Хусейн Осман, директор з маркетингу сегментів у Lattice Semiconductor – Серія інтерв’ю

Хусейн Осман – ветеран промисловості напівпровідників з більш ніж двома десятиліттями досвіду виведення на ринок кремнієвих та програмних продуктів, які інтегрують рішення з чуття, обробки та підключення, зосереджуючись на інноваційних досвідах, які доставляють цінність кінцевому користувачеві. За останні п’ять років він очолював стратегію рішення sensAI та зусилля з виходу на ринок у Lattice Semiconductor, створюючи високопродуктивні додатки AI/ML. Пан Осман отримав ступінь бакалавра з електротехніки в Каліфорнійському політехнічному університеті в Сан-Луїс-Обіспо.

Lattice Semiconductor (LSCC ) – постачальник низьковольтних програмованих рішень, які використовуються в галузі зв’язку, обчислень, промисловості, автомобільній та споживчій електроніці. Програмовані логічні інтегральні схеми (FPGAs) компанії та програмні інструменти розроблені для прискорення розробки та підтримки інновацій у застосунках від краю до хмари.

Edge AI набирає популярність, оскільки компанії шукають альтернативи обробці AI в хмарі. Як ви бачите цей зсув, що впливає на промисловість напівпровідників, і яку роль грає Lattice Semiconductor у цій трансформації? 

Edge AI абсолютно набирає популярність, і це через його потенціал真正 революціонізувати цілі ринки. Організації у різних секторах схиляються до Edge AI, оскільки це допомагає їм досягти швидших, більш ефективних та більш безпечних операцій – особливо в реальному часі – ніж це можливо з використанням лише хмарних обчислень. Це та частина, на яку зазвичай зосереджуються люди: як Edge AI змінює бізнес-операції при реалізації. Але є ще одна подорож, яка відбувається паралельно, і вона починається значно раніше реалізації.

Інновації в Edge AI спонукають виробників оригінального обладнання проектувати компоненти системи, які можуть запускати моделі AI, незважаючи на обмеження розміру. Це означає легкі, оптимізовані алгоритми, спеціалізоване обладнання та інші вдосконалення, які доповнюють і/або посилюють продуктивність. Саме тут вступає в дію Lattice Semiconductor.

Наші програмовані логічні інтегральні схеми (FPGAs) забезпечують високоадаптивне обладнання, необхідне для того, щоб дизайнери могли задовольнити суворі системні вимоги, пов’язані з затримкою, потужністю, безпекою, підключенням, розміром тощо. Вони забезпечують основу, на якій інженери можуть будувати пристрої, здатні підтримувати функціональність критично важливих автомобільних, промислових та медичних застосунків. Це велика область нашої поточної інновації, і ми раді допомогти клієнтам подолати труднощі та зустріти епоху Edge AI з впевненістю.

Які ключові виклики стоять перед бізнесом при реалізації Edge AI, і як ви бачите, що FPGAs адресують ці питання більш ефективно, ніж традиційні процесори або GPU?

Ви знаєте, деякі виклики здаються справжніми універсальними для будь-якої технологічної розробки. Наприклад, розробники та бізнеси, які сподіваються скористатися можливостями Edge AI, ймовірно, будуть боротися з загальними викликами, такими як:

• Управління ресурсами. Пристрої Edge AI повинні виконувати складні процеси надійно, працюючи в умовах обмежених обчислювальних та батарейних потужностей.
• Хоча Edge AI пропонує переваги конфіденційності локальної обробки даних, це також піднімає інші проблеми безпеки, такі як можливість фізичного втручання або вразливості, пов’язані з меншими моделями.
• Екосистеми Edge AI можуть бути дуже різноманітними за архітектурами апаратного забезпечення та вимогами до обчислень, що робить складним оптимізацію аспектів, таких як управління даними та оновлення моделей у масштабі.

FPGAs пропонують бізнесу перевагу в адресуванні цих ключових питань завдяки комбінації ефективної паралельної обробки, низького енергоспоживання, можливостей безпеки на рівні апаратного забезпечення та перепрограмовування. Хоча ці можливості можуть звучати як маркетингові слова, вони є важливими функціями для вирішення основних болів Edge AI.

FPGAs традиційно використовувалися для функцій, таких як містлення та розширення I/O. Що робить їх особливо придатними для застосунків Edge AI?

Так, ви абсолютно праві, що FPGAs відзначаються у сфері підключення – і це частина того, що робить їх так потужними в застосунках Edge AI. Як ви згадали, вони мають налаштовані порти I/O, які дозволяють їм взаємодіяти з різноманітними пристроями та протоколами зв’язку. Крім того, вони можуть виконувати функції, такі як містлення та сенсорна фузія, щоб забезпечити безперебійний обмін даними, агрегацію та синхронізацію між різними компонентами системи, включаючи стандарти спадщини та нові стандарти. Ці функції особливо важливі, оскільки сьогодні екосистеми Edge AI стають все більш складними, а потреба в інтероперабельності та масштабованості зростає.

Однак, як ми обговорювали, переваги FPGAs у сфері підключення – це лише вершина айсберга; це також про те, як їх адаптивність, продуктивність, енергоефективність та функції безпеки сприяють результатам. Наприклад, FPGAs можна конфігурувати та перепрограмовувати для виконання конкретних завдань AI, що дозволяє розробникам налаштовувати застосунки відповідно до їхніх унікальних потреб та задовольняти еволюційні вимоги.

Чи можете ви пояснити, як низьковольтні FPGAs порівняються з GPU та ASIC у плані ефективності, масштабованості та можливостей обробки в реальному часі для Edge AI?

Я не буду прикидуватися, що апаратне забезпечення, таке як GPU та ASIC, не має обчислювальної потужності для підтримки застосунків Edge AI. Але FPGAs мають справжню перевагу над цими компонентами в інших областях, таких як затримка та гнучкість. Наприклад, і GPU, і FPGAs можуть виконувати паралельну обробку, але апаратне забезпечення GPU розроблено для широкого застосування та не так добре підходить для підтримки конкретних застосунків Edge, як апаратне забезпечення FPGAs. З іншого боку, ASIC розроблені для конкретних застосунків, але їхня фіксована функціональність означає, що їм потрібні повні переробки, щоб задовольнити будь-які суттєві зміни використання. FPGAs розроблені для надання найкращого з двох світів; вони пропонують низьку затримку, яка супроводжує налаштовані апаратні канали, та місце для постімплементаційних модифікацій, коли моделі Edge потрібно оновлювати.

Звичайно, жоден варіант не є єдиним правильним. Це залежить від кожного розробника вирішити, що має сенс для їхньої системи. Вони повинні ретельно розглянути основні функції застосунку, конкретні результати, яких вони намагаються досягти, та те, як гнучкою повинна бути конструкція з точки зору майбутньої безпеці. Це дозволить їм вибрати правильний набір апаратного та програмного забезпечення для задовольнення їхніх вимог – ми просто вважаємо, що FPGAs зазвичай є правильним вибором.

Як FPGAs Lattice підвищують прийняття рішень на основі AI на краю, особливо в галузях, таких як автомобільна, промислової автоматики та IoT?

Паралельні можливості обробки FPGAs – це хороша точка початку. На відміну від послідовних процесорів, архітектура FPGAs дозволяє їм виконувати багато завдань паралельно, включаючи обчислення AI, з усіма налаштованими логічними блоками, які виконують різні операції одночасно. Це дозволяє досягти високої пропускної здатності, низької затримки обробки, необхідної для підтримки застосунків в реальному часі в ключових вертикалях, які ви назвали – чи то автономні транспортні засоби, розумні промислові роботи, або навіть розумні домашні пристрої чи медичні носимі пристрої. Крім того, їх можна налаштувати для конкретних завдань AI та легко перепрограмувати у полі, коли моделі та вимоги змінюються з часом. Нарешті, вони пропонують функції безпеки на рівні апаратного забезпечення, щоб забезпечити, що системи, підтримувані AI, залишаються безпечними – від завантаження до обробки даних та подальшого.

Які реальні випадки застосування FPGAs Lattice значно покращили продуктивність Edge AI, безпеку або ефективність?

Відмінне питання! Одним із застосунків, який мені здається особливо цікавим, є використання FPGAs Lattice для живлення наступного покоління розумних, підтримуваних AI роботів. Інтелектуальні роботи вимагають можливостей обробки в реальному часі та на пристрої, щоб забезпечити безпечну автоматизацію, і саме це пропонує Edge AI. Не тільки зростає попит на цих помічників, але також зростає складність та витонченість їхніх функцій. На недавній конференції команда Lattice продемонструвала, як використання FPGAs дозволило розумному роботові відстежувати траєкторію м’яча та впіймати його в повітрі, показуючи, наскільки швидко та точно ці машини можуть бути, коли вони побудовані з правильними технологіями.

Що робить це особливо цікавим для мене з точки зору апаратного забезпечення, так це те, як тактики проектування змінюються, щоб задовольнити ці застосування. Наприклад, замість того, щоб покладатися виключно на ЦП або інші традиційні процесори, розробники починають інтегрувати FPGAs у суміш. Основна вигода полягає в тому, що FPGAs можуть взаємодіяти з більшим числом датчиків та виконавчих механізмів (і більш різноманітним набором цих компонентів), а також виконувати низькорівневі завдання обробки біля цих датчиків, щоб звільнити основний обчислювальний двигун для більш просунутих обчислень.

Як Lattice забезпечує конкурентоспроможність своїх FPGAs проти спеціалізованих чіпів AI, розроблених більшістю компаній напівпровідникової промисловості?

Немає сумнівів, що переслідування чіпів AI рухає більшу частину промисловості напівпровідників – просто подивіться, як компанії, такі як Nvidia (NVDA ), перейшли від створення відеокарт для гри до того, щоб стати гігантами галузі AI. Однак Lattice має унікальні сильні сторони, які роблять нас видатними, навіть коли ринок стає більш насиченим.

FPGAs не просто компонент, у який ми вирішимо інвестувати через зростаючий попит; вони є критичною частиною нашої основної лінії продукції. Сильні сторони наших пропозицій FPGAs – від затримки та перепрограмовування до енергоспоживання та масштабованості – є результатом років технічного розвитку та доопрацювання. Ми також пропонуємо повний ряд індустріально-лідерських програмних та рішень, розроблених для оптимізації використання FPGAs у проектах AI та за його межами.

Ми доопрацювали свої FPGAs завдяки роки безперервного вдосконалення, яке було спричинено ітерацією наших апаратних та програмних рішень та відносинами з партнерами по всій промисловості напівпровідників. Ми продовжимо бути конкурентоспроможними, тому що будемо дотримуватися цього шляху, працюючи з партнерами по проектуванню, розробці та реалізації, щоб забезпечити, що ми надаємо нашим клієнтам найбільш актуальні та надійні технічні можливості.

Яку роль відіграє перепрограмовуваність у здатності FPGAs адаптуватися до еволюції моделей та завдань AI?

На відміну від апаратного забезпечення з фіксованою функцією, FPGAs можна перепрограмувати після реалізації. Ця вбудована адаптивність є, ймовірно, їх найбільшим диференціатором, особливо у підтримці еволюції моделей та завдань AI. Ураховуючи, наскільки динамічна ландшафт AI, розробники повинні мати можливість підтримувати оновлення алгоритмів, зростаючі набори даних та інші суттєві зміни, коли вони відбуваються, не турбуючись про постійні апгрейди апаратного забезпечення.

Наприклад, FPGAs вже відіграють ключову роль у тривалому переході до постквантової криптографії (PQC). Коли бізнес готується до майбутніх квантових загроз та працює над заміною уразливих схем шифрування наступними поколіннями алгоритмів, вони використовують FPGAs для забезпечення безперебійного переходу та забезпечення дотримання нових стандартів PQC.

Як FPGAs Lattice допомагають бізнесу балансувати компроміс між продуктивністю, енергоспоживанням та вартістю у розгортаннях Edge AI?

У кінцевому підсумку, розробники не повинні вибирати між продуктивністю та можливостями. Так, застосунки Edge часто обмежені обчислювальними обмеженнями, обмеженнями потужності та підвищеною затримкою. Але з FPGAs Lattice розробники мають гнучке, енергоефективне та масштабоване апаратне забезпечення, яке більш ніж здатне пом’якшити ці виклики. Наприклад, налаштовані інтерфейси I/O дозволяють підключатися до різних застосунків Edge, зменшуючи складність.

Модифікація після реалізації також полегшує коригування для підтримки потреб еволюційних моделей. Крім того, попередня обробка та агрегація даних можуть відбуватися на FPGAs, знижуючи потужність та обчислювальне навантаження на процесори Edge, знижуючи затримку та, таким чином, знижуючи витрати та підвищуючи ефективність системи.

Як ви бачите майбутнє апаратного забезпечення AI, яке розвивається протягом наступних 5-10 років, особливо у відносинах до Edge AI та енергоефективної обробки?

Пристрої Edge повинні бути швидшими та потужнішими, щоб задовольнити обчислювальні та енергетичні вимоги все більш складних алгоритмів AI та ML, особливо коли ці застосування стають більш поширеними. Можливості динамічних компонентів апаратного забезпечення, які підтримують застосунки Edge, повинні адаптуватися в тандемі, ставати меншими, розумнішими та більш інтегрованими. FPGAs повинні розширити свою поточну гнучкість, пропонуючи низьку затримку та низьку потужність для вищого рівня вимог. З цими можливостями, FPGAs продовжуватимуть допомагати розробникам перепрограмовувати та реконфігурувати з легкістю, щоб задовольняти потреби еволюційних моделей – будь то більш складні автономні транспортні засоби, промислову автоматизацію, розумні міста чи щось інше.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Lattice Semiconductor.