Lattice：聚焦网络边缘计算的差异化市场

　　延宕了一年之久的莱迪思（Lattice）收购案近期终于落下帷幕。由于受到特朗普的否决，Canyon Bridge对Lattice的收购要约可能告吹。虽然买卖不成，但lattice发展的脚步还是要继续迈进。根据其最新的动态来看，lattice瞄准了网络边缘这一逐渐兴起的领域。下面就随嵌入式小编一起来了解一下相关内容吧。

　　目前的网络中已经有64亿台设备连接，此外还新增了550万台新设备，因此物联网的兴起需要采用新的处理和分析需求的方法。充分利用物联网需要在设备和云之间实现强大的无缝连接，同时消除计算问题和隐私问题。云计算结合IoT技术的能力意味着到2018年，IoT传感器和设备将超过手机成为最大的接入设备。用于工业和消费者应用的复杂算法使得语音和人脸识别以及机器学习的功能将会得到快速的发展应用。但是，数据传输到云端并返回到每个IoT设备必须应对不可避免的网络延迟，所有IoT创建的数据的45%将被存储、处理、分析，并在靠近或在边缘网络上进行。“Lattice正朝着网络边缘领域进军。我们也在加大FD-SoI技术投入，并通过收购加速发展。”莱迪思半导体首席运营官Glen Hawk对集微网表示。

　　“在2006年之前，Lattice的营收主要来自于控制PLD部分，每年在2亿美元左右，非常稳定。从2006年开始，网络边缘的互连市场逐渐增长。而网络边缘计算是一个全新的市场需求，将成为今后增长的主要驱动力。”Glen Hawk指出，“在网络边缘的控制、互连、计算三个领域，Lattice都能提供完整而极具优势的解决方案。”

　　据介绍，在控制方面，现在是Lattice实现稳定营收的坚实基础，仅2016就有4000多家客户。“产品生命周期长，供应链稳定是满足更多客户的特点需求的基础。而丰富的系统设计经验帮帮助客户实现创新，已在网络边缘领域被多家客户采用。”Glen Hawk表示。

　　在网络边缘互连应用方面，Lattice的iCE系列、CrossLink系列、无线连接系列FPGA产品等都普遍应用于智能音箱，ADAS、车载信息娱乐系统，监控摄像头，机器视觉，平板电脑、VR等领域。“仅在过去一年中，我们就看到来自全球各地的公司为AR/VR系统、机器人、无人机、机器视觉、智能监控摄像头等各种产品采用我们的小尺寸、低功耗、低延迟FPGA。这才是刚刚开始。我们热切期盼能够助力网络边缘领域的创新和设计。”

　　网络边缘人工神经网络应用的潜力无限。不过现实情况是产生想法很容易，但实现起来并不那么简单。设计工程师要如何将人工智能、神经网络和机器学习的优势引入到资源有限的低功耗网络设备中去呢？

　　“我们看到，在网络边缘计算的各类应用中，对于功耗、价格和性能的要求都是不同的。莱迪思在神经网络和机器学习领域有着功耗和性能的优势，因此我们锁定了每秒1万亿次运算、功耗地域1W的可编程神经网络应用市场。”Glen Hawk表示，“现在在ADAS 360°环绕视野，车牌侦测、AR/VR位置跟踪等网络边缘计算应用都可以满足他们的需求。例如基于卷积神经网络的人脸跟踪应用，采用ECP5，功耗低于1W;基于二值神经网络的人脸侦测应用，采用iCE40 UltraPlus，功耗低于5mW。”

　　在他看来，FPGA的并行计算和可编程特性，非常适合于神经网络计算，相比ASIC也更适合应用十分广泛的物联网市场。GPU在深度学习算法模型训练上非常高效，但在推理时对于小批量数据，并行计算的优势不能发挥出来。而FPGA 同时拥有流水线并行和数据并行，因此处理任务时候延迟更低，功耗也更低。此外，FPGA是可编程芯片，更加灵活。目前来看，深度学习算法还未完全成熟，算法还在迭代衍化过程中，若深度学习算法发生大的变化，FPGA是软件定义硬件，可以灵活切换算法，快速切入市场。

　　此外，Glen Hawk强调，网络边缘智能应用领域的市场机会，预计到2022年将翻一番。“随着网络边缘计算领域的增长，Lattice有望实现超过20亿美元的营收。”他指出，“网络边缘互连保持稳定的业务增长，网络边缘计算加速未来发展，稳步增长实现稳定的收益，这就是Lattice接下来的成长和进取之道。”