機器在ImageNet中圖像識別錯誤率達到了3.5%，遠遠超出了人類平均的5.1%。在越來越多的領域，AI已經擁有了超越人類的能力，比如象棋、圍棋，比如圖片、語音識別。AI計算平臺和相關算法的發展是人工智能大躍進的基礎，在線下模型訓練中Xeon-Phi、GPU等發揮著巨大的作用，而在線上的推理任務中，浪潮FPGA深度學習加速解決方案則能夠實現7倍以上的能效比提升。

卷積網絡之父、Facebook人工智能實驗室主任Yann LeCun在一次采訪中表示，“大規模的在卷積神經網絡訓練上可能是比較慢，但是在一個實際的應用中，沒人關心訓練到底要花多長時間，人們只關心運行需要多久。”

通過Salil Raje總裁的介紹我們可以了解，目前越來越多的開發者和工程都會在賽靈思的MPSoC和SDSoC上開發應用，在云端賽靈思用SDAccel再加上可重配置加速堆棧 (RAS, Reconfigurable Acceleration Stack ) 幫助客戶在云端開發應用，在云這個層面上賽靈思的SDSoC和加速堆棧使得IP可以作為處理器在云端運用。在未來五年里看到潛在的用戶增加5倍，也就是服務25萬的數量。賽靈思的目標市場，也擴展到自動駕駛汽車、無人機、監控以及所有視覺和機器學習等相關的應用之中。

為什么要使用FPGA？FPGA的應用可以為用戶帶來哪些方面的益處？會后的記者訪談中，Andy Walsh先生向我們進行了深入的分析。

CPU的優勢在于，可以對多種應用業務進行處理。但不足之處在于，單核處理性能已經多年停滯不前、處理器的功耗問題也正在成為制約云計算計算能力的發展。而隨著云計算中機器學習、視頻轉碼、數據庫加速等高性能計算業務發展，傳統CPU架構已經難以負擔這些類業務的應用處理，CPU架構正在觸及計算能力的天花板。

此外，用戶對應用業務的處理模式也在發生改變。以前通過本地硬件對業務應用進行處理，現在，有更多的計算業務是在云端通過云計算系統進行分析。另外，還有很多智能化設備的廣泛運用，產生出海量信息需要即時在本地進行處理。而遭遇到性能瓶頸的CPU對這些應用處理需求，已經難以勝任。

隨后Andy Walsh向大家展示了通過FPGA加速與服務器級CPU處理能力對比的情況：

深鑒科技利用FPGA進行機器學習推斷的云識別，加速倍數是40倍。Ngcodec是做視頻解碼的企業，編碼追訴率方面達到10倍加速。Ryft做大數據分析，這里提速是90倍。還有edico genome做基因組分析，用FPGA加速后，基因組分析的速度提升了一百倍。

當前Edico和費城兒童醫院正準備利用AWS上部署的FPGA系統，準備創造新的基金測序基因分析記錄。阿里云也正在建立基于賽靈思FPGA的F2與F3數據中心，此外百度云、華為云等云計算廠商也在進行著FPGA數據中心的建設和應用。正在為更多的用戶提供具有更高計算能力的FPGA應用。下圖展示了借助不斷增加的超大型數據中心用戶的合作，賽靈思通過每單個這樣超大型客戶，就能滿足愈來愈多的應用開發企業（Apps））、軟件及服務（SaaS）企業以及終端用戶企業的需求，FPGA的用戶群將因此成規模化發展。

高性能低功耗的FPGA產品與云計算系統的異構融合，可以為人們提供出更加智慧化的功能應用。讓用戶不再為專業的FPGA硬件設計而煩腦，可以輕松調用基于FPGA加速的功能應用。也正是賽靈思召開開發者大會的目的。相信隨著FPGA在云計算系統中所占比重的提升，隨著在終端、端點內利用FPGA芯片對數據應用加速的普及，智慧化的人工智能時代，必將加速向我們走來。

聯系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

郵箱：1224848052@qq.com

網站：http://www.mat7lab.com/

網站：http://www.hslogic.com/

微信掃一掃：

--------------------------------------------------------------------------------------

人工智能代做，深度學習代做，深度強化學習代做，zynq智能系統FPGA開發，

AI代做，卷積神經網絡，Alexnet，GoogleNet，CNN，TensorFlow，

caffe，pointnet，PPO，Qlearning，FasterRCNN，MTCNN，

SPPNet，word2vec，SARASA算法，梯度策略等等