Hussein Osman, Giám đốc Tiếp thị Phân khúc tại Lattice Semiconductor – Loạt Phỏng vấn

Hussein Osman là một chuyên gia trong ngành công nghiệp bán dẫn với hơn hai thập kỷ kinh nghiệm đưa ra thị trường các sản phẩm silicon và phần mềm tích hợp giải pháp cảm biến, xử lý và kết nối, tập trung vào các trải nghiệm đổi mới mang lại giá trị cho người dùng cuối. Trong năm năm qua, ông đã lãnh đạo chiến lược giải pháp sensAI và nỗ lực tiếp thị tại Lattice Semiconductor, tạo ra các ứng dụng AI/ML hiệu suất cao. Ông Osman đã nhận bằng cấp về Kỹ thuật Điện từ Đại học Tiểu bang California tại San Luis Obispo.

Lattice Semiconductor (LSCC ) là nhà cung cấp các giải pháp lập trình thấp công suất được sử dụng trên các thị trường truyền thông, tính toán, công nghiệp, ô tô và tiêu dùng. Các FPGA và công cụ phần mềm thấp công suất của công ty được thiết kế để giúp tăng tốc phát triển và hỗ trợ đổi mới trên các ứng dụng từ Edge đến Cloud.

Trí tuệ nhân tạo tại biên đang thu hút sự chú ý khi các công ty tìm kiếm các giải pháp thay thế cho xử lý trí tuệ nhân tạo dựa trên đám mây. Bạn nhìn thấy sự thay đổi này ảnh hưởng đến ngành công nghiệp bán dẫn như thế nào, và Lattice Semiconductor đóng vai trò gì trong sự chuyển đổi này? 

Trí tuệ nhân tạo tại biên thực sự đang thu hút sự chú ý, và đó là vì tiềm năng của nó trong việc cách mạng hóa các thị trường hoàn toàn. Các tổ chức trên nhiều lĩnh vực khác nhau đang dựa vào Trí tuệ nhân tạo tại biên vì nó giúp họ đạt được các hoạt động nhanh hơn, hiệu quả hơn và bảo mật hơn – đặc biệt là trong các ứng dụng thời gian thực – so với việc chỉ dựa vào tính toán đám mây. Đó là phần mà hầu hết mọi người tập trung vào: cách Trí tuệ nhân tạo tại biên đang thay đổi hoạt động kinh doanh khi được triển khai. Nhưng có một hành trình khác đang diễn ra song song, và nó bắt đầu từ rất lâu trước khi triển khai.

Sự đổi mới trong Trí tuệ nhân tạo tại biên đang thúc đẩy các nhà sản xuất thiết bị gốc thiết kế các thành phần hệ thống có thể chạy các mô hình trí tuệ nhân tạo mặc dù có hạn chế về diện tích. Điều đó có nghĩa là các thuật toán nhẹ, tối ưu hóa, phần cứng chuyên dụng và các tiến bộ khác bổ sung và/hoặc khuếch đại hiệu suất. Đây là nơi Lattice Semiconductor tham gia.

Các FPGA của chúng tôi cung cấp phần cứng có thể thích nghi cao cần thiết cho các nhà thiết kế để đáp ứng các yêu cầu hệ thống nghiêm ngặt liên quan đến độ trễ, công suất, bảo mật, kết nối, kích thước và hơn thế nữa. Chúng cung cấp nền tảng mà các kỹ sư có thể xây dựng các thiết bị có khả năng giữ cho các ứng dụng quan trọng của ô tô, công nghiệp và y tế hoạt động. Đây là một lĩnh vực tập trung lớn cho sự đổi mới hiện tại của chúng tôi, và chúng tôi rất hào hứng được giúp khách hàng vượt qua các thách thức và chào đón kỷ nguyên của Trí tuệ nhân tạo tại biên với sự tự tin.

Những thách thức chính mà các doanh nghiệp phải đối mặt khi triển khai Trí tuệ nhân tạo tại biên là gì, và bạn nhìn thấy FPGA giải quyết những vấn đề này hiệu quả hơn so với các bộ xử lý truyền thống hoặc GPU như thế nào?

Bạn biết, một số thách thức dường như thực sự phổ biến khi bất kỳ công nghệ nào phát triển. Ví dụ, các nhà phát triển và doanh nghiệp hy vọng khai thác sức mạnh của Trí tuệ nhân tạo tại biên sẽ phải đối mặt với các thách thức chung, chẳng hạn như:

• Quản lý tài nguyên. Các thiết bị Trí tuệ nhân tạo tại biên phải thực hiện các quy trình phức tạp một cách đáng tin cậy trong khi làm việc trong các khả năng tính toán và pin ngày càng hạn chế.
• Mặc dù Trí tuệ nhân tạo tại biên mang lại lợi ích bảo mật của việc xử lý dữ liệu cục bộ, nhưng nó cũng đặt ra các vấn đề bảo mật khác, chẳng hạn như khả năng can thiệp vật lý hoặc các lỗ hổng bảo mật đi kèm với các mô hình nhỏ hơn.
• Các hệ sinh thái Trí tuệ nhân tạo tại biên có thể rất đa dạng về kiến trúc phần cứng và yêu cầu tính toán, khiến việc.stream các khía cạnh như quản lý dữ liệu và cập nhật mô hình ở quy mô lớn trở nên khó khăn.

FPGA cung cấp cho các doanh nghiệp một lợi thế trong việc giải quyết những vấn đề chính này thông qua sự kết hợp của xử lý song song hiệu quả, tiêu thụ năng lượng thấp, khả năng bảo mật cấp phần cứng và khả năng cấu hình lại. Mặc dù những điều này có thể nghe giống như các từ khóa tiếp thị, nhưng chúng là các tính năng thiết yếu để giải quyết các điểm đau chính của Trí tuệ nhân tạo tại biên.

FPGA truyền thống đã được sử dụng cho các chức năng như cầu nối và mở rộng I/O. Điều gì làm cho chúng đặc biệt phù hợp với các ứng dụng Trí tuệ nhân tạo tại biên?

Vâng, bạn hoàn toàn đúng khi nói rằng FPGA vượt trội trong lĩnh vực kết nối – và đó là một phần của lý do tại sao chúng mạnh mẽ trong các ứng dụng Trí tuệ nhân tạo tại biên. Như bạn đã đề cập, chúng có các cổng I/O có thể tùy chỉnh cho phép chúng giao tiếp với một loạt các thiết bị và giao thức truyền thông. Ngoài ra, chúng có thể thực hiện các chức năng như cầu nối và hợp nhất cảm biến để đảm bảo trao đổi dữ liệu, tổng hợp và đồng bộ hóa liền mạch giữa các thành phần hệ thống khác nhau, bao gồm cả tiêu chuẩn cũ và mới. Những chức năng này đặc biệt quan trọng khi các hệ sinh thái Trí tuệ nhân tạo tại biên ngày càng phức tạp và nhu cầu về khả năng tương tác và khả năng mở rộng tăng lên.

Bạn có thể giải thích làm thế nào FPGA thấp công suất so sánh với GPU và ASIC về hiệu suất, khả năng mở rộng và khả năng xử lý thời gian thực cho Trí tuệ nhân tạo tại biên?

Tôi sẽ không giả vờ rằng phần cứng như GPU và ASIC không có sức mạnh tính toán để hỗ trợ các ứng dụng Trí tuệ nhân tạo tại biên. Chúng có. Nhưng FPGA thực sự có một “lợi thế” so với các thành phần khác trong các lĩnh vực như độ trễ và linh hoạt. Ví dụ, cả GPU và FPGA đều có thể thực hiện xử lý song song, nhưng phần cứng GPU được thiết kế cho sự hấp dẫn rộng rãi và không phù hợp với việc hỗ trợ các ứng dụng Trí tuệ nhân tạo tại biên cụ thể như FPGA. Mặt khác, ASIC được thiết kế cho các ứng dụng cụ thể, nhưng chức năng cố định của chúng đòi hỏi phải thiết kế lại hoàn toàn để đáp ứng bất kỳ thay đổi nào trong việc sử dụng. FPGA được thiết kế để cung cấp cả hai thế giới; chúng cung cấp độ trễ thấp và khả năng cấu hình lại cho phép các nhà phát triển dễ dàng cập nhật mô hình Trí tuệ nhân tạo tại biên.

Làm thế nào FPGA của Lattice tăng cường việc ra quyết định dựa trên Trí tuệ nhân tạo tại biên, đặc biệt là trong các ngành như ô tô, tự động hóa công nghiệp và IoT?

Khả năng xử lý song song của FPGA là một điểm khởi đầu tốt. Không giống như các bộ xử lý tuần tự, kiến trúc của FPGA cho phép chúng thực hiện nhiều nhiệm vụ song song, bao gồm cả tính toán Trí tuệ nhân tạo, với tất cả các khối logic cấu hình thực hiện các hoạt động khác nhau đồng thời. Điều này cho phép có thông lượng cao, độ trễ thấp cần thiết để hỗ trợ các ứng dụng thời gian thực trong các lĩnh vực dọc chính mà bạn đã đề cập – cho dù chúng ta đang nói về xe tự hành, robot công nghiệp thông minh hay thậm chí là thiết bị thông minh tại nhà hoặc thiết bị đeo y tế. Hơn nữa, chúng có thể được tùy chỉnh cho các khối lượng công việc Trí tuệ nhân tạo cụ thể và dễ dàng lập trình lại trong lĩnh vực này khi các mô hình và yêu cầu phát triển theo thời gian. Cuối cùng nhưng không kém, chúng cung cấp các tính năng bảo mật cấp phần cứng để đảm bảo các hệ thống Trí tuệ nhân tạo được bảo mật, từ quá trình khởi động đến xử lý dữ liệu và hơn thế nữa.

Có những trường hợp sử dụng thực tế nào mà FPGA của Lattice đã cải thiện đáng kể hiệu suất, bảo mật hoặc hiệu quả của Trí tuệ nhân tạo tại biên?

Câu hỏi tuyệt vời! Một ứng dụng mà tôi thực sự thấy thú vị là cách các kỹ sư đang sử dụng FPGA của Lattice để cung cấp năng lượng cho thế hệ robot thông minh, được hỗ trợ bởi Trí tuệ nhân tạo tiếp theo. Các robot thông minh yêu cầu khả năng xử lý thời gian thực, trên thiết bị để đảm bảo tự động hóa an toàn, và đó là điều mà Trí tuệ nhân tạo tại biên được thiết kế để cung cấp. Không chỉ nhu cầu về các trợ lý này đang tăng lên, mà sự phức tạp và tinh vi của các chức năng của chúng cũng vậy. Tại một hội nghị gần đây, nhóm Lattice đã chứng minh cách sử dụng FPGA cho phép một robot thông minh theo dõi đường bay của một quả bóng và bắt nó ở giữa không trung, chỉ ra rằng những cỗ máy này có thể nhanh và chính xác như thế nào khi được xây dựng với công nghệ phù hợp.

Với nhu cầu ngày càng tăng về suy luận Trí tuệ nhân tạo tại biên, làm thế nào Lattice đảm bảo FPGA của họ vẫn cạnh tranh với các chip Trí tuệ nhân tạo chuyên dụng được phát triển bởi các công ty bán dẫn lớn hơn?

Không có nghi ngờ rằng việc theo đuổi các chip Trí tuệ nhân tạo đang thúc đẩy nhiều phần của ngành công nghiệp bán dẫn – chỉ cần nhìn vào cách các công ty như Nvidia (NVDA ) đã chuyển từ việc tạo ra thẻ đồ họa cho trò chơi video sang trở thành những gã khổng lồ trong ngành Trí tuệ nhân tạo. Tuy nhiên, Lattice mang lại những điểm mạnh độc đáo giúp chúng tôi nổi bật ngay cả khi thị trường trở nên bão hòa hơn.

FPGA không chỉ là một thành phần chúng tôi chọn đầu tư vì nhu cầu đang tăng; chúng là một phần quan trọng của dòng sản phẩm cốt lõi của chúng tôi. Những điểm mạnh của các sản phẩm FPGA của chúng tôi – từ độ trễ và khả năng lập trình đến tiêu thụ năng lượng và khả năng mở rộng – là kết quả của nhiều năm phát triển kỹ thuật và tinh chỉnh. Chúng tôi cũng cung cấp một loạt các phần mềm và giải pháp hàng đầu trong ngành, được xây dựng để tối ưu hóa việc sử dụng FPGA trong các thiết kế Trí tuệ nhân tạo và hơn thế nữa.

Vai trò của khả năng lập trình trong FPGA giúp chúng thích nghi với các mô hình và khối lượng công việc Trí tuệ nhân tạo đang phát triển là gì?

Không giống như phần cứng chức năng cố định, FPGA có thể được tái công cụ và lập trình lại sau khi triển khai. Khả năng thích nghi này có thể nói là sự khác biệt lớn nhất của chúng, đặc biệt là trong việc hỗ trợ các mô hình và khối lượng công việc Trí tuệ nhân tạo đang phát triển. Xem xét sự năng động của cảnh quan Trí tuệ nhân tạo, các nhà phát triển cần có khả năng hỗ trợ cập nhật thuật toán, tập dữ liệu ngày càng tăng và các thay đổi quan trọng khác khi chúng xảy ra mà không phải lo lắng về việc nâng cấp phần cứng liên tục.

Làm thế nào FPGA của Lattice giúp các doanh nghiệp cân bằng giữa hiệu suất, tiêu thụ năng lượng và chi phí trong các triển khai Trí tuệ nhân tạo tại biên?

Cuối cùng, các nhà phát triển không nên phải chọn giữa hiệu suất và khả năng. Đúng, các ứng dụng biên thường bị cản trở bởi các hạn chế về tính toán, tiêu thụ năng lượng và độ trễ tăng. Nhưng với FPGA của Lattice, các nhà phát triển được trao quyền với phần cứng linh hoạt, tiết kiệm năng lượng và có khả năng mở rộng, có khả năng giảm thiểu những thách thức này. Các giao diện I/O có thể tùy chỉnh, ví dụ, cho phép kết nối với các ứng dụng biên khác nhau trong khi giảm thiểu sự phức tạp.

Bạn hình dung tương lai của phần cứng Trí tuệ nhân tạo sẽ phát triển như thế nào trong 5-10 năm tới, đặc biệt là liên quan đến Trí tuệ nhân tạo tại biên và xử lý tiết kiệm năng lượng?

Thiết bị biên sẽ cần phải nhanh hơn và mạnh hơn để xử lý nhu cầu tính toán và năng lượng của các thuật toán Trí tuệ nhân tạo và học máy ngày càng phức tạp mà các doanh nghiệp cần để phát triển – đặc biệt là khi các ứng dụng này trở nên phổ biến hơn. Các khả năng của các thành phần phần cứng động hỗ trợ các ứng dụng biên sẽ cần phải thích nghi cùng với sự phát triển của chúng, trở nên nhỏ hơn, thông minh hơn và tích hợp hơn. FPGA sẽ cần phải mở rộng khả năng linh hoạt hiện có, cung cấp độ trễ thấp và khả năng tiêu thụ năng lượng thấp cho các cấp độ nhu cầu cao hơn. Với những khả năng này, FPGA sẽ tiếp tục giúp các nhà phát triển lập trình lại và cấu hình lại một cách dễ dàng để đáp ứng nhu cầu của các mô hình đang phát triển – cho dù đó là cho các phương tiện tự hành tinh vi, tự động hóa công nghiệp, thành phố thông minh hay hơn thế nữa.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm có thể truy cập Lattice Semiconductor.