拉特赛半导体的Hussein Osman – 采访系列

Hussein Osman 是一位半导体行业的资深专家，拥有超过二十年的经验，专注于将传感、处理和连接解决方案整合到市场中的硅和软件产品中，重点是创造创新性的体验，以便为最终用户提供价值。在过去的五年中，他领导了 Lattice Semiconductor 的 sensAI 解决方案策略和上市工作，创建了高性能的 AI/ML 应用。奥斯曼先生从加利福尼亚理工州立大学圣路易斯奥比斯波分校获得了电气工程学士学位。

Lattice Semiconductor (LSCC ) 是低功耗可编程解决方案的提供商，广泛应用于通信、计算、工业、汽车和消费市场。该公司的低功耗 FPGA 和软件工具旨在帮助加速开发和支持从边缘到云的应用创新。

边缘 AI 正在获得关注，因为公司正在寻找替代云端 AI 处理的解决方案。你如何看待这种转变对半导体行业的影响，以及 Lattice Semiconductor 在这一转变中扮演什么角色？

边缘 AI 的确正在获得关注，这是因为它有潜力真正革新整个市场。各个行业的组织都在转向边缘 AI，因为它可以帮助他们实现更快、更高效、更安全的运营，特别是在实时应用中，这比仅靠云计算更为有效。人们通常关注的是边缘 AI 如何改变业务运营，但还有一个同时发生的旅程，这个旅程始于实施之前。

边缘 AI 的创新正在推动原始设备制造商设计能够运行 AI 模型的系统组件，尽管存在足迹约束。这意味着需要轻量级、优化的算法、专用硬件和其他能够补充和/或放大性能的进步。这就是 Lattice Semiconductor 的作用所在。

我们的现场可编程门阵列（FPGA）提供了设计师所需的高度可适应的硬件，以满足与延迟、功耗、安全性、连接性、尺寸等相关的严格系统要求。它们为工程师提供了一个基础，使他们能够构建能够保持使命关键型汽车、工业和医疗应用功能的设备。这个领域是我们当前创新关注的重点，我们很高兴能够帮助客户克服挑战，并以信心迎接边缘 AI 的时代。

企业在实施边缘 AI 时面临的主要挑战是什么，你如何看待 FPGA 比传统处理器或 GPU 更好地解决这些问题？

你知道，当任何技术进步时，一些挑战似乎是真正普遍的。例如，希望利用边缘 AI 的开发人员和企业可能会遇到诸如以下的共同挑战：

• 资源管理。边缘 AI 设备必须在有限的计算和电池容量内可靠地执行复杂的过程。
• 虽然边缘 AI 提供了本地数据处理的隐私优势，但也引发了其他安全问题，例如物理篡改的可能性或小型模型的漏洞。
• 边缘 AI 生态系统可能在硬件架构和计算要求方面非常多样化，使得在大规模上简化数据管理和模型更新等方面变得困难。

FPGA 通过其高效的并行处理、低功耗、硬件级安全功能和可重构性为企业提供了解决这些关键问题的优势。虽然这些听起来像营销用语，但它们对于解决顶级边缘 AI 痛点至关重要。

FPGA 传统上用于桥接和 I/O 扩展等功能。是什么使它们特别适合边缘 AI 应用？

是的，你说得对，FPGA 在连接领域表现出色，这也是它们在边缘 AI 应用中如此强大的原因。如你所提到的，它们具有可定制的 I/O 端口，可以与各种设备和通信协议接口。此外，它们可以执行桥接和传感器融合等功能，以确保不同系统组件（包括传统和新兴标准）之间的数据交换、聚合和同步顺畅。这些功能在今天的边缘 AI 生态系统变得更加复杂、互操作性和可扩展性需求增加时尤其重要。

然而，正如我们所讨论的，FPGA 的连接优势只是冰山一角；它们的适应性、处理能力、能效和安全功能也在推动结果。例如，FPGA 可以被配置和重新配置以执行特定的 AI 任务，允许开发人员根据其独特需求量身定制应用，并满足不断演变的要求。

你能解释一下低功耗 FPGA 与 GPU 和 ASIC 相比，在边缘 AI 中的效率、可扩展性和实时处理能力方面如何比较？

我不会假装 GPU 和 ASIC 不具备支持边缘 AI 应用的计算能力。它们确实具备。但是，FPGA 在延迟和灵活性等领域比其他组件具有优势。例如，GPU 和 FPGA 都可以执行并行处理，但 GPU 硬件是为广泛的吸引力而设计的，不太适合支持特定的边缘应用。另一方面，ASIC 是针对特定应用而设计的，但其固定的功能意味着它们需要进行全面的重新设计以适应任何重大变化。FPGA 提供了两全其美的解决方案；它们提供了低延迟和低功耗的能力，适用于更高的需求水平。凭借这些能力，FPGA 将继续帮助开发人员轻松地重新编程和重新配置，以满足不断演变的模型的需求，无论是用于更复杂的自动驾驶汽车、工业自动化、智能城市，还是其他领域。

在边缘 AI 推理需求日益增长的情况下，Lattice 如何确保其 FPGA 在与大型半导体公司开发的专用 AI 芯片相比仍然具有竞争力？

毫无疑问，AI 芯片的开发正在推动半导体行业的发展——看看像 NVIDIA 这样的公司如何从创建视频游戏图形卡转变为成为 AI 行业的巨头。然而，Lattice 拥有独特的优势使我们在市场变得更加饱和的情况下仍然脱颖而出。

FPGA 不仅仅是我们投资的组件，因为需求正在上升；它们是我们核心产品线的关键部分。我们的 FPGA 产品的优势——从延迟和可编程性到功耗和可扩展性——是多年来技术开发和完善以及与整个半导体行业的合作关系的结果。我们将继续保持竞争力，因为我们将坚持这一道路，与设计、开发和实施合作伙伴合作，以确保我们为客户提供最相关和最可靠的技术能力。

可编程性在 FPGA 适应不断演变的 AI 模型和工作负载方面扮演什么角色？

与固定功能硬件不同，FPGA 可以在部署后重新工具和重新编程。这一内在的适应性是它们最大的区别，特别是在支持不断演变的 AI 模型和工作负载方面。考虑到 AI 景观的动态性，开发人员需要能够在不担心不断的硬件升级的情况下支持算法更新、日益增长的数据集和其他重大变化。

Lattice 的 FPGA 如何显著提高边缘 AI 性能、安全性或效率的实际应用场景有哪些？

一个很有趣的应用是工程师如何使用 Lattice FPGA 来为下一代智能、AI 驱动的机器人提供动力。智能机器人需要实时、设备上的处理能力来确保安全的自动化，这正是边缘 AI 设计来提供的。不仅对这些助手的需求正在增加，而且它们的功能也变得更加复杂。最近的一次会议上，Lattice 团队演示了如何使用 FPGA，使智能机器人能够跟踪球的轨迹并在半空中接住它，展示了这些机器在配备合适技术时可以多么快、多么精确。

从硬件角度来看，这很有趣，因为设计策略正在改变以适应这些应用。例如，开发人员不再仅仅依赖 CPU 或其他传统处理器，而是开始将 FPGA 集成到设计中。主要的好处是 FPGA 可以与更多的传感器和执行器（以及更广泛的这些组件）接口，同时还可以在传感器附近执行低级处理任务，以释放主计算引擎用于更高级的计算。

你如何看待未来 5-10 年 AI 硬件的发展，特别是在边缘 AI 和低功耗处理方面？

边缘设备需要更快、更强大的处理能力来满足 AI 和 ML 算法的计算和能量需求，特别是随着这些应用变得更加普遍。支持边缘应用的动态硬件组件的能力需要适应，变得更小、更智能、更集成。FPGA 需要在现有的灵活性基础上发展，提供低延迟和低功耗的能力，以满足更高的需求水平。凭借这些能力，FPGA 将继续帮助开发人员轻松地重新编程和重新配置，以满足不断演变的模型的需求，无论是用于更复杂的自动驾驶汽车、工业自动化、智能城市，还是其他领域。

感谢这次精彩的采访，希望了解更多的读者可以访问 Lattice Semiconductor。