广告

FPGA是如何应对新冠疫情的?

时间:2020-11-26 作者:黄烨锋 阅读:
很多业务覆盖较广的上游企业,近半年的财报实则是最能反映电子科技行业内,哪些部分受到了新冠疫情的负面影响——典型如汽车、交通领域承受冲击较大,又有哪些则在业务上受到正面影响——典型如客观上推动企业数字化进程加速。
广告

很多业务覆盖较广的上游企业,近半年的财报实则是最能反映电子科技行业内,哪些部分受到了新冠疫情的负面影响——典型如汽车、交通领域承受冲击较大,又有哪些则在业务上受到正面影响——典型如客观上推动企业数字化进程加速。此前在瑞萨的企业分析文章里,我就提到过这一点。

不仅是瑞萨,半导体行业的此类企业实则还不少,比如说赛灵思。赛灵思FY2021前两个季度的营收,整体上还是受到了新冠疫情的不良影响的。不过也因为赛灵思涉足业务较广,新冠疫情对赛灵思的影响也比较复杂。

上面这张图是赛灵思2020年截至9月份,前两个季度不同业务的营收占比变化情况。从整体来看,赛灵思FY2021Q2季度总的营收(net revenue)为7.7亿美元,相比去年同期的8.3亿还是略有下滑的。但这个营收成绩已经超过了赛灵思此前的预期中值,毕竟国际贸易环境以及国际形势都有负面影响。

从不同的业务来看,Automotive, Broadcast and Consumer以及Wired and Wireless都在下滑。这是符合如今的大趋势的,尤其汽车和通讯:出行相关的市场在疫情期间本来就在遭受毁灭性打击;通讯相关(尤其Wireless)的部分,从赛灵思的角度来看,是因为5G发展速度的放缓。

但另一方面,Data Center(数据中心)和AIT(Aerospace and Defense; Industrial, Scientific and Medical; Test, Measurement and Emulation)则又有相当显著的营收增长。其中数据中心业务的增长是最好理解的,毕竟全球带宽需求的增长在疫情期间是很显著的趋势;而且数据中心本身就正在成为赛灵思的业务重心。

赛灵思医疗科学全球业务市场负责人Subh Bhattacharya

至于赛灵思的AIT业务,相关的构成十分多样,所以无法一概而论,赛灵思也并未将这些业务的营收单独列出。不过基本可以肯定的是,其中的医疗业务必然是有提升的,毕竟它与当前形势息息相关。而且在前不久的赛灵思医疗市场及应用采访中,赛灵思医疗科学全球业务市场负责人Subh Bhattacharya也提到,“确实医疗现在在我们的营收中占了比较重要的比重,而且一直是以两位数的速度在增长。”

“我们也加大了这个领域的投资力度,加上新冠疫情对市场的影响,以及人工智能的发展,我们在这方面处在相当的优势地位。”Bhattacharya表示,“我们有信心从GPU,以及传统竞争对手的ASSP那里获得更多市场份额,所以总体来说相信我们产品的增长势头会非常强劲,在接下来5-10年都大有可为。”

那么我们也不妨借此机会来看一看,赛灵思在医疗领域的投入方向,以及从赛灵思的角度来理解电子科技对于控制新冠疫情,究竟是如何起到帮助作用的。

影响医疗行业发展的趋势

“和其他行业一样,医疗行业也受到了一些宏观大趋势的影响。” Bhattacharya分享了赛灵思观察到的医疗与电子产业交汇发展时的几个重要趋势。

首先是互联系统与移动医疗。随着数据和系统的爆发性增长,这个趋势正变得越来越明确。”这实际上是促成电子产业在医疗领域大展身手,以及赛灵思医疗业务发展的一大原因。但另一方面,Bhattacharya特别提到,这一趋势带来了网络攻击相关的安全隐患。

另一个正广泛应用于医疗的趋势产物则是“适用于诊断的机器学习推断”。“人工智能和机器学习成为更加成熟的技术,可适用于诊断和医疗的方方面面。”包括疾病的早期发现、病原学领域的应用等。但这个趋势,同时也带来患者数据隐私方面的问题——毕竟机器学习对优质数据集有需求,数据隐私问题自然就显现了。

福布斯杂志此前的一份报道提到,目前全球安装的医疗物联网设备超过1亿台,到2020年将增长至1.61亿台。而在此背后的,是“医界高管认为59%隐私问题,55%老旧系统集成,54%安全问题,是阻碍当今医疗机构采用物联网的三大障碍”。而且随着攻防双方的不断竞赛和升级、新的安全标准的出现,性能需求也在提升。所以事实上,安全、隐私方面的更高要求,也成为医疗行业的发展趋势。

除了这些大方向的趋势,新冠病毒的肆虐实际上也加速了这一领域的某些技术趋势。

“第一大趋势是远程医疗和远程健康 。”

“第二是远程病患的监护。”包括医师的远程诊断,或者患者在远程位置接受诊断和治疗。

“第三是定点照护。不是患者来找你,而是你找到患者。”

“第四,则是医疗中的AI应用。”

这几个由新冠疫情加速的趋势,实则最终仍然可以归纳总结至前文提到的几个趋势和需求。

赛灵思应对这些趋势做了什么?

依据这些趋势,电子科技行业具体做了些什么,或者说因为这些需求的产生,电子科技行业的参与者是如何满足这样的需求的?Bhattacharya为我们举了几个例子。

其中最具代表性的,应该是赛灵思联手Spline.AI,以及AWS(亚马逊云),开发X射线分型深度学习模型和参考设计。这套方案中的AI模型使用Amazon SageMaker进行训练,使用AWS IoT Greengrass从云端部署到边缘,支持远程机器学习模型更新、地域分布式推断,能够跨远程网络和广阔地域做扩展。

这套方案本质上是个“自适应开源解决法案”,开源模型在赛灵思Zynq UltraScale+ MPSoC器件上的Python编程平台运行。研究人员可对其进行调整,用于不同的应用或者特定的需求。采用这样的开源设计,医疗终端设备、临床设备制造商和医疗服务提供商能够快速地为移动设备、便携式设备或护理点边缘设备中的临床应用和放射医学应用,开发和部署模型,并可向云端扩展。

这里的赛灵思Zynq UltraScale+ Healthcare AI Starter Kit包含了ZCU104 FPGA板子,并采用DPU——赛灵思的深度学习处理单元,软IP张量加速器,可用于在边缘做各种神经网络的推断工作。当然AWS IoT Greengrass能够实现进一步的扩展和部署。

但就边缘端的推断,赛灵思的MPSoC还是具备了相当的算力完成分型病理诊断,不需要向云端传输数据;而AWS IoT Greengrass则藉由云端做能力加强。值得一提的是,其中的模型可以重复训练,开发者可以不断改进应用(或者扩展到其他放射和临床用例中),随新数据的累计,可提升精度、进一步降低时延。

这套解决方案已经应用到了肺炎和COVID-19检测系统。开发团队用了超过30000张带有标记的肺炎图像,以及500张COVID-19图像对模型做训练,如上图所示——也就是X射线图像数据集,最终起到预测COVID-19和肺炎,以及开发定制模型供临床使用的作用。研究数据则已经提供给了医疗机构和研究机构。

这一例比较到位地表征了将AI应用于医疗,或者“适用于诊断的机器学习推断”。另一方面数据位于边缘,实际上也能够体现隐私安全方面的考量。

与此同时,如前文所述随网络安全攻防双方的竞赛升级,可编程硬件平台更进一步地适应新的安全防护:Bhattacharya还特别提到了医疗设备嵌入式系统的风险管理(主要包括确保功能安全与网络安全的结构设计),以及医疗网络安全平台,可确保系统的可靠性,尤其是重症监护、手术这样对安全性非常敏感的系统。

上面这张图是赛灵思打造的一个安全特性可视化的演示平台,涵盖从边缘到云的一系列安全功能。是Zynq UltraScale+ MPSoC放到医疗的具体场景下,模拟患者监护仪,包括心率感应。演示内容包括了认证与加密启动、安全启动、测量启动、安全应用通信、基于云的监测等。

至于前文提到趋势之一的远程医疗,这原本就是赛灵思的强项,包括通信技术相关构成。这一例中AWS IoT Greengrass参与本身也是远程医疗的表现,主要是医疗成像的图像上载,从移动设备向云端传输图像进行远程诊疗。

医疗领域的更多合作

除了这个比较具有代表性的例子之外,再看看赛灵思在医疗领域的其他一些合作案例。和AI相关的,国内的联影医疗用赛灵思的Alveo U200加速卡取代传统GPU加速推断工作。主要是因为相比传统高GPU,这种PCIe加速卡的技术成本更低,功耗也更低。

如果再收窄到抗击新冠病毒的问题上,赛灵思今年还与飞利浦合作,快速生产并交付患者监护仪所需的FPGA,为飞利浦提供支持;还有与人和未来(Genetalks)——这是个生物技术公司,其研究人员与湘雅医学院一起用赛灵思SoC来加速基因组数据分析,加速药物筛选和治疗方面的研究。

在医疗成像领域的一个例子:医疗超声——诊断医疗超声波扫描,是一种为患者体内构造的成像方法。这类诊断成像方法,相比X光和CT扫描有不少优势,但现有架构在可扩展能力方面是存在局限性的。赛灵思因此与合作伙伴研究了广泛应用于雷达技术的合成孔径(SA)成像和平面波(PW)成像方法。相比传统顺序采集超声图像一次一行成像的技术相比,这两种方法是高度并行化的成像,一次发射就能重建完整图像,能够提高聚集度和穿透力,为高速心脏成像等应用提供了不错的解决方案。

但也因此,这类方法对处理器要求提高数百倍。赛灵思最新的Versal ACAP外加Alveo加速卡,部署在工作站或服务器上,成为上述两种成像方法后端的理想选择。此前我们曾撰文专门介绍过ACAP,ACAP内部的AI引擎内置了标量单元、矢量单元、负载单元和存储器接口,能够实现合成孔径成像与平面波成像方法中,数据流算法所需的所有不同结构。

前面介绍的这些例子,在我们这些普通人看来,应当都属于比较窄或者Niche的市场了——开发者依然能够利用相对先进的芯片产品来提供算力和算法支持,本身也体现了赛灵思近两代产品,包括Zynq UltraScale+ MPSoC以及ACAP在延续“自适应”构思上的成功:即用相对更低的成本,实现更短的时延、更低的功耗、更高的效率,自适应地满足医疗健康领域的临床需求。这一点,我在此前《摩尔定律失效,FPGA迎来黄金时代?》一文中曾经详细阐述过。

另外,Bhattacharya还补充说,“我们对于产品有更长的生命周期支持,可以做到7-10年,甚至15-20年,有的更长能够达到25年。而且我们的可靠性更高,在表现上也优于CPU和GPU。”

事实上,“赛灵思在多种医疗应用领域都贡献了价值。我们在大型扫描仪,比如CT,MRI、PET成像方面一直都很有优势,还有各种超声波;现在我们还有个迅速发展的领域就是内窥镜,包括诊疗用的内窥镜和手术用的内窥镜。” Bhattacharya 说,“再比如外科机器人,包括视觉和机器人方面;还有智能病床;除颤器、病人监护仪——这方面,我们都显现出比传统的CPU和GPU,无论启动时间还是功耗、时延、性能,都拥有极大优势。”

“奥林巴斯是全球最大的内窥镜制造商,市场份额占到70%以上。奥林巴斯就表示,与CPU、GPU相比,赛灵思展现出巨大的优势。” Bhattacharya举例道。

灵活应变的医疗资产

在本次活动上,Bhattacharya还列举了更多在医疗领域的合作案例,比如说Edico Genome对重症新生儿做基因组分析,赛灵思解决方案可将分析时间从一天缩短到20分钟;EyeTech用赛灵思的方案,为身体无法移动的重症患者制造医用通信的平台,通过对患者眼球的追踪与医师护士做沟通;与国内最大医疗器械公司之一的迈瑞合作,为其提供设计需要的产品等。

赛灵思在医疗市场上体现出来的优势,与其原本FPGA的自适应硬件特性,以及后续赛灵思推出的MPSoC、ACAP及其板子,为FPGA搭配更多固化单元,在保持灵活性(与相比专用硬件的成本优势)的基础上,以提升效率的这种思路,应该是最为息息相关的。毕竟医疗市场的很多具体产品要求极高的灵活性,而且Niche市场的容量本身也没有那么大。赛灵思现如今的产品也因此在医疗市场具备了天然的适用性。

相对具体地说,MPSoC很适用于医疗临床领域,如智能病床、除颤器、监护仪、内窥镜等;Versal ACAP则集成了更多资源,除了DSP之外还包括专门的AI引擎,很适用于医疗成像;Alveo加速卡实现应用加速 ,做医疗分析就相当有优势了。

而且实际上,医疗设备也有一些特殊需求,比如说越来越要求封装尺寸的缩减,而性能又无法妥协;某些场景比如无风扇监护仪,因为风扇叶片转动会产生空穴效应,导致灰尘与病原体积聚,这就要求内部的低发热或高温下的持续工作能力,这对器件本身也都是有特定要求的。这些也都恰好契合了赛灵思现如今的产品形态。

Bhattacharya总结赛灵思在构建“智能且灵活应变的医疗资产”时的一些特点,实际上也是本文表达的几个重要观点:

  • 与CPU和GPU相比,可缩短启动时间、降低功耗、降低时延;
  • 提供高效的AI推断平台,协助进行关键诊断;
  • 利用边缘技术,最大化隐私安全和最小化数据传输负载。

最后值得一提的是,Bhattacharya还在沟通中提到:“从2011年开始,赛灵思推出全球首款集成Arm内核的Zynq SoC,当时称为可扩展的处理器平台,赛灵思将市场扩展到更大的嵌入式应用蓝海。”

“之前的FPGA大家也知道,传统意义上被用作辅助芯片,比如接口可以定制I/O,加上存储通信等。但自从我们引入更多功能的SoC平台之后,除了FPGA之外,我们还可以跟比如Arm处理器、数据安全处理器、功能安全处理器做集成,形成更为强大的Zynq UltraScale+这样的技术平台。在转型后,我们从此前5%-6%的年增长,到如今14%-15%的增长。”这实则也表明了赛灵思此前转型的成功。而医疗领域的收获,正是转型成功的体现之一。

责编:Luffy Liu

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
黄烨锋
欧阳洋葱,编辑、上海记者,专注成像、移动与半导体,热爱理论技术研究。
  • DDR5对比DDR4,重新做电路设计时要注意什么? DDR5是为了满足从客户端系统到高性能服务器的广泛应用,在省电性能方面持续增加的需求所设计;特别是后者正面临密集的云端与企业数据中心应用越来越高的性能压力...
  • 2021年全球半导体行业10大技术趋势 2020年全球新冠疫情的蔓延和中美在半导体领域的冷战升级虽然对全球经济和半导体产业造成了负面影响,但半导体领域的技术进步却没有止步,有些技术甚至加快了市场商用化进程。ASPENCORE全球分析师团队精心挑选出2021年全球半导体行业将出现或凸显的10大技术趋势。对比2020年10大技术趋势,2021年有哪些变化呢?
  • 系统级芯片(SoC)的复杂设计选择:RISC-V处理器内核 在做系统级芯片(SoC)的设计规划时,需要考虑哪些主要因素?目前主流的SoC一般包括哪些功能模块或IP?有什么新的技术趋势值得关注?RISC-V与FPGA如何有机结合助力SoC设计?当前的SoC设计在性能、功耗和尺寸方面面临哪些挑战?有何解决方案?物联网和边缘计算等嵌入式系统对SoC设计提出了什么特别要求?
  • 系统级芯片(SoC)的复杂设计选择:FPGA 在做系统级芯片(SoC)的设计规划时,需要考虑哪些主要因素?目前主流的SoC一般包括哪些功能模块或IP?有什么新的技术趋势值得关注?RISC-V与FPGA如何有机结合助力SoC设计?当前的SoC设计在性能、功耗和尺寸方面面临哪些挑战?有何解决方案?物联网和边缘计算等嵌入式系统对SoC设计提出了什么特别要求?
  • 采用片上网络(NoC)的新型FPGA数据架构赋能5G网络和数据 从5G网络的边缘到数据中心内部的交换机,通信和网络系统对芯片的功能带来了极大的压力,以支持其所需的计算能力和数据传输速率。传统的可编程逻辑为这些系统提供了灵活性和速率的最佳组合,但是近年来却因以太网等协议的速度提高到100G和400G而面临新挑战。
  • FPGA怎样一边做更低功耗,一边做高性能AI推断? 在便利店收银支付,收银员看到的与顾客看到的屏幕内容是不一样的,这就要求设备本身能够做到“双屏异显”。支持双屏异显方案的芯片,有的是价格太贵,有的是功能单一——只支持某种分辨率,而且性能存在不确定性,没有大规模量产的。但有一款芯片正好适用……
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了