Hussein Osman, Direktur Pemasaran Segmen di Lattice Semiconductor – Seri Wawancara

Hussein Osman adalah veteran industri semikonduktor dengan lebih dari dua dekade pengalaman membawa produk silikon dan perangkat lunak ke pasar yang mengintegrasikan solusi sensing, pemrosesan, dan konektivitas, dengan fokus pada pengalaman inovatif yang memberikan nilai kepada pengguna akhir. Selama lima tahun terakhir, ia telah memimpin strategi solusi sensAI dan upaya pemasaran di Lattice Semiconductor, membuat aplikasi AI/ML berkinerja tinggi. Tn. Osman menerima gelar sarjana di bidang Teknik Elektro dari California Polytechnic State University di San Luis Obispo.

Lattice Semiconductor (LSCC ) adalah penyedia solusi programmable berdaya rendah yang digunakan di berbagai bidang komunikasi, komputasi, industri, otomotif, dan konsumen. Perangkat lunak dan alat perusahaan yang dirancang untuk membantu mempercepat pengembangan dan mendukung inovasi di berbagai aplikasi dari Edge hingga Cloud.

Edge AI memperoleh traksi sebagai perusahaan mencari alternatif untuk pemrosesan AI berbasis cloud. Bagaimana Anda melihat pergeseran ini mempengaruhi industri semikonduktor, dan apa peran Lattice Semiconductor dalam transformasi ini? 

Edge AI benar-benar memperoleh traksi, dan itu karena potensinya untuk benar-benar merevolusi pasar secara keseluruhan. Organisasi di berbagai sektor sedang beralih ke Edge AI karena membantu mereka mencapai operasi yang lebih cepat, lebih efisien, dan lebih aman — terutama dalam aplikasi waktu nyata — daripada yang mungkin dilakukan dengan komputasi awan saja. Itulah bagian yang paling banyak orang fokuskan: bagaimana Edge AI mengubah operasi bisnis ketika diimplementasikan. Tapi ada perjalanan lain yang terjadi bersamaan, dan itu dimulai jauh sebelum implementasi.

Inovasi di Edge AI mendorong produsen peralatan asli untuk merancang komponen sistem yang dapat menjalankan model AI meskipun keterbatasan kaki. Artinya, algoritma ringan, perangkat keras khusus, dan kemajuan lainnya yang melengkapi dan/atau memperkuat kinerja. Inilah tempat Lattice Semiconductor berperan.

FPGA (Field Programmable Gate Array) kami menyediakan perangkat keras yang sangat dapat disesuaikan yang diperlukan oleh desainer untuk memenuhi persyaratan sistem yang ketat terkait dengan latensi, daya, keamanan, konektivitas, ukuran, dan lain-lain. Mereka menyediakan fondasi bagi insinyur untuk membangun perangkat yang dapat menjaga aplikasi Otomotif, Industri, dan Medis yang kritis tetap berfungsi. Ini adalah area fokus besar bagi inovasi kami saat ini, dan kami bersemangat untuk membantu pelanggan mengatasi tantangan dan menyambut era Edge AI dengan percaya diri.

Apa tantangan utama yang dihadapi bisnis saat mengimplementasikan Edge AI, dan bagaimana Anda melihat FPGA menangani masalah-masalah ini lebih efektif daripada prosesor tradisional atau GPU?

Anda tahu, beberapa tantangan tampaknya benar-benar universal ketika teknologi apa pun berkembang. Misalnya, pengembang dan bisnis yang berharap untuk memanfaatkan kekuatan Edge AI kemungkinan akan bergumul dengan tantangan umum, seperti:

• Pengelolaan sumber daya. Perangkat Edge AI harus melakukan proses kompleks dengan andal sambil bekerja dalam kapasitas komputasi dan baterai yang terbatas.
• Meskipun Edge AI menawarkan manfaat privasi dari pemrosesan data lokal, itu juga menimbulkan kekhawatiran keamanan lainnya, seperti kemungkinan perusakan fisik atau kerentanan yang datang dengan model skala kecil.
• Ekosistem Edge AI dapat sangat beragam dalam arsitektur perangkat keras dan persyaratan komputasi, membuatnya sulit untuk memudahkan aspek seperti pengelolaan data dan pembaruan model dalam skala besar.

FPGA menawarkan bisnis keunggulan dalam menangani masalah-masalah kunci ini melalui kombinasi pemrosesan paralel yang efisien, konsumsi daya rendah, kemampuan keamanan tingkat perangkat keras, dan konfigurabilitas. Meskipun ini mungkin terdengar seperti kata-kata pemasaran, ini adalah fitur penting untuk memecahkan poin nyeri Edge AI utama.

FPGA secara tradisional digunakan untuk fungsi seperti bridging dan ekstensi I/O. Apa yang membuatnya sangat cocok untuk aplikasi Edge AI?

Ya, Anda benar bahwa FPGA unggul dalam bidang konektivitas — dan itu sebagian dari apa yang membuatnya sangat kuat dalam aplikasi Edge AI. Seperti yang Anda sebutkan, mereka memiliki port I/O yang dapat disesuaikan yang memungkinkan mereka untuk berantarmuka dengan berbagai perangkat dan protokol komunikasi. Selain itu, mereka dapat melakukan fungsi seperti bridging dan sensor fusion untuk memastikan pertukaran data, agregasi, dan sinkronisasi yang mulus antara komponen sistem yang berbeda, termasuk standar lama dan baru. Fungsi-fungsi ini sangat penting karena ekosistem Edge AI saat ini tumbuh lebih kompleks dan kebutuhan akan interoperabilitas dan skalabilitas meningkat.

Dapatkah Anda menjelaskan bagaimana FPGA berdaya rendah membandingkan dengan GPU dan ASIC dalam hal efisiensi, skalabilitas, dan kemampuan pemrosesan waktu nyata untuk Edge AI?

Saya tidak akan berpura-pura bahwa perangkat keras seperti GPU dan ASIC tidak memiliki daya komputasi untuk mendukung aplikasi Edge AI. Mereka melakukannya. Tapi FPGA benar-benar memiliki “tepi” pada komponen lain ini dalam bidang seperti latensi dan fleksibilitas. Misalnya, baik GPU dan FPGA dapat melakukan pemrosesan paralel, tetapi perangkat keras GPU dirancang untuk daya tarik luas dan tidak sesuai untuk mendukung aplikasi Edge khusus seperti yang dilakukan FPGA. Di sisi lain, ASIC memang dirancang untuk aplikasi khusus, tetapi fungsionalitas tetap mereka memerlukan desain ulang lengkap untuk mengakomodasi perubahan signifikan dalam penggunaan. FPGA dirancang untuk memberikan yang terbaik dari kedua dunia; mereka menawarkan latensi rendah yang datang dengan pipa perangkat keras khusus dan ruang untuk modifikasi pasca-pengiriman kapan pun model Edge perlu diperbarui.

Bagaimana Lattice memastikan FPGA-nya tetap kompetitif melawan chip AI khusus yang dikembangkan oleh perusahaan semikonduktor yang lebih besar?

Tidak ada keraguan bahwa pengejaran chip AI menggerakkan sebagian besar industri semikonduktor — hanya lihat bagaimana perusahaan seperti Nvidia (NVDA ) berubah dari membuat kartu grafis untuk permainan video menjadi raksasa industri AI. Namun, Lattice membawa kekuatan unik ke meja yang membuat kami berdiri terpisah bahkan ketika pasar menjadi lebih jenuh.

FPGA bukan hanya komponen yang kami pilih untuk berinvestasi karena permintaan meningkat; mereka adalah bagian kritis dari lini produk inti kami. Kekuatan penawaran FPGA kami — dari latensi dan programabilitas hingga konsumsi daya dan skalabilitas — adalah hasil dari tahun-tahun pengembangan teknis dan penyempurnaan. Kami juga menyediakan berbagai perangkat lunak dan solusi terkemuka di industri, yang dirancang untuk mengoptimalkan penggunaan FPGA dalam desain AI dan di luar itu.

Apa peran programabilitas dalam kemampuan FPGA untuk beradaptasi dengan model dan beban kerja AI yang berkembang?

Berbeda dengan perangkat keras fungsional tetap, FPGA dapat dipasang ulang dan diprogram ulang pasca-pengiriman. Kemampuan adaptif bawaan ini adalah perbedaan terbesar mereka, terutama dalam mendukung model dan beban kerja AI yang berkembang. Mengingat betapa dinamisnya lanskap AI, pengembang perlu dapat mendukung pembaruan algoritma, dataset yang tumbuh, dan perubahan signifikan lainnya tanpa khawatir tentang upgrade perangkat keras konstan.

Bagaimana FPGA Lattice meningkatkan pengambilan keputusan yang didorong AI di edge, terutama di industri seperti otomotif, otomatisasi industri, dan IoT?

Kemampuan pemrosesan paralel FPGA adalah tempat yang baik untuk memulai. Tidak seperti prosesor berurutan, arsitektur FPGA memungkinkan mereka untuk melakukan banyak tugas secara paralel, termasuk komputasi AI, dengan semua blok logika yang dapat dikonfigurasi menjalankan operasi yang berbeda secara bersamaan. Ini memungkinkan throughput tinggi, pemrosesan latensi rendah yang diperlukan untuk mendukung aplikasi waktu nyata di vertikal kunci yang Anda sebutkan — apakah kita berbicara tentang kendaraan otonom, robot industri pintar, atau bahkan perangkat pintar rumah atau perangkat wearable kesehatan. Selain itu, mereka dapat disesuaikan untuk beban kerja AI khusus dan dengan mudah diprogram ulang di lapangan karena model dan persyaratan berkembang seiring waktu. Terakhir, tetapi tidak kalah penting, mereka menawarkan fitur keamanan tingkat perangkat keras untuk memastikan sistem yang didorong AI tetap aman, dari boot hingga pemrosesan data dan seterusnya.

Apa contoh kasus dunia nyata di mana FPGA Lattice secara signifikan meningkatkan kinerja, keamanan, atau efisiensi Edge AI?

Pertanyaan yang bagus! Salah satu aplikasi yang saya temukan sangat menarik adalah cara insinyur menggunakan FPGA Lattice untuk memberdayakan generasi berikutnya robot pintar yang didorong AI. Robot pintar memerlukan kemampuan pemrosesan waktu nyata dan di perangkat untuk memastikan otomatisasi yang aman, dan itu adalah sesuatu yang dirancang Edge AI untuk disampaikan. Tidak hanya permintaan akan asisten ini meningkat, tetapi juga kompleksitas dan kesophistikasian fungsinya. Pada konferensi baru-baru ini, tim Lattice mendemonstrasikan bagaimana penggunaan FPGA memungkinkan robot pintar untuk melacak trajektori bola dan menangkapnya di udara, menunjukkan seberapa cepat dan presisi mesin ini dapat dibangun dengan teknologi yang tepat.

Bagaimana Anda membayangkan masa depan perangkat keras AI berkembang dalam 5-10 tahun ke depan, terutama dalam kaitannya dengan Edge AI dan pemrosesan berdaya efisien?

Perangkat edge akan memerlukan kecepatan dan daya komputasi yang lebih tinggi untuk menangani tuntutan komputasi dan energi dari algoritma AI dan ML yang semakin kompleks yang dibutuhkan bisnis untuk berkembang — terutama karena aplikasi ini menjadi lebih umum. Kemampuan komponen perangkat keras dinamis yang mendukung aplikasi edge akan perlu beradaptasi bersamaan, menjadi lebih kecil, lebih pintar, dan lebih terintegrasi. FPGA akan perlu memperluas fleksibilitas yang ada, menawarkan kemampuan latensi rendah dan daya rendah untuk tingkat permintaan yang lebih tinggi. Dengan kemampuan ini, FPGA akan terus membantu pengembang memprogram ulang dan mengkonfigurasi dengan mudah untuk memenuhi kebutuhan model yang berkembang — apakah itu untuk kendaraan otonom yang lebih canggih, otomatisasi industri, kota pintar, atau di luar itu.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Lattice Semiconductor.