FPGA是如何應(yīng)對新冠疫情的？

很多業(yè)務(wù)覆蓋較廣的上游企業(yè)，近半年的財報實則是最能反映電子科技行業(yè)內(nèi)，哪些部分受到了新冠疫情的負面影響——典型如汽車、交通領(lǐng)域承受沖擊較大，又有哪些則在業(yè)務(wù)上受到正面影響——典型如客觀上推動企業(yè)數(shù)字化進程加速。此前在瑞薩的企業(yè)分析文章里，我就提到過這一點。

不僅是瑞薩，半導體行業(yè)的此類企業(yè)實則還不少，比如說賽靈思。賽靈思FY2021前兩個季度的營收，整體上還是受到了新冠疫情的不良影響的。不過也因為賽靈思涉足業(yè)務(wù)較廣，新冠疫情對賽靈思的影響也比較復雜。

上面這張圖是賽靈思2020年截至9月份，前兩個季度不同業(yè)務(wù)的營收占比變化情況。從整體來看，賽靈思FY2021Q2季度總的營收（net revenue）為7.7億美元，相比去年同期的8.3億還是略有下滑的。但這個營收成績已經(jīng)超過了賽靈思此前的預期中值，畢竟國際貿(mào)易環(huán)境以及國際形勢都有負面影響。

從不同的業(yè)務(wù)來看，Automotive, Broadcast and Consumer以及Wired and Wireless都在下滑。這是符合如今的大趨勢的，尤其汽車和通訊：出行相關(guān)的市場在疫情期間本來就在遭受毀滅性打擊；通訊相關(guān)（尤其Wireless）的部分，從賽靈思的角度來看，是因為5G發(fā)展速度的放緩。

但另一方面，Data Center（數(shù)據(jù)中心）和AIT（Aerospace and Defense; Industrial, Scientific and Medical; Test, Measurement and Emulation）則又有相當顯著的營收增長。其中數(shù)據(jù)中心業(yè)務(wù)的增長是最好理解的，畢竟全球帶寬需求的增長在疫情期間是很顯著的趨勢；而且數(shù)據(jù)中心本身就正在成為賽靈思的業(yè)務(wù)重心。

賽靈思醫(yī)療科學全球業(yè)務(wù)市場負責人Subh Bhattacharya

至于賽靈思的AIT業(yè)務(wù)，相關(guān)的構(gòu)成十分多樣，所以無法一概而論，賽靈思也并未將這些業(yè)務(wù)的營收單獨列出。不過基本可以肯定的是，其中的醫(yī)療業(yè)務(wù)必然是有提升的，畢竟它與當前形勢息息相關(guān)。而且在前不久的賽靈思醫(yī)療市場及應(yīng)用采訪中，賽靈思醫(yī)療科學全球業(yè)務(wù)市場負責人Subh Bhattacharya也提到，“確實醫(yī)療現(xiàn)在在我們的營收中占了比較重要的比重，而且一直是以兩位數(shù)的速度在增長。”

“我們也加大了這個領(lǐng)域的投資力度，加上新冠疫情對市場的影響，以及人工智能的發(fā)展，我們在這方面處在相當?shù)膬?yōu)勢地位。”Bhattacharya表示，“我們有信心從GPU，以及傳統(tǒng)競爭對手的ASSP那里獲得更多市場份額，所以總體來說相信我們產(chǎn)品的增長勢頭會非常強勁，在接下來5-10年都大有可為。”

那么我們也不妨借此機會來看一看，賽靈思在醫(yī)療領(lǐng)域的投入方向，以及從賽靈思的角度來理解電子科技對于控制新冠疫情，究竟是如何起到幫助作用的。

影響醫(yī)療行業(yè)發(fā)展的趨勢

“和其他行業(yè)一樣，醫(yī)療行業(yè)也受到了一些宏觀大趨勢的影響。” Bhattacharya分享了賽靈思觀察到的醫(yī)療與電子產(chǎn)業(yè)交匯發(fā)展時的幾個重要趨勢。

“首先是互聯(lián)系統(tǒng)與移動醫(yī)療。隨著數(shù)據(jù)和系統(tǒng)的爆發(fā)性增長，這個趨勢正變得越來越明確。”這實際上是促成電子產(chǎn)業(yè)在醫(yī)療領(lǐng)域大展身手，以及賽靈思醫(yī)療業(yè)務(wù)發(fā)展的一大原因。但另一方面，Bhattacharya特別提到，這一趨勢帶來了網(wǎng)絡(luò)攻擊相關(guān)的安全隱患。

另一個正廣泛應(yīng)用于醫(yī)療的趨勢產(chǎn)物則是“適用于診斷的機器學習推斷”。“人工智能和機器學習成為更加成熟的技術(shù)，可適用于診斷和醫(yī)療的方方面面。”包括疾病的早期發(fā)現(xiàn)、病原學領(lǐng)域的應(yīng)用等。但這個趨勢，同時也帶來患者數(shù)據(jù)隱私方面的問題——畢竟機器學習對優(yōu)質(zhì)數(shù)據(jù)集有需求，數(shù)據(jù)隱私問題自然就顯現(xiàn)了。

福布斯雜志此前的一份報道提到，目前全球安裝的醫(yī)療物聯(lián)網(wǎng)設(shè)備超過1億臺，到2020年將增長至1.61億臺。而在此背后的，是“醫(yī)界高管認為59%隱私問題，55%老舊系統(tǒng)集成，54%安全問題，是阻礙當今醫(yī)療機構(gòu)采用物聯(lián)網(wǎng)的三大障礙”。而且隨著攻防雙方的不斷競賽和升級、新的安全標準的出現(xiàn)，性能需求也在提升。所以事實上，安全、隱私方面的更高要求，也成為醫(yī)療行業(yè)的發(fā)展趨勢。

除了這些大方向的趨勢，新冠病毒的肆虐實際上也加速了這一領(lǐng)域的某些技術(shù)趨勢。

“第一大趨勢是遠程醫(yī)療和遠程健康 。”

“第二是遠程病患的監(jiān)護。”包括醫(yī)師的遠程診斷，或者患者在遠程位置接受診斷和治療。

“第三是定點照護。不是患者來找你，而是你找到患者。”

“第四，則是醫(yī)療中的AI應(yīng)用。”

這幾個由新冠疫情加速的趨勢，實則最終仍然可以歸納總結(jié)至前文提到的幾個趨勢和需求。

賽靈思應(yīng)對這些趨勢做了什么？

依據(jù)這些趨勢，電子科技行業(yè)具體做了些什么，或者說因為這些需求的產(chǎn)生，電子科技行業(yè)的參與者是如何滿足這樣的需求的？Bhattacharya為我們舉了幾個例子。

其中最具代表性的，應(yīng)該是賽靈思聯(lián)手Spline.AI，以及AWS（亞馬遜云），開發(fā)X射線分型深度學習模型和參考設(shè)計。這套方案中的AI模型使用Amazon SageMaker進行訓練，使用AWS IoT Greengrass從云端部署到邊緣，支持遠程機器學習模型更新、地域分布式推斷，能夠跨遠程網(wǎng)絡(luò)和廣闊地域做擴展。

這套方案本質(zhì)上是個“自適應(yīng)開源解決法案”，開源模型在賽靈思Zynq UltraScale+ MPSoC器件上的Python編程平臺運行。研究人員可對其進行調(diào)整，用于不同的應(yīng)用或者特定的需求。采用這樣的開源設(shè)計，醫(yī)療終端設(shè)備、臨床設(shè)備制造商和醫(yī)療服務(wù)提供商能夠快速地為移動設(shè)備、便攜式設(shè)備或護理點邊緣設(shè)備中的臨床應(yīng)用和放射醫(yī)學應(yīng)用，開發(fā)和部署模型，并可向云端擴展。

這里的賽靈思Zynq UltraScale+ Healthcare AI Starter Kit包含了ZCU104 FPGA板子，并采用DPU——賽靈思的深度學習處理單元，軟IP張量加速器，可用于在邊緣做各種神經(jīng)網(wǎng)絡(luò)的推斷工作。當然AWS IoT Greengrass能夠?qū)崿F(xiàn)進一步的擴展和部署。

但就邊緣端的推斷，賽靈思的MPSoC還是具備了相當?shù)乃懔ν瓿煞中筒±碓\斷，不需要向云端傳輸數(shù)據(jù)；而AWS IoT Greengrass則藉由云端做能力加強。值得一提的是，其中的模型可以重復訓練，開發(fā)者可以不斷改進應(yīng)用（或者擴展到其他放射和臨床用例中），隨新數(shù)據(jù)的累計，可提升精度、進一步降低時延。

這套解決方案已經(jīng)應(yīng)用到了肺炎和COVID-19檢測系統(tǒng)。開發(fā)團隊用了超過30000張帶有標記的肺炎圖像，以及500張COVID-19圖像對模型做訓練，如上圖所示——也就是X射線圖像數(shù)據(jù)集，最終起到預測COVID-19和肺炎，以及開發(fā)定制模型供臨床使用的作用。研究數(shù)據(jù)則已經(jīng)提供給了醫(yī)療機構(gòu)和研究機構(gòu)。

這一例比較到位地表征了將AI應(yīng)用于醫(yī)療，或者“適用于診斷的機器學習推斷”。另一方面數(shù)據(jù)位于邊緣，實際上也能夠體現(xiàn)隱私安全方面的考量。

與此同時，如前文所述隨網(wǎng)絡(luò)安全攻防雙方的競賽升級，可編程硬件平臺更進一步地適應(yīng)新的安全防護：Bhattacharya還特別提到了醫(yī)療設(shè)備嵌入式系統(tǒng)的風險管理（主要包括確保功能安全與網(wǎng)絡(luò)安全的結(jié)構(gòu)設(shè)計），以及醫(yī)療網(wǎng)絡(luò)安全平臺，可確保系統(tǒng)的可靠性，尤其是重癥監(jiān)護、手術(shù)這樣對安全性非常敏感的系統(tǒng)。

上面這張圖是賽靈思打造的一個安全特性可視化的演示平臺，涵蓋從邊緣到云的一系列安全功能。是Zynq UltraScale+ MPSoC放到醫(yī)療的具體場景下，模擬患者監(jiān)護儀，包括心率感應(yīng)。演示內(nèi)容包括了認證與加密啟動、安全啟動、測量啟動、安全應(yīng)用通信、基于云的監(jiān)測等。

至于前文提到趨勢之一的遠程醫(yī)療，這原本就是賽靈思的強項，包括通信技術(shù)相關(guān)構(gòu)成。這一例中AWS IoT Greengrass參與本身也是遠程醫(yī)療的表現(xiàn)，主要是醫(yī)療成像的圖像上載，從移動設(shè)備向云端傳輸圖像進行遠程診療。

醫(yī)療領(lǐng)域的更多合作

除了這個比較具有代表性的例子之外，再看看賽靈思在醫(yī)療領(lǐng)域的其他一些合作案例。和AI相關(guān)的，國內(nèi)的聯(lián)影醫(yī)療用賽靈思的Alveo U200加速卡取代傳統(tǒng)GPU加速推斷工作。主要是因為相比傳統(tǒng)高GPU，這種PCIe加速卡的技術(shù)成本更低，功耗也更低。

如果再收窄到抗擊新冠病毒的問題上，賽靈思今年還與飛利浦合作，快速生產(chǎn)并交付患者監(jiān)護儀所需的FPGA，為飛利浦提供支持；還有與人和未來（Genetalks）——這是個生物技術(shù)公司，其研究人員與湘雅醫(yī)學院一起用賽靈思SoC來加速基因組數(shù)據(jù)分析，加速藥物篩選和治療方面的研究。

在醫(yī)療成像領(lǐng)域的一個例子：醫(yī)療超聲——診斷醫(yī)療超聲波掃描，是一種為患者體內(nèi)構(gòu)造的成像方法。這類診斷成像方法，相比X光和CT掃描有不少優(yōu)勢，但現(xiàn)有架構(gòu)在可擴展能力方面是存在局限性的。賽靈思因此與合作伙伴研究了廣泛應(yīng)用于雷達技術(shù)的合成孔徑（SA）成像和平面波（PW）成像方法。相比傳統(tǒng)順序采集超聲圖像一次一行成像的技術(shù)相比，這兩種方法是高度并行化的成像，一次發(fā)射就能重建完整圖像，能夠提高聚集度和穿透力，為高速心臟成像等應(yīng)用提供了不錯的解決方案。

但也因此，這類方法對處理器要求提高數(shù)百倍。賽靈思最新的Versal ACAP外加Alveo加速卡，部署在工作站或服務(wù)器上，成為上述兩種成像方法后端的理想選擇。此前我們曾撰文專門介紹過ACAP，ACAP內(nèi)部的AI引擎內(nèi)置了標量單元、矢量單元、負載單元和存儲器接口，能夠?qū)崿F(xiàn)合成孔徑成像與平面波成像方法中，數(shù)據(jù)流算法所需的所有不同結(jié)構(gòu)。

前面介紹的這些例子，在我們這些普通人看來，應(yīng)當都屬于比較窄或者Niche的市場了——開發(fā)者依然能夠利用相對先進的芯片產(chǎn)品來提供算力和算法支持，本身也體現(xiàn)了賽靈思近兩代產(chǎn)品，包括Zynq UltraScale+ MPSoC以及ACAP在延續(xù)“自適應(yīng)”構(gòu)思上的成功：即用相對更低的成本，實現(xiàn)更短的時延、更低的功耗、更高的效率，自適應(yīng)地滿足醫(yī)療健康領(lǐng)域的臨床需求。這一點，我在此前《摩爾定律失效，F(xiàn)PGA迎來黃金時代？》一文中曾經(jīng)詳細闡述過。

另外，Bhattacharya還補充說，“我們對于產(chǎn)品有更長的生命周期支持，可以做到7-10年，甚至15-20年，有的更長能夠達到25年。而且我們的可靠性更高，在表現(xiàn)上也優(yōu)于CPU和GPU。”

事實上，“賽靈思在多種醫(yī)療應(yīng)用領(lǐng)域都貢獻了價值。我們在大型掃描儀，比如CT，MRI、PET成像方面一直都很有優(yōu)勢，還有各種超聲波；現(xiàn)在我們還有個迅速發(fā)展的領(lǐng)域就是內(nèi)窺鏡，包括診療用的內(nèi)窺鏡和手術(shù)用的內(nèi)窺鏡。” Bhattacharya 說，“再比如外科機器人，包括視覺和機器人方面；還有智能病床；除顫器、病人監(jiān)護儀——這方面，我們都顯現(xiàn)出比傳統(tǒng)的CPU和GPU，無論啟動時間還是功耗、時延、性能，都擁有極大優(yōu)勢。”

“奧林巴斯是全球最大的內(nèi)窺鏡制造商，市場份額占到70%以上。奧林巴斯就表示，與CPU、GPU相比，賽靈思展現(xiàn)出巨大的優(yōu)勢。” Bhattacharya舉例道。

靈活應(yīng)變的醫(yī)療資產(chǎn)

在本次活動上，Bhattacharya還列舉了更多在醫(yī)療領(lǐng)域的合作案例，比如說Edico Genome對重癥新生兒做基因組分析，賽靈思解決方案可將分析時間從一天縮短到20分鐘；EyeTech用賽靈思的方案，為身體無法移動的重癥患者制造醫(yī)用通信的平臺，通過對患者眼球的追蹤與醫(yī)師護士做溝通；與國內(nèi)最大醫(yī)療器械公司之一的邁瑞合作，為其提供設(shè)計需要的產(chǎn)品等。

賽靈思在醫(yī)療市場上體現(xiàn)出來的優(yōu)勢，與其原本FPGA的自適應(yīng)硬件特性，以及后續(xù)賽靈思推出的MPSoC、ACAP及其板子，為FPGA搭配更多固化單元，在保持靈活性（與相比專用硬件的成本優(yōu)勢）的基礎(chǔ)上，以提升效率的這種思路，應(yīng)該是最為息息相關(guān)的。畢竟醫(yī)療市場的很多具體產(chǎn)品要求極高的靈活性，而且Niche市場的容量本身也沒有那么大。賽靈思現(xiàn)如今的產(chǎn)品也因此在醫(yī)療市場具備了天然的適用性。

相對具體地說，MPSoC很適用于醫(yī)療臨床領(lǐng)域，如智能病床、除顫器、監(jiān)護儀、內(nèi)窺鏡等；Versal ACAP則集成了更多資源，除了DSP之外還包括專門的AI引擎，很適用于醫(yī)療成像；Alveo加速卡實現(xiàn)應(yīng)用加速 ，做醫(yī)療分析就相當有優(yōu)勢了。

而且實際上，醫(yī)療設(shè)備也有一些特殊需求，比如說越來越要求封裝尺寸的縮減，而性能又無法妥協(xié)；某些場景比如無風扇監(jiān)護儀，因為風扇葉片轉(zhuǎn)動會產(chǎn)生空穴效應(yīng)，導致灰塵與病原體積聚，這就要求內(nèi)部的低發(fā)熱或高溫下的持續(xù)工作能力，這對器件本身也都是有特定要求的。這些也都恰好契合了賽靈思現(xiàn)如今的產(chǎn)品形態(tài)。

Bhattacharya總結(jié)賽靈思在構(gòu)建“智能且靈活應(yīng)變的醫(yī)療資產(chǎn)”時的一些特點，實際上也是本文表達的幾個重要觀點：

• 與CPU和GPU相比，可縮短啟動時間、降低功耗、降低時延；
• 提供高效的AI推斷平臺，協(xié)助進行關(guān)鍵診斷；
• 利用邊緣技術(shù)，最大化隱私安全和最小化數(shù)據(jù)傳輸負載。

最后值得一提的是，Bhattacharya還在溝通中提到：“從2011年開始，賽靈思推出全球首款集成Arm內(nèi)核的Zynq SoC，當時稱為可擴展的處理器平臺，賽靈思將市場擴展到更大的嵌入式應(yīng)用藍海。”

“之前的FPGA大家也知道，傳統(tǒng)意義上被用作輔助芯片，比如接口可以定制I/O，加上存儲通信等。但自從我們引入更多功能的SoC平臺之后，除了FPGA之外，我們還可以跟比如Arm處理器、數(shù)據(jù)安全處理器、功能安全處理器做集成，形成更為強大的Zynq UltraScale+這樣的技術(shù)平臺。在轉(zhuǎn)型后，我們從此前5%-6%的年增長，到如今14%-15%的增長。”這實則也表明了賽靈思此前轉(zhuǎn)型的成功。而醫(yī)療領(lǐng)域的收獲，正是轉(zhuǎn)型成功的體現(xiàn)之一。

責編：Luffy Liu