赛灵思在自动驾驶领域扮演着重要角色。

昨天（12月3日），自适应和智能计算公司赛灵思在北京举办了2019赛灵思开发者大会。

会上，赛灵思面向亚洲开发者正式发布Salil 面向亚洲开发者正式发布 Vitis™ 统一软件平台，并宣布面向人工智能和机器学习推断的Vitis™ AI 即日起开放免费下载。

赛灵思总裁兼CEO Victor Peng表示，“自适应计算时代已经来临，赛灵思作为自适应和智能计算的领导企业，致力于携手亚洲及中国产业合作伙伴，持续推动各个领域的产业发展与创新，随着赛灵思由器件向平台公司转型不断深入和公司三大战略的持续推进，我们将继续以高度灵活的自适应产品和平台，赋能更多开发者进行源源不断的创新。”

2018年初，赛灵思宣布启动公司三大战略，即数据中心优先、加速核心市场发展以及驱动灵活应变的计算。

经过一年半的发展，赛灵思凭借独特的高性能与灵活应变能力，不断拓展市场，在数据中心、人工智能、 5G 等行业重大趋势应用领域，日益扮演重要的领导者角色。

面向数据中心领域，赛灵思在去年的XDF上推出了世界上最快的数据中心加速卡 Alveo加速器卡系列。

在一年多的时间里，为满足用户对算力、尺寸、内存带宽及成本的不同需求，陆续推出U50、U200、U250和U280四大产品系列，用于大幅提升云端和本地数据中心服务器的性能。

借助Alveo加速器卡，客户在运行实时机器学习推断以及视频处理、基因组分析、数据分析等关键的数据中心应用时，能够以更低的时延实现性能的突破性提升。

此外，最值得一提的是赛灵思围绕Alveo， 在短短一年多的时间里，已经培训企业与学术单位7,500 多人，加速器项目达800 多个，应用发布近100 个。

最新 Vitis 统一软件平台，该平台将使得软件工程师、人工智能科学家等更广泛的开发人员都能够受益于赛灵思灵活应变硬件加速的优势。

这是赛灵思首次推出一个软件和硬件设计“大一统”的开发工具平台，也是公司从器件向平台企业战略转型的里程碑式产品之一。

Vitis 可以根据软件或算法代码自动适配和使用赛灵思硬件架构，将用户从繁杂的硬件专业知识中解放出来。

借助 Vitis 平台，无论是软件工程师还是 AI 科学家，都将受益于赛灵思灵活应变的硬件优势。

而对于硬件开发者来说， Vitis 则可以通过软硬件工程师在同一工具平台上的协作，显著提升工作效率。

在自动驾驶领域，赛灵思汽车战略与客户市场营销总监Dan Isaacs表示，“在过去的几年中，赛灵思FPGA在汽车领域出货量达到了1.7亿片，ADAS出货量为7千万。”

这是一突出成绩也主要取决赛灵思产品有着非常高的质量和可靠性。

最新的消息显示，赛灵思又推出推出了两款新的产品，这两款产品都是在汽车级别的器件更具有编程性、有更高的I/O，而且有更好的性能。

这是赛灵思汽车级别SA产品线当中最新的产品。

Dan Isaacs表示，“这个主要是基于ADAS和自动驾驶的需求，比如现在我们对于边缘的探测器和中央预控制器都有更高要求。”

这里需要强调的是，赛灵思的数据汇总预处理和分配的功能，因为现在车上需要更多的传感器，需要更多的可编程的能力，并且能够把更多的加速器放在整个系统当中，对此，赛灵思有了一系列可扩展的产品线，这里可以看到赛灵思产品器件是从小到大的覆盖了所有客户可能出现的需求。

现在我们看到的重新定义汽车的产业，我们看到了汽车行业当中几个非常重要的趋势，第一个趋势是跟ADAS相关，也就是我们现在已经逐渐从计算机视觉向神经网络AI在进行过渡，我们希望通过可变成的逻辑来优化我们的驾驶。

当前，要想实现自动驾驶，有两条路径可以走：

传统的路径，一开始传统厂商先去做全景环式探测器，从车外移到车内，然后再做ADAS预控制器。

非传统的路径，比如有互联网公司，他们直接做集中处理模块的方式来实现自动驾驶。

而赛灵思的产品和解决方案，涵盖了这两条路径当中所有的内容，不管是边缘传感器还是集中处理的预控制器，通过产品把所有相关数据进行收集、一致化、整合、预处理，然后再分配出去。

当前，在前置摄像头、激光雷达、全景摄像头和全屏显示后视镜等新技术都在应用赛灵思的产品。

其中在摄像头方面，已经从机器视觉正在向机器学习、人工智能、神经网络阶段过渡进而实现自动驾驶。

Dan Isaacs表示，“很多客户都在使用我们自动驾驶中央模块的功能和技术，不管是从数据的整合还是传感器的融合方面，都在再次向大家证明了我们的产品和技术是非常有扩展性的，从很小的器件可以扩展到很大的器件。”

Dan Isaacs列举了一个集中处理模块的例子，DAPD数据的汇总、预处理和分配完成之后，赛灵思将把这些数据送到计算的加速器当中，用Versal来实现加速，之后这个数据将送到安全性的处理器当中来确保驾驶室是完全安全的。

当然这只不过是架构的一种，其实赛灵思还有很多其他种类架构都用在自动驾驶中，这也是为什么赛灵思必须要有可扩展性和灵活程度，这也是为什么赛灵思具备自适应和可扩展的产品是用在很多汽车中。

在上午的论坛中，Victor Peng在介绍的时候说到了赛灵思具备双重优化，这里他指的是通过通过对机器学习和神经网络的优化来实现以及实现硬件模型的优化。

可以说，通过这样一个方式能够实现业界AI的推断性能、低延时和高性能。

延时对于自动驾驶来说是非常重要的，响应速度要非常快速才真正实现安全，通常情况下，传统CPU、GPU或者DSP可以实现高吞吐量，但是没有办法实现低时延，因为处理时间会比较长，这时候就需要花更长的时间来进行响应。

在自动驾驶初创公司小马智行开展的自动驾驶测试中，使用赛灵思FPGA的方案延迟可以得到12倍的提高，相对通用计算架构来说，能耗只有通用计算架构的1/10，强调的一点是，还有一些是通用计算架构永远无法提供的，比如非常强的时序。

赛灵思FPGA还可以实现芯片内的运行中的配置，这也是所说的自适应性。

Dan Isaacs称，“欧洲新车测评估安全标准是在不断进行变化，随着这些标准不断变化，我们的产品和技术不需要引入新的器件就可以实现运行中的重配置。在MIPI协议当中，数据速率在不断提高，我们不需要改变原来的器件，只要通过可编程逻辑的变化就可以支持高数据速率。”

最后，赛灵思器件的特点就是用DFX，也就是动态功能交换的性能，这个时候不需要进行重启或者是关掉这些器件，就可以实现器件之间功能的互换。

在I/O或者传感器不需要发生太大变化，用可编程逻辑当中的一部分进行改变。

比如，开车时换了倒车档，这时候就启动了后置摄像头，在这个过程当中，我并不需要把整个系统关掉再重开就可以实现，而这样做的好处是节约成本的同时也是增加了汽车的可靠性。

总体来看，赛灵思所有的产品和技术可以提供最低功耗的AI推断以及高度的扩展性，通过可编程的逻辑可以帮助企业实现动态功能交换或者在远程硬件，也就是芯片更新，根据的传感信息I/O的要求，还有加速的能力。

与此同时，加上ADAS就可以实现异构计算，帮助矢量引擎、AI引擎和各种引擎来实现异构计算。