Pandemin tar fortfarande mycket av vår uppmärksamhet, men samtidigt förändrar AI hur vi arbetar, hela vägen från molnet till Edge och slutpunkter. Ramine Roane, vice president of software and AI product marketing, Xilinx, gör här en prognos för elektronikåret 2022.

Ramine Roane, vice president of software and AI product marketing, Xilinx

Pandemin fortsätter att genomsyra våra tankar om läget i världen och utsikterna för den omedelbara framtiden. Myndigheter och regeringar över hela världen har infört restriktioner som syftar till att skydda medborgarna och begränsa belastningen på vården. En del av dessa restriktioner har varit väldigt stränga, och många vill nu desperat få tillbaka de friheter de hade tidigare. Vi kommer naturligtvis att ta oss igenom den här situationen, men världen kommer att förändras.

Det har skett enorma förändringar i fråga om både livsstil och ekonomi. Teknikföretag har mestadels rapporterat fantastiska resultat, medan företag där fysisk närvaro är ett krav – som fysiska butiker, hotellbranschen, resor och transporter – har kämpat. Den traditionella detaljhandeln har haft svårt att mäta sig med internethandeln under en längre tid, och pandemin har bara accelererat den trenden. Genom restriktioner om socialt avstånd har företag som sysslar med e-handel, onlineannonsering, onlineunderhållning, matleveranser, uthyrning av semesterbostäder, infrastruktur och SaaS kunnat stärka sina positioner, och vinsterna kommer antagligen inte att minska efter pandemin. De så kallade FAANG-bolagen (Facebook, Amazon, Apple, Netflix, Google) är tydliga exempel.

Teknikaktierna har generellt varit starka under hela perioden på grund av omfattande nyinvesteringar i utrustning för hemarbete samt streamingtjänster. Man kanske kan tycka att det var djärvt av Apple att lansera iPhone 12 just när pandemin var som svårast. Konsumenterna har dock visat att de ser smarttelefonen som ett verktyg för att arbeta, hålla kontakt med vänner, komma åt tjänster och mäta sin hälsa.

När restriktionerna äntligen upphävs kan vi dock förvänta oss att många människor kommer att återgå till aktiviteter och mötesplatser som tidigare. Netflix och Zynga har redan sett att det ökande abonnentantalet de upplevde under pandemin har dämpats något, även om andra faktorer också har påverkat avmattningen, exempelvis spelar konkurrens från andra streamingtjänster en stor roll i det. När effekterna av ”återgången till det normala” har stabiliserats kommer vi se att saker och ting har förändrats i grunden. Människor har upptäckt nya sätt att leva och arbeta, och de kommer att finnas kvar även i framtiden.

Exponentiell acceleration
Jämfört med tidigare pandemier är världen, tekniskt sett, bättre förberedd än någonsin för att hantera hoten mot vår hälsa, våra jobb och vår ekonomi. Tekniken har utvecklats exponentiellt sedan den första Homo sapiens dök upp för 300 000 år sedan. I vår bransch har exponentiella lagar (Dennard-skalning, Moores lag) effektivt format marknadens förväntningar när det gäller prestanda hos nya generationer av datorer, och de har blivit prestandamål som måste uppfyllas.

I dagsläget, när Dennard-skalningen är död och Moores lag mycket försvagad, räcker det inte längre med bättre kiselteknik för att bibehålla de exponentiella förbättringarna. Ingenjörer inom alla områden, till exempel systemarkitektur, programvara och maskinvara, höjer nu insatserna för att säkerställa att prestanda fortsätter att förbättras i samma takt.

Om vi tittar på programvaruutveckling handlar det här omvälvande skiftet om att röra sig bort från traditionella metoder och istället dra nytta av djupinlärningstekniker. Samtidigt har man inom maskinvarudesign utnyttjat flerkärnad arkitektur, och i synnerhet GPU-arkitektur, för att hantera AI-arbetsbelastningar, och på senare tid levererat nya domänspecifika arkitekturer (DSA), till exempel TPU-enheter (Tensor Processing Unit) och andra djupinlärningsprocessorer för att öka prestanda ytterligare. Nu närmar vi oss dock den punkt där även dessa domänspecifika arkitekturer inte längre kommer att vara skalbara. Innovationstakten inom AI har överträffat cyklerna för kiseldesign. De kreativa chipdesigntekniker som tar oss bortom kiselförbättring märks också tydligt i bland annat staplade kretsar, chiplet-teknik och SIP-teknik (System-In-Package), vilka har gjort det möjligt att komprimera designcykler samtidigt som chipkapaciteten ökar.

Dessutom har Xilinx utnyttjat sin FPGA-expertis för att utforma det första adaptiva systemchipet med vår Versal-familj. Med adaptiva systemchip kan innovatörer accelerera hela applikationer genom att bygga domän- eller applikationsspecifika arkitekturer och överkomma den flaskhals som är kopplad till att flytta data mellan databehandlingsmotorer och externa minnen. Vår heterogena arkitektur innehåller ett processorundersystem för seriella arbetsbelastningar, en FPGA-struktur för låg latens och realtidsarbetsbelastningar samt våra nya AI-motorer för AI/ML med hög genomströmning eller signalbearbetning. Dessa databehandlingsmotorer är tätt kopplade till internt och externt minne och ett nätverkschip (NOC) som ger flera gånger högre prestanda per watt än traditionella processorer och diskreta acceleratorer.

Inferens vid slutpunkten
AI-implementeringen revolutionerar databehandling överallt, från molnet till Edge och slutpunkter. Inferens med låg effekt gör att arbetsbelastningar som AI/ML, eller traditionell signalbehandling, kan hanteras lokalt, vilket sparar nätverksbandbredd och ger lägre latenser. Vi har distribuerat vår Versal AI-motor i trådlösa 5G-system, radar, satelliter osv. I sändningssystem för sportrapportering kunde vi med våra adaptiva systemchip flytta AI/ML och efterbearbetning av video från Edge och molnet till slutpunktskamerorna. Det har gjort det möjligt att livebearbeta på helt nya sätt.

Genom våra flexibla plattformar har vi inte bara kunnat dra latenskänsliga arbetsbelastningar till Edge och slutpunkten, utan även accelerera dataintensiva och strömkrävande uppgifter som sökning, rekommendation, databas- och big data-analys, genomikdata, videotranskodning osv. Xilinx har också en stark närvaro inom infrastruktur som en tjänst med AWS och Microsoft Azure.

Med vår adaptiva systemchipkapacitet för att hantera big data och högpresterande AI-inferens med låg effekt och latens, i molnet, vid Edge och i slutpunkter, tror jag att vi lägger grunden som ger innovatörer möjlighet att transformera och förbättra vårt sätt att leva. Våra roller som yrkesverksamma och som människor kommer att förändras dramatiskt, och även om vissa roller kommer att tas över av maskiner måste vi vara redo att ta till oss de nya möjligheter som de här spännande teknikerna kommer att medföra.

När vi börjar närma oss slutet av pandemin med hjälp av de tekniker som hjälper oss att vara produktiva och interagera effektivt med varandra, även på avstånd, kommer de tekniska framstegen att fortsätta i samma orubbliga, exponentiella takt.

Ramine Roane, vice president of software and AI product marketing, Xilinx

Filed under: FPGA, Utländsk Teknik