ฮุสเซน ออสแมน ผู้อำนวยการฝ่ายการตลาดเซกเมนต์ของ Lattice Semiconductor – ซีรีส์สัมภาษณ์

ฮุสเซน ออสแมน เป็นนักวeteran ในอุตสาหกรรมเซมิคอนดักเตอร์ที่มีประสบการณ์มากกว่าสองทศวรรษในการนำผลิตภัณฑ์ซิลิคอนและซอฟต์แวร์ที่รวมการรับรู้ การประมวลผล และการเชื่อมต่อเข้าด้วยกัน โดยมุ่งเน้นไปที่ประสบการณ์ใหม่ๆ ที่ส่งมอบคุณค่าให้กับผู้ใช้ปลายทาง ในช่วงห้าปีที่ผ่านมา เขาได้นำกลยุทธ์โซลูชัน sensAI และความพยายามในการนำไปสู่ตลาดที่ Lattice Semiconductor โดยสร้างแอปพลิเคชัน AI/ML ที่มีประสิทธิภาพสูง คุณออสแมนได้รับศึกษาระดับบัณฑิตศึกษาในสาขาวิศวกรรมไฟฟ้าจาก California Polytechnic State University ใน San Luis Obispo

Lattice Semiconductor (LSCC ) เป็นผู้ให้บริการโซลูชันแบบโปรแกรมได้แบบต่ำพลังงานที่ใช้ในตลาดสื่อสาร การคำนวณ อุตสาหกรรม อัตโนมัติ และผู้บริโภค ผลิตภัณฑ์ FPGA และซอฟต์แวร์ของบริษัทได้รับการออกแบบมาเพื่อช่วยเร่งการพัฒนาและสนับสนุนนวัตกรรมในแอปพลิเคชันต่างๆ ตั้งแต่ Edge ถึง Cloud

Edge AI กำลังได้รับความนิยม เนื่องจากบริษัทต่างๆ กำลังมองหาวิธีแก้ปัญหาแทนการประมวลผล AI บนคลาวด์ คุณเห็นว่าการเปลี่ยนแปลงนี้ส่งผลกระทบต่ออุตสาหกรรมเซมิคอนดักเตอร์อย่างไร และ Lattice Semiconductor มีบทบาทอย่างไรในการเปลี่ยนแปลงนี้? 

Edge AI กำลังได้รับความนิยมอย่างแท้จริง และเป็นเพราะมีศักยภาพในการปฏิวัติตลาดใหม่ๆ อย่างแท้จริง องค์กรต่างๆ ในหลายๆ ภาคส่วนกำลังหันมาใช้ Edge AI เนื่องจากช่วยให้พวกเขาบรรลุการดำเนินงานที่เร็วขึ้น มีประสิทธิภาพมากขึ้น และมีความปลอดภัยมากขึ้น — โดยเฉพาะในแอปพลิเคชันแบบเรียลไทม์ — มากกว่าการประมวลผลบนคลาวด์เท่านั้น นี่คือส่วนที่ผู้คนมักจะเน้นไปที่ว่า Edge AI กำลังเปลี่ยนแปลงการดำเนินงานทางธุรกิจอย่างไรเมื่อนำไปใช้ แต่มีกระบวนการอื่นที่เกิดขึ้นพร้อมๆ กัน และเริ่มต้นก่อนที่จะนำไปใช้

นวัตกรรมใน Edge AI กำลังผลักดันให้ผู้ผลิตอุปกรณ์เดิมออกแบบส่วนประกอบของระบบที่สามารถรันโมเดล AI ได้尽管มีข้อจำกัดเรื่องขนาด นั่นหมายถึงอัลกอริทึมที่เบาและได้รับการปรับให้เหมาะสม ฮาร์ดแวร์เฉพาะและความก้าวหน้าอื่นๆ ที่เสริมและ/หรือเพิ่มประสิทธิภาพ นี่คือจุดที่ Lattice Semiconductor เข้ามา

FPGA ของเรามีฮาร์ดแวร์ที่สามารถปรับเปลี่ยนได้สูงซึ่งจำเป็นสำหรับนักออกแบบเพื่อตรงตามข้อกำหนดของระบบที่เข้มงวดเกี่ยวกับเวลาหน่วง พลังงาน ความปลอดภัย การเชื่อมต่อ ขนาด และอื่นๆ พวกเขามีฐานที่นักวิศวกรสามารถสร้างอุปกรณ์ที่สามารถรองรับแอปพลิเคชัน Automotive, Industrial และ Medical ที่สำคัญได้ นี่คือพื้นที่โฟกัสหลักของเราในการสร้างนวัตกรรมในปัจจุบัน และเรารู้สึกตื่นเต้นที่จะช่วยให้ลูกค้าเอาชนะความท้าทายและต้อนรับยุคของ Edge AI ด้วยความมั่นใจ

อะไรคือความท้าทายหลักที่ธุรกิจต้องเผชิญเมื่อนำ Edge AI ไปใช้ และคุณเห็นว่า FPGA แก้ไขปัญหาเหล่านี้ได้อย่างไรมากกว่าโปรเซสเซอร์หรือ GPU แบบดั้งเดิม?

คุณรู้ไหมว่าความท้าทายบางอย่างดูเหมือนจะถูกนำไปใช้กับทุกๆ เทคโนโลยีใหม่ๆ ตัวอย่างเช่น ผู้พัฒนาและธุรกิจที่ต้องการใช้พลังของ Edge AI อาจต้องเผชิญกับความท้าทายทั่วไป เช่น:

• การบริหารจัดการทรัพยากร อุปกรณ์ Edge AI ต้องสามารถประมวลผลที่ซับซ้อนได้อย่างน่าเชื่อถือในขณะที่ทำงานภายในความสามารถในการคำนวณและแบตเตอรี่ที่จำกัด
• แม้ว่า Edge AI จะมีประโยชน์ในการประมวลผลข้อมูลในท้องถิ่น แต่ก็ทำให้เกิดความกังวลเรื่องความปลอดภัย เช่น ความเป็นไปได้ของการดัดแปลงทางกายภาพหรือความอ่อนแอของแบบจำลองขนาดเล็ก
• ระบบนิเวศของ Edge AI อาจมีความหลากหลายมากในด้านสถาปัตยกรรมฮาร์ดแวร์และความต้องการการประมวลผล ทำให้ยากต่อการปรับให้เหมาะสมในด้านการจัดการข้อมูลและการอัปเดตแบบจำลองในระดับใหญ่

FPGA มอบความได้เปรียบให้กับธุรกิจในการแก้ไขปัญหาเหล่านี้ผ่านการประมวลผลแบบขนานที่มีประสิทธิภาพ การบริโภคพลังงานต่ำ ความสามารถด้านความปลอดภัยระดับฮาร์ดแวร์ และความสามารถในการปรับเปลี่ยนได้ ในขณะที่ฟีเจอร์เหล่านี้อาจดูเหมือนเป็นคำโฆษณา แต่สิ่งเหล่านี้เป็นคุณสมบัติที่จำเป็นสำหรับการแก้ไขปัญหาหลักของ Edge AI

FPGA มีการใช้งานแบบดั้งเดิมในฟังก์ชันเช่นการเชื่อมต่อและขยาย I/O อะไรคือสิ่งที่ทำให้พวกมันเหมาะสมกับการใช้งาน Edge AI โดยเฉพาะ?

ใช่ คุณพูดถูกว่า FPGA มีความเชี่ยวชาญในด้านการเชื่อมต่อ — และสิ่งนี้เป็นส่วนหนึ่งของสิ่งที่ทำให้พวกมันมีพลังในการใช้งาน Edge AI พวกเขามีท่า I/O ที่สามารถปรับเปลี่ยนได้ ซึ่งช่วยให้พวกมันสามารถเชื่อมต่อกับอุปกรณ์และโพรโทคอลสื่อสารที่หลากหลายได้ นอกจากนี้ พวกเขายังสามารถทำงานเช่นการเชื่อมต่อและการรวมเซ็นเซอร์เพื่อให้แน่ใจว่ามีการแลกเปลี่ยนข้อมูลที่ราบรื่นระหว่างส่วนประกอบต่างๆ ของระบบ รวมถึงมาตรฐานเก่าและใหม่

คุณสามารถอธิบายได้อย่างไรว่า FPGA ต่ำพลังงานของ Lattice เปรียบเทียบกับ GPU และ ASIC ในด้านประสิทธิภาพ การขยายตัว และความสามารถในการประมวลผลแบบเรียลไทม์สำหรับ Edge AI?

ฉันจะไม่แสร้งว่าฮาร์ดแวร์อย่าง GPU และ ASIC ไม่มีพลังในการประมวลผลที่จะรองรับแอปพลิเคชัน Edge AI พวกเขามี แต่ FPGA มี “ขอบ” ในด้านอื่นๆ เช่น ความหน่วงและความยืดหยุ่น ตัวอย่างเช่น ทั้ง GPU และ FPGA สามารถทำการประมวลผลแบบขนานได้ แต่ฮาร์ดแวร์ GPU ได้รับการออกแบบมาเพื่อความนิยมอย่างกว้างขวางและไม่เหมาะสมที่จะรองรับแอปพลิเคชัน Edge ที่เฉพาะเจาะจงเหมือนกับ FPGA ในทางกลับกัน ASIC ได้รับการออกแบบมาเพื่อแอปพลิเคชันที่เฉพาะเจาะจง แต่ฟังก์ชันการทำงานที่ตายตัวทำให้พวกมันต้องการการออกแบบใหม่เพื่อปรับเปลี่ยนการใช้งานที่สำคัญ FPGA ได้รับการออกแบบมาเพื่อให้ได้ประโยชน์จากทั้งสองโลก พวกเขามอบความหน่วงต่ำที่มาจากไพพลายนที่กำหนดเองและพื้นที่สำหรับการปรับเปลี่ยนหลังการวางจำหน่าย

วิธีการที่ Lattice’s FPGA เพิ่มการประมวลผลการตัดสินใจโดยใช้ AI ที่ Edge โดยเฉพาะในอุตสาหกรรมเช่น อัตโนมัติ อุตสาหกรรม และ IoT?

ความสามารถในการประมวลผลแบบขนานของ FPGA เป็นจุดเริ่มต้นที่ดี สถาปัตยกรรมของ FPGA ช่วยให้สามารถทำหลายงานพร้อมกัน รวมถึงการคำนวณ AI โดยทั้งบล็อกลอจิกที่สามารถกำหนดค่าได้จะทำงานที่แตกต่างกันพร้อมๆ กัน ซึ่งช่วยให้สามารถประมวลผลได้อย่างรวดเร็วและมีประสิทธิภาพต่ำ ซึ่งจำเป็นสำหรับการใช้งานแบบเรียลไทม์ในแนวตั้งหลักๆ ที่คุณกล่าวถึง — ไม่ว่าจะเป็นรถยนต์อัตโนมัติ หุ่นยนต์อุตสาหกรรมอัจฉริยะ หรือแม้แต่อุปกรณ์สมาร์ทโฮมหรือเครื่องสวมใส่สุขภาพ นอกจากนี้ พวกเขายังสามารถปรับให้เหมาะสมกับงาน AI ที่เฉพาะเจาะจงและสามารถเขียนซ้ำได้ในสนามเมื่อโมเดลและข้อกำหนดเปลี่ยนแปลงไปตามเวลา

มีกรณีการใช้งานจริงที่ Lattice’s FPGA ปรับปรุงประสิทธิภาพ ความปลอดภัย หรือประสิทธิภาพของ Edge AI อย่างมีนัยสำคัญหรือไม่?

คำถามที่ดี! หนึ่งในแอปพลิเคชันที่ฉันพบว่าน่าสนใจคือวิธีที่วิศวกรใช้ FPGA ของ Lattice เพื่อขับเคลื่อนรุ่นต่อไปของหุ่นยนต์อัจฉริยะที่มี AI หุ่นยนต์อัจฉริยะต้องการความสามารถในการประมวลผลแบบเรียลไทม์และบนอุปกรณ์เพื่อให้แน่ใจว่ามีการทำงานอัตโนมัติที่ปลอดภัย และนี่คือสิ่งที่ Edge AI ได้รับการออกแบบมาเพื่อส่งมอบ ไม่เพียงแต่ความต้องการหุ่นยนต์เหล่านี้ที่เพิ่มขึ้น แต่ความซับซ้อนและความซับซ้อนที่เพิ่มขึ้นของฟังก์ชันของพวกมันก็เพิ่มขึ้นด้วย ที่การประชุมล่าสุด ทีม Lattice ได้แสดงให้เห็นว่าการใช้ FPGA ช่วยให้หุ่นยนต์อัจฉริยะสามารถติดตามเส้นทางของลูกบอลและจับได้ในกลางอากาศ โดยแสดงให้เห็นว่าเครื่องจักรเหล่านี้สามารถเร็วและแม่นยำเพียงใดเมื่อสร้างขึ้นด้วยเทคโนโลยีที่เหมาะสม

เมื่อความต้องการการอนุมาน AI ที่ Edge เพิ่มขึ้น Lattice จะรักษาความสามารถในการแข่งขันของ FPGA ไว้อย่างไรเมื่อเทียบกับชิป AI ที่พัฒนาโดยบริษัทเซมิคอนดักเตอร์ที่ใหญ่กว่า?

ไม่มีข้อสงสัยว่าการแสวงหาชิป AI กำลังขับเคลื่อนอุตสาหกรรมเซมิคอนดักเตอร์ — เพียงแค่ดูว่าบริษัทอย่าง Nvidia (NVDA ) มีการเปลี่ยนจากการสร้างการ์ดกราฟิกสำหรับเกมไปสู่การเป็นยักษ์ใหญ่ในอุตสาหกรรม AI แต่ Lattice มีจุดแข็งเฉพาะที่ทำให้เราโดดเด่นแม้ว่าตลาดจะกลายเป็นการแข่งขันที่รุนแรง

FPGA ไม่ใช่เพียงส่วนประกอบที่เราตัดสินใจลงทุนเพราะความต้องการที่เพิ่มขึ้น แต่เป็นส่วนสำคัญของผลิตภัณฑ์หลักของเรา จุดแข็งของผลิตภัณฑ์ FPGA ของเรา — ตั้งแต่ความหน่วงและความสามารถในการเขียนซ้ำไปจนถึงการบริโภคพลังงานและความสามารถในการขยาย — เป็นผลมาจากความพยายามพัฒนาอย่างต่อเนื่องและการปรับปรุงตลอดหลายปี เรายังให้ซอฟต์แวร์และโซลูชันชุดเต็มรูปแบบที่เป็นผู้นำในอุตสาหกรรม ซึ่งถูกสร้างขึ้นเพื่อเพิ่มประสิทธิภาพการใช้ FPGA ในการออกแบบ AI และอื่นๆ

บทบาทของความสามารถในการเขียนซ้ำใน FPGA มีผลต่อความสามารถในการปรับให้เหมาะสมกับโมเดล AI และงานที่เปลี่ยนแปลงไปอย่างไร?

ไม่เหมือนกับฮาร์ดแวร์ฟังก์ชันการทำงานตายตัว FPGA สามารถถูกปรับเปลี่ยนและเขียนซ้ำได้หลังการวางจำหน่าย ความสามารถในการปรับเปลี่ยนได้นี้อาจเป็นตัวแยกแยะที่สำคัญที่สุดของพวกมัน โดยเฉพาะอย่างยิ่งในการรองรับโมเดล AI และงานที่เปลี่ยนแปลงไป เมื่อพิจารณาว่าภูมิทัศน์ของ AI มีความพลวัตมาก ผู้พัฒนาต้องการความสามารถในการรองรับการอัปเดตอัลกอริทึม การเพิ่มขึ้นของขนาดชุดข้อมูล และการเปลี่ยนแปลงที่สำคัญอื่นๆ ตามที่เกิดขึ้นโดยไม่ต้องกังวลเรื่องการอัปเกรดฮาร์ดแวร์อย่างต่อเนื่อง

วิธีการที่ Lattice’s FPGA ช่วยให้ธุรกิจสร้างสมดุลระหว่างประสิทธิภาพ การบริโภคพลังงาน และต้นทุนในการใช้งาน Edge AI?

สุดท้ายแล้ว ผู้พัฒนาควรไม่ต้องเลือกระหว่างประสิทธิภาพและความเป็นไปได้ แอปพลิเคชัน Edge มักถูกขัดขวางโดยข้อจำกัดในการคำนวณ การบริโภคพลังงาน และความหน่วงที่เพิ่มขึ้น แต่ด้วย FPGA ของ Lattice ผู้พัฒนาจะได้รับฮาร์ดแวร์ที่ยืดหยุ่น มีประสิทธิภาพต่ำ และสามารถขยายได้ ซึ่งสามารถบรรเทาความท้าทายเหล่านี้ได้ อินเทอร์เฟซ I/O ที่สามารถกำหนดค่าได้ทำให้สามารถเชื่อมต่อกับแอปพลิเคชัน Edge ที่หลากหลายได้ ในขณะที่ลดความซับซ้อน

คุณเห็นอนาคตของฮาร์ดแวร์ AI วิวัฒนาการไปอย่างไรใน 5-10 ปีข้างหน้า โดยเฉพาะอย่างยิ่งในส่วนที่เกี่ยวข้องกับ Edge AI และการประมวลผลที่มีประสิทธิภาพต่ำ?

อุปกรณ์ Edge จะต้องเร็วขึ้นและทรงพลังมากขึ้นในการรองรับความต้องการการประมวลผลและพลังงานของอัลกอริทึม AI และ ML ที่ซับซ้อนมากขึ้นซึ่งธุรกิจต้องการเพื่อความสำเร็จ — โดยเฉพาะอย่างยิ่งเมื่อแอปพลิเคชันเหล่านี้กลายเป็นเรื่องปกติมากขึ้น ความสามารถของฮาร์ดแวร์แบบไดนามิกที่รองรับแอปพลิเคชัน Edge จะต้องปรับให้เหมาะสมพร้อมๆ กัน โดยกลายเป็นขนาดเล็กลง ฉลาดขึ้น และมีการบูรณาการมากขึ้น FPGA จะต้องขยายความสามารถที่มีอยู่แล้ว โดยการนำเสนอความหน่วงต่ำและความสามารถในการบริโภคพลังงานต่ำสำหรับความต้องการที่สูงขึ้น ด้วยความสามารถเหล่านี้ FPGA จะช่วยให้ผู้พัฒนาสามารถเขียนซ้ำและปรับเปลี่ยนได้อย่างง่ายดายเพื่อตอบสนองความต้องการของโมเดลที่เปลี่ยนแปลง — ไม่ว่าจะเป็นสำหรับยานพาหนะอัตโนมัติที่ซับซ้อนมากขึ้น อัตโนมัติอุตสาหกรรม สมาร์ทซิตี้ หรืออื่นๆ

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Lattice Semiconductor เพื่อเรียนรู้เพิ่มเติม