日前，中國清華系明星公司深鑒科技（DeepHi Tech）被國際自適應和智能計算的全球領導企業賽靈思（Xilinx）收購。在業內，Xilinx公司是設計開發FPGA硬件的龍頭。

這份收購并非突如其來，實際上在2017年Xilinx已經投資過深鑒科技。從深鑒科技的技術路線——基于Xilinx的FPGA硬件進行開發，實現端側智能。圖一為深鑒科技開發的智能IPC

深度學習加速模塊，可以把深度學習網絡部署在里面并嵌入在攝像頭實現人臉識別。

圖一智能IPC深度學習加速模塊

Source：深鑒科技官網2018.7

無論深鑒科技實際上是否直接參與了FPGA的電路設計，還是直接委托Xilinx直接幫其設計出需要的FPGA。深鑒科技可以說在硬件方面方面，站在了Xilinx這個巨人的肩膀之上，再進行FPGA的嵌入式開發，實現深度學習網絡的部署，實現AI的功能。

目前“云+端”的模式，成為眾AI公司發展的趨勢。過去的方案實施中，AI處理工作在云端完成。把其中某一部分任務（例如推斷部分）放在智能邊緣端（讓設備擁有芯片，進行AI推斷部分），就變得更加高效，尤其像安防領域，自動駕駛領域，實時性要求極高的應用中。則端側智能的部署是市場的趨勢。圖二為“云+端”示意圖解：

圖二AI應用落地的“云+端”模式

Source：集邦咨詢2018.7

想實現端側AI的部署，從定制芯片硬件來看，有兩個路線：1.如上述所說，用FPGA開發（半定制）2.設計ASIC定制集成電路芯片。我們可以拉入另外兩家中國的AI明星公司：寒武紀和地平線進行簡單討論。

根據深鑒科技聯合創始人姚頌所述，寒武紀選取了機器學習這根軸上最通用的方向，就是所有機器學習的訓練和應用都要做；地平線有很強的算法團隊，于是選擇了軸上截然相反的另一端，也就是最專用的方向，去做算法固化的ASIC芯片；而深鑒科技則是在中間取了一個點，做深度學習的應用處理器。

寒武紀擁有中科院計算所背景，以diannao系列架構獲多個頂級會議的最佳論文。開發設計深度學習通用處理器，并且也做IP授權（華為海思麒麟980處理器將會搭載第二代寒武紀NPU 1M）。現在已經成功流片三款商用處理器IP，然則寒武紀實際上已經超越上述兩類的范疇，但仍能作為例子和其他兩個進行比較。

地平線則是先選擇應用場景，針對此應用的算法去定制AISC芯片（這也是為數不少的公司的技術路線選擇）——針對智能攝像頭人臉檢測，開發旭日處理器；針對自動駕駛，開發征程1.0處理器。這屬于是先去設計解決方案，為了用在智能端側上的的處理器，采取“算法+芯片”的這種芯片定制設計的路線。深鑒科技則采用另一種路線，采用FPGA而非定制集成電路芯片。

FPGA最大的特點在于硬件結構可編程性。即使深度學習算法發生變化，FPGA一樣可以靈活的配置硬件結構，快速切入市場；而上述根據算法定制芯片ASIC，顯得劣勢，并且ASIC的設計生產與半導體芯片產品周期相仿，大概在12-18個月，則風險變得更大。但某些邊緣場景中，ASIC有更低功耗，體積更小的優勢。

我們不妨把目光轉移到深圳兩家AI初創公司——云天勵飛（IntelliFusion）和耐能（Kneron）。他們都有同一個特點，在選定特定的解決方案之后，把AI應用需求拓展到端側硬件，并且第一代產品采用了FPGA進行開發，而在2018年都不約而同在第二代產品上進入根據特定算法設計ASIC的方案（具體實施技術架構系統還是有不同，暫且按下不表）。這可以說是一種技術路線選擇的趨勢。但是我們仍然不能說，ASIC路線要比FPGA路線更為先進。這路線的選擇與應用場景是強相關的。

根據集邦觀察分析，Xilinx早已進入汽車領域。同時為了重申其于汽車產業的長期投入，以及看好FPGA將在自動駕駛車內部發揮重要作用，Xilinx宣布與戴姆勒(Daimler AG)合作，為未來的奔馳(Mercedes-Benz)新車款開發“超高效率AI解決方案”。Xilinx首先在車載系統，ADAS（高級輔助系統，非AI決策）證明了FPGA的高效適用。圖三則是FPGA在汽車領域的應用：

圖三FPGA可設計于汽車內部的位置

Source：Xilinx官網，集邦咨詢2018.7

則Xilinx會讓FPGA應用于自動駕駛中是其業務自然延伸的結果。同時我們也可以注意到國內不少自動駕駛汽車創業公司，選擇了自研芯片，如零跑汽車與大華集團合作開發AI自動駕駛芯片“凌芯01”。但Xilinx絕不會放棄自己獨家優勢，將采取FPGA實現自動駕駛，去對抗GPU或ASIC的路線。

深鑒科技在被收購前后，也放出消息說把業務領域從安防轉移到自動駕駛，XIlinx不管是為了收回前期投資，還是繼續為技術路線延拓，收購深鑒科技，都釋放出一個信號——FPGA可以和GPU的英偉達體系或其他ASIC體系相抗衡。歸根結底，技術路線的選擇，也許還要看公司自身的技術積累，以及垂直領域細分應用的需求去做選擇。