AI发展处于黎明期，AMD用创新芯片和工具助力AI落地

（文/程文智）随着去年年底ChatPGT的推出，AI又重新成为了市场热议的焦点，但真正让AI改变我们的生活和世界还有很长的路要走。不久前，AMD全球副总裁唐晓蕾在与媒体分享AMD在核心市场的表现时认为，现在AI的发展正处于黎明期，尽管我们以惊人的速度在前进，仍然追不上数据的产生和对AI的需求，AI给所有所有人带来了一个机会，解开了神秘舞台的一角。

现在，很多公司都在不同的领域进行AI相关的应用研究，很多AI项目在开始时都会选择用FPGA来做验证，对复杂应用会选择大型FPGA芯片，简单应用会选择小型FPGA芯片。如果确定了AI应用场景和网络之后，ASIC芯片在效率方面将更有优势，“前提是有确定的要素，当有些要素还未确定时，固化的一个ASIC并不容易。”唐晓蕾在分享时指出。

因此，她认为AMD的自适应架构IP------AMD XDNA会是一个比较好的选择。她解释道，XDAN是一个自适应架构的IP组合，主要用于AI，以及传统的信号处理和数据流之间的架构。它带有本地存储器和数据移动器的高度可扩展引擎阵列，是AMD利用深厚的FPGA和自适应SoC编译算法专业知识推出的一种算法工具。

其中，AI引擎可以让AI和信号处理实现高性能和高能效。采用AI引擎，意味着在改变时要不停投入研发，但整体平台不需要做大改动，客户可以在平台上积累知识。唐晓蕾还透露，未来AMD将更多应用Chiplet技术来应对AI浪潮的到来。

除了XDNA，AMD还在三年前推出了Kria系统级模块(SOM)，专注于安防系统、城市摄像头和道路摄像头等视觉相关应用。该SOM可以帮助开发者把外围的接口打通，让他们更快地将其算法落地，并实践。

据唐晓蕾介绍，未来的SOM产品将会分成两个产品路线，一个将注重成本优化，关注电力驱动和其他尺寸与成本受限的应用；另一个将会致力于提供更高的算力。因为算力已经成为一个绕不开的话题，开发者对算力的需求每天都在在呈指数级地在增长，而SOM的算力不能完全依赖云端，越来越多的应用场景需要端、边缘侧的算力支持，处理对实时性要求高的数据。

除了这些硬件创新，在FPGA和X86平台上，工具的重要性也不可忽视。尤其是随着AI的推进，更多软件工程师的加入，对工具的需求更加看重。因此，AMD也更新了Versal开发环境。该开发环境面向所有开发者，其中包括硬件底层的异构平台，比如Versal ACAP、标量引擎、可编程逻辑，以及AI引擎；在中间层，AMD提供的中间件可以为开发者提供使用工具的接口，在此基础上，AMD提供了EDA后端工具Vivado；EDA后端工具之上是异构软件平台Vitis，在此平台上，软件开发者可以轻松使用自己熟悉的C、C++、或Python进行开发；此外，AMD还提供了无硬件编译的选项，利用云服务器进行创新，无需软件编译。

唐晓蕾表示，AMD正在利用自适应计算加速客户在核心市场的创新，其中核心市场包括汽车、工业、医疗、音视频，以及TME(测试、测量与仿真)等领域。

汽车：从沉浸式座舱到自动驾驶

如今的汽车行业正面临前所未有的改变，智能化转型正快速发生着。但汽车的智能化不论是技术路线，还是落地方式，其实都有着不同的路径，其中，自动驾驶主要朝着Robotaxi的方向发展。传统汽车或新能源汽车更强调沉浸式体验、智能驾舱，以及提升驾驶员安全感。

首先，当今汽车行业很卷，设计周期从今年要规划5年后的产品，到今年要规划明年的产品，带给客户不一样的挑战。在唐晓蕾看来，在这个浪潮中第一个面对挑战的客户是车厂。虽然迭代速度、应用场景在增加，AMD仍然希望能提供一个可扩展的平台给客户使用。例如在沉浸式智能座舱中，从4K屏（带鱼屏）到六个8k屏支持3A游戏等需求为AMD提供不一样的市场要求。市场对于ASIC设计周期的需求大大加快。如今迭代周期以及产品升级已经不能满足产品的设计周期，AMD的自适应平台给客户提供了不一样的产品设计体验。如果客户想驱动两个屏可以需要一个小一点的FPGA，即vision hub。通过AMD的FPGA产品做一个扩展还可以做更多，比如在未来支持13个摄像头，4个屏等。

其次，当你的沉浸式体验需求不是那么完整，可能配置不需要后排打3A游戏，也不需要做一些更高级的游戏体验，你可以不需要GPU。但是，如果以后需要加装，客户完全可以把GPU做成一个盒子，去增加客户的体验，也可以把GPU变成一个选项去配置。从CPU平台本身， X86的迁移是不难的。如果现在用的是ZEN 3的架构，将来我们推出ZEN 4架构后，对整个平台，以及生态系统的迁移来说是非常简单的。而且，座舱作为一个非常独立的空间，X86不管从能够支持的应用场景，还是说已有的生态来讲，都能带来非常完善，更加有力的体验。

相对而言，安卓更适合手机等移动场景。当追求到一些极致的体验的时候，安卓有一定的使用限制。随着空间的扩大，更需要具有顶级处理能力的平台去满足相关体验。

而自动驾驶则完全不同。自动驾驶对算力有非常高的要求，因此，这个场景通常会选用服务器级别的芯片。在这个领域，AMD的优势在于其有非常强的X86去做真正的控制。在计算上面，X86、GPU结合FPGA如何把车载网络做的更加高效，更加复杂。在自动驾驶领域，AMD的独特优势能够帮到客户不停的升级迭代以及自适应计算。

对于FPGA的能耗问题，唐晓蕾认为这个已经不成问题了，汽车正在经历从机械到电子再到智能的巨大变革过程。无论是新能源汽车还是传统汽车，为了提供更好的体验，汽车行业与半导体公司正在产生前所未有的紧密耦合以满足发展所需的更强算力。这个融合过程是数据驱动的。在这个世界上， AMD的站位独特在于将CPU，GPU，FPGA，以及Semi ASIC融合到一起，帮助汽车行业的客户实现大数据计算的转型。

此外，随着电动驱动力的发展，能耗和功耗也不再是一个最关键，或不可突破的问题。现在电动汽车已经采用了水冷系统，因此在成本上增加一个功耗较高的设计不会带来额外的问题。过去是12度的电，但是现在汽车电池容量达到了120度，在此情况下对芯片的功耗相对不敏感，“加上我们的异构计算更好地的平衡了功耗和算力，颠覆了传统用户的思考习惯。所以，我们通过跟客户的交流发现，引入FPGA、GPU以及CPU并不会增加车的能耗或价格，而是一个必要的解决方案。“唐晓蕾强调。

工业创新

在智能制造领域，AMD通过数字孪生技术让工程快速精准落地。另一种应用场景是智能仓储，使物流解决方案更加高效。还有在无人工厂，需要无人搬运车（AGV）和自动抄表（AMR），以让人们实时了解仓库里面发生了什么，减少工厂内的人工干预。

智能制造离不开工业机器人，在工业机器人领域，AMD一直以来致力于让自动化的流程更加顺畅，让自动化的机器人能够更精准的控制。

还有很多其他的关于产品验证的创新，比如，产品验证正从人眼验证越来越多向机器验证以及智能视觉检测转型。在整个工业创新里面，从厂房的建立，工程的数字孪生，以及中间的物流，最后的生产，以及把控产品品质，可以涵盖整个智能制造流程。

这个过程涵盖了了非常多的底层技术，包括传感、控制、计算、互联，以及怎么样让联网更加高效，怎么样让传感能够提供更多的数据。唐晓蕾表示，AMD同时把控传感，控制，计算与联网等底层技术结合在了一起，让数据更加有效地完成使命，推动中国制造走向中国智造。

助力医疗创新

医疗创新包括了窥镜系统，医疗超声，手术机器人，大型扫描仪器，以及病患护理等设备。唐晓蕾主要介绍了一些医疗创新领域里比较新、比较有创意的方案，比如内窥镜系统、外科手术机器人系统、医疗超声，以及CT、MR及大型扫描仪等。

据她介绍，在内窥镜方面，随着内窥镜分辨率的提升，对带宽对低时延的要求也越来越多。AMD对宽带和图像分辨率的支持的可实时调节性以及灵活的计算处理使AMD在内窥镜分辨率方面有极大的竞争优势；在医疗超声方面，AMD切实落实可视化以及智能化以提升整体医疗系统效率，并且在信号的实时处理方面得到很大推广；在手术机器人系统方面，AMD的技术也得到了应用，通过5G网络和AI机器学习推理实现手术指导以更好应用医疗资源；在CT、MR及大型扫描仪方面，图像重构的卸载和加速在AMD的平台上面去处理，使成像密度越来越高。

唐晓蕾指出，医疗作为人文关怀项目，一直是AMD重要的研发方向。为了配合医疗创新的尽快落地，AMD通过为客户提供影像库和发布医疗电子书，让其能够更快的接受、使用以及落地自适应计算，帮助客户完成医疗方面的快速转变和迭代。AMD也在计划尽快把AI应用到医疗影像库里。

她还强调，医疗领域一直都是AMD非常重视的领域，并与全球客户保持紧密合作。因为医疗设备设计周期长，需要各种认证和医院采购流程，医疗领域对新产品，新技术接受度相对较慢。但随着创新发展，医疗对创新的需求也在增加。很多人在思考如何将AI引进，例如加速X光片和病灶的分析。这些都是推动医疗水平提升和改善资源利用效率的驱动力，这些驱动力要求医疗设备有较大提升空间。

目前，不管是内窥镜还是医疗超声，都融入了AI技术，从而驱动了创新和对新器件的接受。“近两年，医疗行业开始大规模应用我们的先进器件。”唐晓蕾表示。

随着AI的植入、处理能力的增加、网络时延的改善以及远程医疗的加入，医疗行业开始关注通讯和网络，智能医院也开始考虑设备的互联。她进一步指出，“这些都是推动创新的驱动力，也是AMD高端产品在医疗领域得到广泛使用的原因。因此，我们看到新器件、大器件、好器件在医疗领域得到越来越多的应用。”

此外，唐晓蕾还介绍其产品在嵌入式工业、视觉、医疗系统协同效应、专业音视频、广播、消费类应用、测试、测量与仿真等方面的创新应用。