我们发现在工业和医疗物联网领域，目前出现了一个共性趋势，就是数据的爆炸性增长——很多此前没有的数据被创造了出来。5-10年以前，数据仅仅用于一些本地应用，但随着物联网时代的到来， 越来越多设备实现联网，如何使用这些数据成为了最大的问题。
我们发现在工业和医疗物联网领域，目前出现了一个共性趋势，就是数据的爆炸性增长——很多此前没有的数据被创造了出来。5-10年以前，数据仅仅用于一些本地应用，但随着物联网时代的到来， 越来越多设备实现联网，如何使用这些数据成为了最大的问题。
“我们战略的核心就是要帮助客户尽可能高效、有效的来利用数据。”日前在深圳举办的一场赛灵思（Xilinx）媒体见面会上，赛灵思ISM 部门市场总监Chetan Khona首次和中国媒体就ISM的信息进行深度分享，他分享了赛灵思帮助客户高效、有效的来利用数据获得一些成果的案例。
赛灵思ISM部门市场总监Chetan Khona
ISM 包括工业、视觉、医疗、科学等，在赛灵思的业务占有非常重要的位置，从其2019年的财报新闻来看，这个部门的收入排在赛灵思所有部门中第四位，占总收入的1/4，客户数位列第一。Chetan表示，刚刚过去的2019 财年是赛灵思年度收入创纪录的一年，从长期保持的20多亿美元，突破到了30亿美元，同比增长24%。其中收入绝大多数来自亚洲。
“尽管赛灵思一直是以FPGA的发明者而著称，但是真正驱动我们在工业领域业务的是 Zynq SoC。” Chetan说到，“对于工业和医疗客户来说,尺寸和价格非常重要，赛灵思 SoC 能在这个领域为他们提供更高的价值。”
用好数据，能给工业/医疗行业带来什么？
创新对于科技企业来说非常重要，但是对于工业和医疗领域的客户来说，产品生命周期更加重要，这也是最让赛灵思引以为傲的。Chetan表示：“有很多半导体公司都做不到15年这样的生命周期，但是对于工业客户来说这又是必须的条件，所以我们可以为产品提供最低15年的生命周期，有些甚至可达到20年或更长。”
而在工业层面，数据能够带来很多的优势和好处，首先是预测性的维护，能够尽可能降低工厂停工时间，因为停工对工厂来说是最大的敌人。
第二是可以通过数据来做资产分析，更好地了解客户购买习惯，出售这样的数据能够创造新的收入流。比如有一个数据，是用监控摄像头来做零售的监控：客户走进一家手机商店，桌上放了两部手机，一部iPhone一部三星，可以通过监控录像对比消费者在iPhone柜台和在三星柜台逗留的时间，再把这个数据通过人工智能的方式进行出售，创造新的收入流。
第三是连接性，连接性是工业互联网的基础。OTA （Over-The-Air）的更新对于汽车来说非常重要，其实对于工厂和医院来说也是，因为除了汽车以外,有很多工厂和医院的资产也是非常贵重的，如果不仅仅能更新软件，还可以通过赛灵思方案更新硬件，确实能够对资产的生命周期和企业寿命产生非常积极的影响。
对医疗物联网来说也一样，采用AI技术，通过物联网进行更高效的医院管理，使得有一些有条件的患者，不必要再去占用病床的床位，而是可以进行居家的医疗方面的监控，减少病房等待时间，人工智能还可以改进诊断，更快、更准确地获得结果。
物联网最关注隐私和反应时间
但是在医疗物联网的数据应用方面，隐私与安全是被人们所担心的。目前，全球已安装超过1亿台医疗物联网设备，到2020年将增长到1.61亿台。有医疗行业的高管表示，当前阻碍医疗组织采用物联网的三大障碍包括：隐私问题占59%，原有系统集成问题占55%，安全问题占54%。可见医疗方面应用的数据敏感性，是所有领域当中最高的。
然而对数据的威胁并不是静态的，随着时间的推移，数据窃取者能力也在提高，其安全威胁是在不断加大的。“赛灵思灵活可升级的医疗物联网安全解决方案，在这个过程当中就能根据黑客能力的增长，来不断提升安全性，这就是赛灵思独特的优势所在。” Chetan说到。
除了隐私安全，工业物联网还非常关注反应时间。两个概念叫做“数据重力”和“数据惯性”，分别由Dave McCrory和Lew Tucker提出，它们是与工业物联网、医疗物联网最相关的两个概念。简单来讲就是：数据是在哪里收集的，就应该在哪里处理。
“我们不再把数据运送到处理点所在的位置，而是把处理能力推送到数据所在的位置。” Chetan这样解释到，所以赛灵思认为应该要把智能定义在边缘，对边缘的定义就是模拟的数据边界，在这些模拟数据边界上对数据进行处理，操作效率和成本都是最优的。”
赛灵思AI对比CPU和GPU
有的企业可以用GPU可以做AI，但是没有传统行业的优势；还有一些传统半导体企业可以做SoC，但在AI技术方面又不给力。“赛灵思两者兼具。所以对很多客户不去使用多个器件的方案，采用赛灵思单芯片解决方案就能够确保高度集成，达到最高的成本有效性。” Chetan说到。
两种模式对比来看，第一种传统模式有非常强大的能力和功能，第二种基于Python的则更像是开源社区，也就是基于Python开源社区用在工业领域，随着更多的大学毕业生进入智慧工业队伍，Python在工业领域的应用也会越来越多。
赛灵思的边缘人工智能解决方案，来自旗下深鉴科技。可以实现支持高吞吐量和低时延，加速整体的应用。“我们有一些竞争对手，他们器件里面用的是嵌入式AI加速器，只能加速AI部分，但赛灵思可以实现整个器件的加速，这样可以使得整个过程都不会出现瓶颈。” Chetan表示，“最后一条尤其重要，从我们合作的客户情况来看，他们绝大多数时间还是花在软件上，所以软件必须是高效、优质的。”
赛灵思产品相对CPU和GPU的优势
做到高批量处理和低延时，最主要有以下两个关键：
1、 通过降低精度的CNN和BNN优化计算。8位解决方案没有显著的精度损失，BNN正在快速改善，而自定义浮点可以提供更大的计算密度。
2、 模型剪枝获得更高的有效性能，SSD可在相同精度下提升6倍fps。
举个例子，旷视（Face++）有很多的摄像头和其他设备就在使用赛灵思的Zynq SoC边缘人工智能方案。
下半年，新物种
赛灵思本次还公布了在工业领域的产品路线图，除了大家都知道的FPGA、SoC、MPSoC、RFSoC，全新物种ACAP也将在2019年下半年发货。
和ACAP对应的一个品牌系列就是Versal，Versal有6个子系列，包括今年推出的Versal AI Core 系列 和Versal Prime （ 基础版）。但对工业领域最重要的AI Edge将在明年推出，强调低功耗和高性能。
60多项行业第一
据介绍，赛灵思目前有60项行业第一。比如全球首个无晶圆半导体企业（Fabless），全球首款FPGA等。
目前赛灵思全球员工大约4400多人，专利数量和员工数量几乎一样多，也有4000多个，其中3000多个在美国，还有1000多个是国际专利。客户数量达到2万多家。
您可能感兴趣
