机器在ImageNet中图像识别错误率达到了3.5%，远远超出了人类平均的5.1%。在越来越多的领域，AI已经拥有了超越人类的能力，比如象棋、围棋，比如图片、语音识别。AI计算平台和相关算法的发展是人工智能大跃进的基础，在线下模型训练中Xeon-Phi、GPU等发挥着巨大的作用，而在线上的推理任务中，浪潮FPGA深度学习加速解决方案则能够实现7倍以上的能效比提升。

卷积网络之父、Facebook人工智能实验室主任Yann LeCun在一次采访中表示，“大规模的在卷积神经网络训练上可能是比较慢，但是在一个实际的应用中，没人关心训练到底要花多长时间，人们只关心运行需要多久。”

通过Salil Raje总裁的介绍我们可以了解，目前越来越多的开发者和工程都会在赛灵思的MPSoC和SDSoC上开发应用，在云端赛灵思用SDAccel再加上可重配置加速堆栈 (RAS, Reconfigurable Acceleration Stack ) 帮助客户在云端开发应用，在云这个层面上赛灵思的SDSoC和加速堆栈使得IP可以作为处理器在云端运用。在未来五年里看到潜在的用户增加5倍，也就是服务25万的数量。赛灵思的目标市场，也扩展到自动驾驶汽车、无人机、监控以及所有视觉和机器学习等相关的应用之中。

为什么要使用FPGA？FPGA的应用可以为用户带来哪些方面的益处？会后的记者访谈中，Andy Walsh先生向我们进行了深入的分析。

CPU的优势在于，可以对多种应用业务进行处理。但不足之处在于，单核处理性能已经多年停滞不前、处理器的功耗问题也正在成为制约云计算计算能力的发展。而随着云计算中机器学习、视频转码、数据库加速等高性能计算业务发展，传统CPU架构已经难以负担这些类业务的应用处理，CPU架构正在触及计算能力的天花板。

此外，用户对应用业务的处理模式也在发生改变。以前通过本地硬件对业务应用进行处理，现在，有更多的计算业务是在云端通过云计算系统进行分析。另外，还有很多智能化设备的广泛运用，产生出海量信息需要即时在本地进行处理。而遭遇到性能瓶颈的CPU对这些应用处理需求，已经难以胜任。

随后Andy Walsh向大家展示了通过FPGA加速与服务器级CPU处理能力对比的情况：

深鉴科技利用FPGA进行机器学习推断的云识别，加速倍数是40倍。Ngcodec是做视频解码的企业，编码追诉率方面达到10倍加速。Ryft做大数据分析，这里提速是90倍。还有edico genome做基因组分析，用FPGA加速后，基因组分析的速度提升了一百倍。

当前Edico和费城儿童医院正准备利用AWS上部署的FPGA系统，准备创造新的基金测序基因分析记录。阿里云也正在建立基于赛灵思FPGA的F2与F3数据中心，此外百度云、华为云等云计算厂商也在进行着FPGA数据中心的建设和应用。正在为更多的用户提供具有更高计算能力的FPGA应用。下图展示了借助不断增加的超大型数据中心用户的合作，赛灵思通过每单个这样超大型客户，就能满足愈来愈多的应用开发企业（Apps））、软件及服务（SaaS）企业以及终端用户企业的需求，FPGA的用户群将因此成规模化发展。

高性能低功耗的FPGA产品与云计算系统的异构融合，可以为人们提供出更加智慧化的功能应用。让用户不再为专业的FPGA硬件设计而烦脑，可以轻松调用基于FPGA加速的功能应用。也正是赛灵思召开开发者大会的目的。相信随着FPGA在云计算系统中所占比重的提升，随着在终端、端点内利用FPGA芯片对数据应用加速的普及，智慧化的人工智能时代，必将加速向我们走来。

联系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

邮箱：1224848052@qq.com

网站：http://www.mat7lab.com/

网站：http://www.hslogic.com/

微信扫一扫：

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

人工智能代做，深度学习代做，深度强化学习代做，zynq智能系统FPGA开发，

AI代做，卷积神经网络，Alexnet，GoogleNet，CNN，TensorFlow，

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

SPPNet，word2vec，SARASA算法，梯度策略等等