace pour les modifications post-déploiement chaque fois que les modèles d’IA de périphérie doivent être mis à jour.

Bien sûr, aucune option n’est la seule bonne. C’est à chaque développeur de décider ce qui a du sens pour son système. Ils devraient soigneusement considérer les fonctions principales de l’application, les résultats spécifiques qu’ils tentent de réaliser et à quel point la conception doit être agile d’un point de vue de protection contre les futures mises à jour. Cela leur permettra de choisir le bon ensemble de composants matérielles et logicielles pour répondre à leurs exigences — nous pensons simplement que les FPGAs sont généralement le bon choix.

Comment les FPGAs de Lattice améliorent-ils la prise de décision basée sur l’IA à la périphérie, en particulier dans des secteurs tels que l’automobile, l’automatisation industrielle et l’Internet des objets ?

Les capacités de traitement parallèle des FPGAs sont un bon point de départ. Contrairement aux processeurs séquentiels, l’architecture des FPGAs leur permet d’effectuer de nombreuses tâches en parallèle, y compris les calculs d’IA, avec tous les blocs logiques configurables exécutant des opérations différentes simultanément. Cela permet un débit élevé, un traitement à faible latence nécessaire pour supporter les applications en temps réel dans les secteurs clés que vous avez mentionnés — que nous parlions de véhicules autonomes, de robots industriels intelligents ou même de dispositifs intelligents pour la maison ou de dispositifs de soins de santé portables. De plus, ils peuvent être personnalisés pour des charges de travail d’IA spécifiques et facilement reprogrammés sur le terrain à mesure que les modèles et les exigences évoluent avec le temps. Enfin, ils offrent des fonctionnalités de sécurité au niveau du matériel pour garantir que les systèmes alimentés par l’IA restent sécurisés, de la mise en route au traitement des données et au-delà.

Quelles sont les cas d’utilisation réels où les FPGAs de Lattice ont considérablement amélioré les performances, la sécurité ou l’efficacité de l’IA de périphérie ?

Excellente question ! Une application que je trouve vraiment fascinante est la façon dont les ingénieurs utilisent les FPGAs de Lattice pour alimenter la prochaine génération de robots intelligents et alimentés par l’IA. Les robots intelligents nécessitent des capacités de traitement en temps réel et sur appareil pour garantir une automatisation sécurisée, et c’est ce que l’IA de périphérie est conçue pour fournir. Non seulement la demande pour ces assistants augmente-t-elle, mais aussi la complexité et la sophistication de leurs fonctions. Lors d’une conférence récente, l’équipe de Lattice a démontré comment l’utilisation de FPGAs a permis à un robot intelligent de suivre la trajectoire d’une balle et de l’attraper en plein vol, montrant à quel point ces machines peuvent être rapides et précises lorsqu’elles sont construites avec les bonnes technologies.

Ce qui me semble particulièrement intéressant, d’un point de vue matériel, c’est la façon dont les tactiques de conception changent pour répondre à ces applications. Par exemple, au lieu de s’appuyer uniquement sur les CPU ou d’autres processeurs traditionnels, les développeurs commencent à intégrer des FPGAs dans le mélange. Le principal avantage est que les FPGAs peuvent communiquer avec plus de capteurs et d’actionneurs (et une plus grande diversité de ces composants), tout en effectuant des tâches de traitement de bas niveau à proximité de ces capteurs pour libérer le moteur de calcul principal pour des calculs plus avancés.

Avec la demande croissante pour l’inférence d’IA à la périphérie, comment Lattice assure-t-il que ses FPGAs restent compétitifs par rapport aux puces d’IA spécialisées développées par les plus grandes sociétés de semi-conducteurs ?

Il n’y a aucun doute que la poursuite des puces d’IA est à l’origine de beaucoup de l’industrie des semi-conducteurs — regardez simplement comment les sociétés comme Nvidia (NVDA ) sont passées de la création de cartes graphiques pour jeux vidéo à devenir des géants de l’industrie de l’IA. Cependant, Lattice apporte des forces uniques à la table qui nous font nous démarquer même à mesure que le marché devient plus saturé.

Les FPGAs ne sont pas seulement un composant dans lequel nous choisissons d’investir parce que la demande augmente ; ils constituent un élément essentiel de notre ligne de produits principale. Les forces de nos offres de FPGAs — de la latence à la programmabilité, en passant par la consommation d’énergie et la scalabilité — sont le résultat d’années de développement technique et d’affinement. Nous proposons également une gamme complète de logiciels et de solutions leaders dans l’industrie, conçus pour optimiser l’utilisation des FPGAs dans les conceptions d’IA et au-delà.

Nous avons affiné nos FPGAs grâce à des années d’amélioration continue impulsée par l’itération sur nos solutions matérielles et logicielles et les relations avec des partenaires de l’industrie des semi-conducteurs. Nous continuerons d’être compétitifs parce que nous resterons fidèles à cette voie, en travaillant avec des partenaires de conception, de développement et de mise en œuvre pour nous assurer que nous fournissons à nos clients les capacités techniques les plus pertinentes et les plus fiables.

Quel rôle la programmabilité joue-t-elle dans la capacité des FPGAs à s’adapter à des modèles et à des charges de travail d’IA évolutifs ?

Contrairement au matériel à fonction fixe, les FPGAs peuvent être reconfigurés et reprogrammés après déploiement. Cette adaptabilité inhérente est sans doute leur plus grande différenciation, en particulier pour supporter l’évolution des modèles et des charges de travail d’IA. Étant donné à quel point le paysage de l’IA est dynamique, les développeurs doivent être en mesure de prendre en charge les mises à jour d’algorithmes, les ensembles de données en constante augmentation et d’autres changements importants à mesure qu’ils se produisent sans s’inquiéter de mises à niveau matérielles constantes.

Par exemple, les FPGAs jouent déjà un rôle essentiel dans le passage en cours à la cryptographie post-quantique (PQC). Alors que les entreprises se préparent contre les menaces quantiques imminentes et travaillent pour remplacer les schémas de chiffrement vulnérables par des algorithmes de nouvelle génération, elles utilisent des FPGAs pour faciliter une transition en douceur et garantir la conformité avec les nouvelles normes PQC.

Comment les FPGAs de Lattice aident-ils les entreprises à équilibrer le compromis entre les performances, la consommation d’énergie et le coût dans les déploiements d’IA de périphérie ?

En fin de compte, les développeurs ne devraient pas avoir à choisir entre les performances et les possibilités. Oui, les applications de périphérie sont souvent entravées par des limitations de calcul, des contraintes de puissance et une latence accrue. Mais avec les FPGAs de Lattice, les développeurs sont dotés d’un matériel flexible, économe en énergie et scalable qui est plus que capable de mitiger ces défis. Les interfaces d’E/S personnalisables, par exemple, permettent la connectivité à diverses applications de périphérie tout en réduisant la complexité.

La modification post-déploiement rend également plus facile l’ajustement pour prendre en charge les besoins de modèles évolutifs. Au-delà de cela, le prétraitement et l’agrégation des données peuvent se produire sur les FPGAs, réduisant la puissance et la charge de calcul sur les processeurs de périphérie, réduisant la latence et, à terme, réduisant les coûts et augmentant l’efficacité du système.

Comment voyez-vous l’avenir de l’équipement d’IA évoluer au cours des 5 à 10 prochaines années, en particulier en relation avec l’IA de périphérie et le traitement économe en énergie ?

Les appareils de périphérie devront être plus rapides et plus puissants pour répondre aux exigences de calcul et d’énergie des algorithmes d’IA et d’apprentissage automatique de plus en plus complexes dont les entreprises ont besoin pour prospérer — en particulier à mesure que ces applications deviennent plus courantes. Les capacités des composants matériels dynamiques qui soutiennent les applications de périphérie devront s’adapter en parallèle, devenant plus petits, plus intelligents et plus intégrés. Les FPGAs devront élargir leur flexibilité existante, offrant des capacités de faible latence et de faible consommation d’énergie pour répondre à des niveaux de demande plus élevés. Avec ces capacités, les FPGAs continueront à aider les développeurs à reprogrammer et à reconfigurer avec facilité pour répondre aux besoins de modèles évolutifs — qu’il s’agisse de véhicules autonomes plus sophistiqués, d’automatisation industrielle, de villes intelligentes ou au-delà.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Lattice Semiconductor.