假設你24歲創辦公司，經歷數輪融資，成為行業獨角獸，名聲大噪，26歲公司被巨頭順利收購。接下來你會幹什麼？是放空一下，隨便選個航班去倫敦喂鴿子？還是留守行業繼續打拼？
採訪姚頌是在一個雨過天晴的秋日午後，在Xilinx北京辦公室。他以“將‘AI’進行到底”開場，聊了近兩三年AI技術、產業的變遷，以及他的觀察與思考。
Xilinx人工智能業務高級總監 姚頌
Xilinx與深鑑的交匯
姚頌身上的閃光標籤自有不少，2011年保送清華大學電子系，25歲入選創業邦“30歲以下創業新貴”，深鑑科技聯合創始人、首席執行官……
如同姚頌的成長軌跡，他和導師、學長共同創立的深鑑科技，同樣可圈可點。
作為2016年左右成立的一批AI公司的典型代表，深鑑科技無疑是幸運的。當其他公司苦於如何將技術變為產品、將產品變為市場佔有率的時候，他們把剛剛嶄露頭角的“深度學習”定為研究方向，專注於以FPGA實現AI落地，最為核心的即DPU（DeepLearning Processing Unit），以及神經網絡壓縮編譯技術，它不僅可以將神經網絡壓縮數十倍而不影響準確度，還可以使用“片上存儲”來存儲深度學習算法模型，能夠減少內存讀取，大幅度減少功耗，曾面向安防監控、數據中心成功推出產品。
彼時，Xilinx在全球剛剛宣佈轉型。看準的是大數據、AI、5G、自動駕駛等發展，對計算能力和帶寬帶來的前所未有的挑戰。同時，新的算法、框架層出不窮，
要應對這些變化就需要靈活應變的架構，因為一種架構已無法獨自完成大量的數據處理，並且傳統芯片設計的週期也無法跟上創新的步伐。“就像自然界的適者生存一樣，在數字世界靈活應變的系統才是最可持續的，Xilinx的平臺轉型是大勢所趨。”Xilinx CEO Victor Peng在回顧轉型策略時說道。為實現全面轉型，Xilinx努力構建一個完整的生態系統，推出更加易用的開發工具。從一家純FPGA企業，到ALL PROGRAMMABLE（全可編程）企業的戰略轉型，所帶來的是產品和編程模式的突破。
除了新的開發系統在技術上進一步支持軟件定義的要求，同時在可編程硬件優化方面也必須變得更加靈活。因為比起硬件工程師，軟件工程師數量超過其5-10倍，Xilinx的目標是希望有更多的軟件工程師不需要非要了解硬件知識就能夠對Xilinx產品進行編程，五年後就能夠實現五倍的用戶來使用Xilinx的產品和技術。
轉型中的Xilinx在深鑑科技身上找到了某些共振。
從一開始，深鑑科技就把自己定位於深度學習解決方案提供商，而非一家芯片公司，直至後來成長為具備神經網絡壓縮編譯工具鏈、深度學習處理器DPU設計、FPGA開發與系統優化等技術能力的公司。深鑑科技的DNNDK曾是國內首個深度學習開發SDK，也透露出姚頌當時的志向：建立人工智能的軟件生態環境。他希望通過這樣的平臺聚集更多的開發者，“活躍的社區才有更本質的發展空間。”
就像兩條平行線，在轉彎時找到了交匯的可能。2018年7月18日凌晨，Xilinx正式宣佈併購深鑑科技。
2020年，AI拼量產！
現在，姚頌的新身份是Xilinx人工智能業務高級總監，主要負責全球領域的人工智能業務拓展和生態建設，對於AI的發展他也有更多獨到的觀察和思考。
近幾年來，AI正在為越來越多的細分應用提供支持，不同的模型針對不同的應用類別，例如分類、目標檢測、道路分割等主要採用卷積神經網絡（CNN）；語音識別方面主要採用遞歸神經網絡（RNN）、長短期記憶網絡（LSTM）；推薦引擎、異常檢測方面採用多層感知機（MLP）。
以2016-2017年為界，在此之前，業界傾向於把模型做得越來越複雜、探索更多樣的結構、注重算法的精確度，很多公司熱衷於在各種各樣的賽事中“刷榜”……
2017年之後，行業開始化繁為簡，更加強調落地，精度並非唯一的衡量標準。即將進入2020年，姚頌認為不管是資本市場還是行業期待值都到了新的轉折點，產業關鍵詞變成了“量產”。
近兩三年來，很多AI芯片“發佈”，但是並沒有規模應用。這些走不到量產的公司，或是產品本身到了量產環節，並沒有獲得批量採購的公司，融資變得越來越難。在姚頌看來，量產的兩大挑戰，第一在於軟件開發環境，第二在於半導體的品質和良率。
量產挑戰一：完整、易用的軟件開發環境
國內喜歡強調硬件指標，但其實軟件層面需要花很大功夫，因為軟件開發成本佔很大比重。從開發者數量來看，軟硬件懸殊巨大。Java、C、Python和C++是開發者的四大首選，共有45.234%的開發者將它們選為最喜愛的語言。硬件編程語言排在什麼位置？以FPGA開發常用的VHDL或Verilog來看，排名約在第50-100名之間。使用這兩種語言的開發者，數量明顯少於軟件開發者，且懸殊巨大。
而對於AI芯片的開發來說，開發者數量至關重要！因為更多的開發者意味著更多的產品和應用，不管是硬件開發商還是系統提供商，才能獲得更多的收益。
那麼，如何吸引更多的開發者在AI芯片平臺上進行開發?讓更多的偏軟件和算法的開發者能夠更容易使用芯片平臺？
對此，姚頌引用了一套產品理論。
將這套理論應用於AI硬件，從“可以使用”向上延伸價值，就需要在軟件層面多下功夫，例如高能效、完整的工作流，更多的參考設計、開源項目、社區支持等。
英偉達的成功充分驗證了這一點，他們花了很多功夫在軟件堆棧，甚至適配到具體的行業場景中。姚頌說，“沒有好的軟件，開發會變得非常緩慢，不管從短期還是長期來看，哪怕能拿得出性能特別好的芯片也是失敗的。”
量產挑戰二：高品質與良率需要時間積累
姚頌以AI賽道大熱的自動駕駛為例談到，一個繞不過的問題是車規級標準，要將其完整做好需要大量的實踐經驗。首先芯片要達到標準，在設計過程中要有詳盡完整的文檔能驗證設計思路，還需要花費很長的時間去做硬件和軟件的達標測試。
Xilinx在汽車領域擁有相當數量的汽車產業用戶，截至2018年，其出貨量共計1.61億，其中ADAS達5600萬，博世開發的很多ADAS系統就是基於Xilinx的FPGA。
這與Xilinx紮實的產品性能密不可分，以dppm和FIT這兩個指標來看（dppm表示每一百萬顆芯片裡面有缺陷芯片的數量，FIT表示10的9次方小時中芯片發生故障的次數），Xilinx的所有Virtex產品和Zynq汽車器件，dppm＜2；28nm和16nm產品的可靠性做到了＜12.0 FIT。這意味著Xilinx的汽車器件中，每一百萬顆僅有小於2顆可能有問題，10的9次方小時內發生故障的次數小於12次，平均下來可能幾百年會發生一次故障。
對於有志於做芯片的AI公司而言，
時間積累——是所有人做產品都繞不過去的一個坎。姚頌坦言，就算深鑑科技這樣幸運的項目，也是創業前在實驗室經過了很多積累，以及團隊執行到底的結果，慢慢打磨才能出來有價值的東西。異構是未來方向
根據Xilinx剛剛發佈的第二季的財報來看，基於Zynq的SoC實現了61%的年度增長，包括28nm Zynq和16nm MPSoC、RFSoC在內，佔據整體份額的26%。
從一家FPGA公司向平臺化公司的轉型，SoC出貨量逐年上走就是很好的佐證。
異構計算雖不是新鮮話題，但真正出現大量使用的異構計算平臺，卻是近幾年的事情。異構最重要的涵義，是系統由多種不同功能的部分組成，讓每個部分做它最擅長的事情，而不是用統一的平臺來做所有的事情。
姚頌強調，異構計算的興起本質上是由於摩爾定律的放緩。過去十年，性能提升有45%來自於工藝節點的提升，其次17%是來自微結構的提升，現在源於工藝的動力減緩，只能通過體系結構來進行提升。
而體系結構提升最直接的方式，就是設計Domain-specificarchitecture（DSA），放棄一部分通用性，來獲得更大的性能提升。通常而言，越專用，越容易取得更好的性能。
未來不可能用單一的方式取得很好的性能，一定是通過不同的DSA來實現。這一趨勢進一步放大了軟件的重要性。因為不同行業的應用開發者、系統開發者，都需要更好的軟件支持。
如果將FPGA應用於異構計算，Xilinx希望能像拼樂高一樣，用各種各樣的IP和解決方案，通過簡單的代碼就能把整個應用搭起來。終極目標就是ACAP，通過各種異構加速，期許最好的效率。
整個行業都在由應用驅動而發展，20年前是PC，10年前是手機，現在是AI和5G。“
一定要做芯片、軟件、系統層面的變化，”姚頌強調，“這個變化NVIDIA在做，賽靈思也正走在一條正確的道路上。”繼去年發佈ACAP，Xilinx不久前發佈了開放、標準、免費的統一軟件平Vitis，支持賽靈思異構平臺（包括FPGA、SoC和Versal ACAP）上開發嵌入式軟件和加速應用。
生態建設方面，由於目前AI整體屬於早期，所以學術界和產業界的結合必須非常緊密，Xilinx會在學術界推動很多事情，包括開源社區、組織研究小組等；企業層面，會選擇一些創業公司予以扶持，不管戰略合作還是直接進行投資。
如何看待開發者的“35歲門檻”？
AI助推了中國科技環境的熱度，加速了許多應用的落地。對於開發者來說，他們有更多平臺可以選擇的同時，挑戰也在加劇。據傳某獨角獸企業的一個算法工程師招聘中，投遞簡歷人數與開放職位個數甚至達到了10000：1的瘋狂程度。在當前的氛圍之下，開發人員的價值如何提升？35歲之後真的就不能踏踏實實寫代碼了嗎？
姚頌認為，當產品做到越來越易用，自己的價值究竟在哪裡？核心技能是什麼？這是所有開發者需要思考的問題。為什麼有一些算法工程師能夠出類拔萃？因為他們站在算法和系統的交叉領域，既懂算法又懂工程，或是能夠進行底層優化，快速開發新的算法，對數學有很深的理解，而不只是簡單的排列組合做重複操作。只有掌握核心技能，才能保證職業生涯沒有所謂門檻，而是始終向上走。 他強調，保持學習力，保持對交叉領域的探索精神非常重要。
對Xilinx的產品和平臺感興趣的開發者，姚頌帶來一個好消息，Xilinx XDF開發者大會即將在12月3-4日登陸北京國家會議中心。這將是Xilinx在中國規模空前的一場開發者大會，會有超過兩千名開發者參與。兩天時間內，會舉辦80場報告與Lab培訓，手把手教開發者如何用Xilinx軟硬件去搭建某類應用，並邀請來自MSRA、阿里、清華大學等機構的多名AI大咖分享報告。
除了Keynote和分論壇外，會分為硬件、軟件、數據中心、垂直應用以及AI這幾個板塊，覆蓋領域非常廣泛，不僅有AI、機器學習、工業、數據中心，還包括航空航天、汽車、消費電子、仿真、高性能計算、邊緣計算。所有需要用計算平臺的從業者，不管是學生、底層開發者，或者軟件應用開發者，都能得到所到需要的內容。
構建繁榮生態的開發者大會，越來越成為有實力的科技公司“秀肌肉”的高光時刻。確實，要實現生存與發展，硬件實力只是其中一部分，更重要的是打磨軟實力，包括軟件業務、生態等，影響力擴大，才有可能引入更多的玩家。
近幾年，為了吸引更多的開發者，Xilinx花了很大力氣去推廣XDF。在2017年首屆的北京站，規模大概500人，主要是傳統的FPGA開發者，而2018年的第二屆，XDF整體格調，以及產品發佈變化很大，最重要的是推出了ACAP和FaaS，並且被AWS雲計算採用，之後，阿里雲、騰訊雲、華為雲也都採用了該方案。最新消息顯示，微軟也選擇了Xilinx的產品部署。
據瞭解，今年的XDF亞洲站在北京舉行，活動本身並非是對硅谷舉辦過的北美站的簡單複製，會加入很多本地化的內容和方式。例如北美針對AWS和雲比較多，整體比較通用，國內則會更多強調系統方案，例如更多側重於雲計算、5G等。
大家越重視軟件，越是屏蔽硬件開發複雜性，軟硬件開發者之間的鴻溝會越來越大。而看起來行業的目標是希望他們未來不太需要溝通，用軟件實現連接即可。
未來的軟件業務形態究竟會怎麼走？姚頌認為可能會是兩個思路：一種是由某些公司提供通用的軟件平臺，用最好的軟件磨合應用中需要溝通的各種事項，讓算法能夠最好地映射到應用中；另一類則是類似於華為或阿里這樣的企業，他們針對自己的具體應用開發軟硬件。
閱讀更多 電子發燒友觀察 的文章
