将FPGA打造成为边缘智能时代的桥梁枢纽

作为一家低功耗FPGA厂商，莱迪思(Lattice)在通信、数据中心、汽车、AI和工业IoT等领域中走出了一条和其它FPGA玩家截然不同的道路。日前，莱迪思亚太区总裁Jerry Xu在接受《电子工程专辑》专访时，以汽车行业应用为切入点，向我们展示了Lattice如何依托核心竞争力，将FPGA打造成为边缘智能时代的桥梁枢纽。

莱迪思亚太区总裁Jerry Xu

在快速演变中体现价值

电动汽车、自动驾驶、高级驾驶辅助系统(ADAS)和车载信息娱乐系统等市场需求大大增加了OEM厂商对汽车系统电子组件的依赖，根据德勤(Deloitte)的预计，截至2030年，电子系统将占据新车成本的45%。

Jerry Xu认为，目前汽车行业的技术和架构都正在经历一个快速演变的过程，这一现象背后很重要的推手之一，就在于整车厂越来越意识到来自不同tier 1厂商的ECU之间彼此缺乏关联，他们不得不投入大量时间和资金加以整合，使得整合ECU成为一件“极为辛苦的工作”。但网联汽车和自动驾驶的快速发展正在改变这一现状——在今后的设计中，传统的分布式方案将被集成式方案取代，包括ECU、传感器在内的硬件会得到高度整合；汽车OEM会更关注客户在接口软件层面上的创新，以及为终端客户提供差异化产品的能力。

智能驾驶舱、高级驾驶辅助系统和电动汽车驱动是莱迪思在汽车领域重点关注的三大应用。

• 智能驾驶舱

以特斯拉为代表的造车新势力正通过将仪表板、信息娱乐系统和屏幕显示进行高度集成，使得一块屏幕上需要展示的内容日趋丰富，加之不同品牌车型间的显示器尺寸并不统一，从而对图像的分区切割显示和多元化融合提出了较高要求。但这对低功耗FPGA产品而言并非难事，很多车厂目前都在利用其可编程、并行处理能力强、功耗低、散热少的特点，加速引入相关FPGA平台。

ISP图像增强是另一个极具前景的应用。例如，对目前在汽车中大量使用的LCD屏幕，FPGA可以作定制的背光优化，以提升视觉效果和节约能耗。同时，为了支持车载4K显示，FPGA对高速数据处理、接口也进行了广泛的支持，包括1.5G-2.5Gbps MIPI、HDMI、DisplayPort等。

• 高级驾驶辅助系统

目前，一辆L3级别的自动驾驶车辆至少配置16个以上的各型传感器，由于主处理器需要连接不同的传感器接口进行数据处理，而且汽车接口也尚未实现真正标准化，所以利用FPGA的可编程特性对不同传感器进行聚合/桥接，或是实现I/O接口扩展，也是新趋势之一。同时，考虑到汽车平台的开发可能需要5-10年的时间，方案是否具备可拓展性也左右着用户的选型决心，莱迪思之所以把28nm CrossLink-NX的MIPI性能推进到2.5Gbps，正是出于这样的考虑。 

Jerry Xu说他个人认为现在手机的生态模式和相关的技术架构会影响到汽车行业的演变。在近期，我们已经看到一些原本在手机应用的技术和产品包括先进的处理器、摄像头、显示、目标识别检测等等，已被应用到汽车上。对莱迪思来说，原本应用于手机中的CrossLink、CrossLink-NX等产品在汽车领域里被大量使用并不是一件令人感到意外的事情。

• 电动汽车驱动

众所周知，DSP是传统马达的主要驱动控制管理器件，但伴随对车辆驱动控制的时效和正确度要求的提升，碳化硅等宽禁带高频半导体材料已开始替代IGBT，传统DSP甚至多核DSP控制的精度可能都难以满足实际需要，而FPGA作为替代方案正在被大量使用。

需要引起高度注意的是，随着车辆中使用越来越多的传感器和自动控制， 加之网络的连接，系统就更容易遭受恶意攻击。OEM厂商必须能够即时检测到漏洞并防止网络攻击，还需要电子系统能够在严酷的环境中稳定安全运行。麦肯锡(McKinsey & Company)方面也曾表示，自动驾驶车辆的系统必须能够经受严酷环境的检验，需要耐候、抗震、连接稳定。对半导体器件来说，增加硬件安全引擎，使之能够在遭到未经授权的访问时对固件进行保护、检测和恢复，就显得更为关键。

以Lattice最新推出的MachXO3LF FPGA和MachXO3D FPGA为例，两者分别用于灵活部署可靠的汽车控制应用和实现系统安全，支持硬件可信根(RoT)、平台固件保护恢复(PFR)和安全的双引导支持等安全特性，主要针对需要在严酷环境中稳定工作的控制、桥接和IO拓展应用，包括高级驾驶辅助系统、信息娱乐系统、马达控制、5G通信基础设施、工业机器人和自动化系统，均支持汽车和其他抗恶劣环境应用的拓展工作温度范围。

承上启下的“桥梁”

汽车只是莱迪思业务的一部分，通信、数据中心、AI和工业IoT中同样隐藏着大量机会。

“技术和产品架构带来的低功耗特性是我们的核心竞争力！”Jerry Xu表示，上述四大领域目前呈现出的共同点首先就是对低功耗的极度关注，这与莱迪思的产品定位十分吻合，例如相比竞争对手，其最具代表性的28nm FD-SOI Nexus平台功耗降低约75%，客户数量超过150家。

但另一方面，在上述市场中莱迪思FPGA产品并非毫无敌手，相反，它正面临着包括CPU、NPU、GPU、MCU在内的不同硬件架构产品的激烈竞争。Jerry Xu对此表示赞同，在他看来，莱迪思FPGA产品的性能和市场定位与赛灵思和英特尔完全不同，在中国市场80%的竞争者不是这两家，反而是那些能够提供异构协同处理的解决方案提供商。

因此，莱迪思将主要从两个方面实现差异化竞争策略：一是与CPU、DSP和MCU形成异构计算方案。考虑到CPU、MCU是串行命令处理，FPGA是并行数据处理，如果两方面能够结合起来，就能够大幅提升数据处理、边缘智能、工业控制、马达控制等方面的性能；二是灵活性。FPGA作为可编程架构，灵活性是毋庸置疑的，不但能够帮助客户快速将产品推向市场，还能够增加产品的多样性，实现不同的应用功能。

如果将通信、数据中心、AI和工业IoT看作是垂直行业带来的机会，那么边缘计算/边缘智能则从横向角度带给莱迪思新的机遇。

边缘(Edge)是一个广义的术语，泛指那些存在于数据中心或云端以外的数据节点，既包括智能手机、PC等设备，也包括数量庞大且正极速增加的传感器和物联网设备。

在传统模式中，从边缘设备中收集的数据，必须传送到云或者数据中心进行分析和处理，但是企业越来越希望这些数据能够在边缘设备或是接近数据源头的位置直接进行处理，这就是“边缘计算”/“边缘智能”的概念。根据IHS Markit的预测，2018-2025年全球物联网设备数量将达到400亿，截至2022年，所有企业产生的数据中近50%会在传统数据中心或云端以外的地方进行处理。

但是在边缘计算领域中，设计人员一方面要在满足日益严格的功耗(毫瓦级)和小尺寸(5mm2到100mm2)要求的前提下，开发出性能比以往更高的产品；另一方面，延迟、带宽、隐私、功耗和成本问题又限制了他们依赖云计算资源来执行数据分析的可能性，同时还要快速获得相应的硬件和软件工具、参考设计、演示示例和设计服务，可谓困难重重。

莱迪思推出的业界第一款用于网络边缘设备端AI处理的完整解决方案集合SensAI也许为我们做出了不错的示范。SensAI提供了供开发人员评估、开发和部署基于FPGA的机器学习/人工智能解决方案所需的全部资源，包括模块化硬件平台、演示示例、参考设计、神经网络IP核、软件开发工具和定制化设计服务，并在今年5月成功升级至3.0版本，从而为监控/安防、机器人、汽车和计算领域的智能视觉应用带来翻倍的性能和一半的功耗。

例如，如果用在家庭智能门铃上，sensAI会初步读取来自图像传感器的数据。如果判断门口的对象是一只猫而不是人，那么系统就不会唤醒SoC或连接到云端作进一步处理，从而最大程度降低数据传输成本和功耗，这对于实时在线的网络边缘应用来说至关重要。

另一个案例来自嵌入式系统设计环境Propel。这是一款“交钥匙”解决方案，包含一系列软件解决方案集合，除了上文谈到的用于网络边缘AI处理的sensAI，还有用于嵌入式视觉开发的mVision、安全解决方案Sentry，每个集合中又都包含一整套的开发工具，比如开发板、FPGA设计工具、参考设计、IP和设计服务等。

“这说明当我们把人工智能应用到边缘侧时，不仅要考虑功耗、延迟、数据预处理等技术问题，还要为更多此前不具备FPGA开发能力的用户提供一揽子解决方案，这样才能大幅提升边缘智能方案的性能和性价比，扩大市场份额。”Jerry Xu对记者表示，现在无论是云端处理还是边缘计算，在工业、汽车等实际应用中遇到的最大问题是缺乏标准化。也就是说，无论是数据格式，还是接口类型，都不统一，从而给网络架构带来挑战。他希望FPGA能够利用自身IO可配置、可编程的特性，在“边云协同”的框架中扮演好承上启下的“桥梁”作用。