延宕了一年之久的萊迪思(Lattice)收購案近期終於落下帷幕。由於受到川普的否決，Canyon Bridge對Lattice的收購要約可能告吹。雖然買賣不成，但lattice發展的腳步還是要繼續邁進。根據其最新的動態來看，lattice瞄準了網絡邊緣這一逐漸興起的領域。
本文引用地址：http://www.eepw.com.cn/article/201711/371271.htm目前的網絡中已經有64億臺設備連接，此外還新增了550萬臺新設備，因此物聯網的興起需要採用新的處理和分析需求的方法。充分利用物聯網需要在設備和雲之間實現強大的無縫連接，同時消除計算問題和隱私問題。雲計算結合IoT技術的能力意味著到2018年，IoT傳感器和設備將超過手機成為最大的接入設備。用於工業和消費者應用的複雜算法使得語音和人臉識別以及機器學習的功能將會得到快速的發展應用。但是，數據傳輸到雲端並返回到每個IoT設備必須應對不可避免的網絡延遲，所有IoT創建的數據的45%將被存儲、處理、分析，並在靠近或在邊緣網絡上進行。「Lattice正朝著網絡邊緣領域進軍。我們也在加大FD-SoI技術投入，並通過收購加速發展。」萊迪思半導體營運長Glen Hawk對集微網表示。
「在2006年之前，Lattice的營收主要來自於控制PLD部分，每年在2億美元左右，非常穩定。從2006年開始，網絡邊緣的互連市場逐漸增長。而網絡邊緣計算是一個全新的市場需求，將成為今後增長的主要驅動力。」Glen Hawk指出，「在網絡邊緣的控制、互連、計算三個領域，Lattice都能提供完整而極具優勢的解決方案。」
據介紹，在控制方面，現在是Lattice實現穩定營收的堅實基礎，僅2016就有4000多家客戶。「產品生命周期長，供應鏈穩定是滿足更多客戶的特點需求的基礎。而豐富的系統設計經驗幫幫助客戶實現創新，已在網絡邊緣領域被多家客戶採用。」Glen Hawk表示。
在網絡邊緣互連應用方面，Lattice的iCE系列、CrossLink系列、無線連接系列FPGA產品等都普遍應用於智能音箱，ADAS、車載信息娛樂系統，監控攝像頭，機器視覺，平板電腦、VR等領域。「僅在過去一年中，我們就看到來自全球各地的公司為AR/VR系統、機器人、無人機、機器視覺、智能監控攝像頭等各種產品採用我們的小尺寸、低功耗、低延遲FPGA。這才是剛剛開始。我們熱切期盼能夠助力網絡邊緣領域的創新和設計。」
網絡邊緣人工神經網絡應用的潛力無限。不過現實情況是產生想法很容易，但實現起來並不那麼簡單。設計工程師要如何將人工智慧、神經網絡和機器學習的優勢引入到資源有限的低功耗網絡設備中去呢?
「我們看到，在網絡邊緣計算的各類應用中，對於功耗、價格和性能的要求都是不同的。萊迪思在神經網絡和機器學習領域有著功耗和性能的優勢，因此我們鎖定了每秒1萬億次運算、功耗地域1W的可編程神經網絡應用市場。」Glen Hawk表示，「現在在ADAS 360°環繞視野，車牌偵測、AR/VR位置跟蹤等網絡邊緣計算應用都可以滿足他們的需求。例如基於卷積神經網絡的人臉跟蹤應用，採用ECP5，功耗低於1W;基於二值神經網絡的人臉偵測應用，採用iCE40 UltraPlus，功耗低於5mW。」
在他看來，FPGA的並行計算和可編程特性，非常適合於神經網絡計算，相比ASIC也更適合應用十分廣泛的物聯網市場。GPU在深度學習算法模型訓練上非常高效，但在推理時對於小批量數據，並行計算的優勢不能發揮出來。而FPGA 同時擁有流水線並行和數據並行，因此處理任務時候延遲更低，功耗也更低。此外，FPGA是可編程晶片，更加靈活。目前來看，深度學習算法還未完全成熟，算法還在迭代衍化過程中，若深度學習算法發生大的變化，FPGA是軟體定義硬體，可以靈活切換算法，快速切入市場。
此外，Glen Hawk強調，網絡邊緣智能應用領域的市場機會，預計到2022年將翻一番。「隨著網絡邊緣計算領域的增長，Lattice有望實現超過20億美元的營收。」他指出，「網絡邊緣互連保持穩定的業務增長，網絡邊緣計算加速未來發展，穩步增長實現穩定的收益，這就是Lattice接下來的成長和進取之道。」