從C語言到fpga master，CICC:東數(shù)西算蓄勢待發(fā)。AI芯片有望受益于“東方數(shù)字和西方計算”項目的全面啟動，西方數(shù)據(jù)中心更專注于存儲和備份、離線處理等任務(wù)，個人認為fpga的發(fā)展前景高于DSP和ASIC，在這次大會上，沈劍的科學論文ESE:沒有SparselstmonFPGA的高效語音識別獲得了最佳論文獎。

1月30日晚間，阿里巴巴公布了2019財年第三季度財報。財報顯示，阿里云營收規(guī)模213.6億元，四年增長約20倍。發(fā)展迅速的阿里云已經(jīng)是亞洲最大的云服務(wù)公司。值得一提的是，3A(亞馬遜AWS，微軟Azure和AlibabaCloud)占據(jù)了全球70%以上的市場份額。在中國市場，阿里云一騎絕塵，市場份額相當于第二到第九名的總和。

LZ我不是想給你潑冷水，但是以你的專業(yè)和你的性別很難找到工作。你現(xiàn)在學的不一定是你以后要做的。只要你知道上面這些話的意思，而且現(xiàn)在已經(jīng)很牛逼了，就不用再努力去學了。我很想從事這個行業(yè)，以后好好學習。建議你學linux，Linux是開源的。我在FPGA工作。我個人建議你學習FPGA。未來的硬件基本上都是高度模塊化的。個人認為fpga的發(fā)展前景高于DSP和ASIC。

面向英特爾至強處理器和FPGA的加速堆棧該工具支持代碼重用，并為所有英特爾FPGA數(shù)據(jù)中心產(chǎn)品提供通用開發(fā)接口。對于具體硬件相關(guān)的FPGA資源細節(jié)，抽象出接口。此外，英特爾還為特定垂直領(lǐng)域提供了系統(tǒng)優(yōu)化參考庫。2.開放可編程加速引擎(OPAE)技術(shù)開放了英特爾至強處理器和加速處理器之間通用開發(fā)者接口的部分代碼，提供了一個覆蓋多代多平臺FPGA加速處理器的輕量級API。

OPAE的代碼已經(jīng)放到GitHub上了。3.面向OpenCL的英特爾FPGA軟件開發(fā)套件(SDK)支持RTL和OpenCL，有助于開發(fā)人員開發(fā)在英特爾FPGA上運行的定制加速處理器功能。英特爾的目標是將FPGA編程集成到開發(fā)人員熟悉的至強框架中，減少不熟悉FPGA的軟件開發(fā)人員的學習曲線。英特爾認為，硬件加速(FPGA加速)將成為高性能計算、人工智能、自動駕駛、基因技術(shù)和數(shù)據(jù)庫加速的重要支持工具。

全面啟動“從東方到西方的計算”工程，在西方數(shù)據(jù)中心更加重視存儲備份、離線處理等任務(wù)。該機構(gòu)分析師認為，AI超算中心專注于訓練任務(wù)，計算能力強、功耗高、延遲弱的特點符合西部樞紐的功能定位，疊加AI的國家戰(zhàn)略地位。該機構(gòu)分析師預(yù)測，AI超算中心有望受益于“東算西算”。云AI芯片作為計算能力的基礎(chǔ)，市場空間廣闊，該機構(gòu)分析師預(yù)測2025年云AI芯片全球市場規(guī)模將達到261億美元。

在AIoT提供海量數(shù)據(jù)，深度學習算法日趨成熟的當下，AI芯片作為AI應(yīng)用落地的計算基礎(chǔ)的重要性日益凸顯。這家機構(gòu)的分析師看到:1)終端AI芯片追求低功耗完成推理任務(wù)，面向?qū)嶋H落地場景需求，在能耗/計算能力/延遲/成本上存在差異；2)邊緣AI芯片在終端和云端之間，承擔低延遲、高隱私要求、高網(wǎng)絡(luò)帶寬占用的推理或訓練任務(wù)；3)云AI芯片針對高計算能力/訓練任務(wù)，包括CPU/GPU/FPGA/ASIC等類型。

這幾天一直在寫一個實時操作系統(tǒng)內(nèi)核，已經(jīng)做的很成功了。等我完成后，我會把它公之于眾，希望能為中國的it發(fā)展盡一份力。最近看到很多同學朋友和我當年一樣沒有方向，所以寫了我的經(jīng)歷鼓勵大家，希望能給剛?cè)胄械呐笥岩稽c幫助。轉(zhuǎn)眼間，我已經(jīng)在IT行業(yè)學習和工作了七年多。期間做過網(wǎng)頁，寫過MIS，寫過數(shù)據(jù)庫，做過應(yīng)用程序，做過通訊軟件，做過硬件驅(qū)動，做過協(xié)議棧，現(xiàn)在又做過操作系統(tǒng)內(nèi)核和IC的開發(fā)，走了很多彎路，吃過很多苦。

FPGA芯片領(lǐng)域峰會FPGA2017于2月24日在加州蒙特雷落幕。在本次大會上，由博士和沈劍科技聯(lián)合創(chuàng)始人韓松撰寫的論文《ESE:無SparselstmonFPGA的高效語音識別》獲得最佳論文獎。得知這一消息后，機器之心聯(lián)系了沈劍科技創(chuàng)始人兼CEO姚松和聯(lián)合創(chuàng)始人韓松(本文第一作者)，他們對文章進行了技術(shù)解讀。

在這次大會上，沈劍的科學論文ESE:沒有SparselstmonFPGA的高效語音識別獲得了最佳論文獎。圖1:韓松提出的深度學習部署方案，與傳統(tǒng)的“訓練后使用”方案相比，“訓練后壓縮，再用硬件加速推理”的方案可以使推理速度更快，消耗的能量更少。