英特尔收购Omnitek背后的逻辑

四月中旬，英特尔宣布收购一家名为Omnitek的英国公司，旨在“增强FPGA在视频（video）和视觉（vision）领域的产品组合”。对于很多人来说，Omnitek并不是一个非常熟悉的名字。那么，究竟它为何受到了英特尔的青睐，以及这次收购背后的深层威廉希尔官方网站 逻辑为何，就让老石在本文为大家深入分析。

Omnitek CEO与创始人

Omnitek是何方神圣

Omnitek并不是一个传统意义上的初创公司，它成立于1998年，总部位于英格兰南部的贝辛斯托克（Basingstoke），见下图。

贝辛斯托克这个小城是英国比较有名的经济和科技中心之一，巴宝莉（Burberry）就起源与此。这里集中了不少世界知名的大公司的总部或欧洲总部，其中包括很多半导体和科技公司，比如索尼、摩托罗拉、意法-爱立信等，华为的欧洲总部也曾经设在这个小城。

虽然Omnitek已经成立了超过20年，但员工总数只有四十人左右，也没有公开的融资记录。从这些方面来看，Omnitek只能算是一个中型、甚至小型的公司。

然而，在这20年中，Omnitek开发和积累了超过220个FPGA硬件IP、对应的软件系统、以及开发平台，见下图。

这些FPGA IP主要集中在视频和图像处理领域，包括使用FPGA进行超高清视频图像的旋转、形变、3D映射、编解码等等各类处理，见下图。

这些应用一直是FPGA的传统应用领域，特别是在诸如视频会议、投影、显示屏等场合。因此，就像在公布收购后的官方新闻稿中所说，这次收购将会极大的补强英特尔FPGA在视频和图像处理领域的IP资源。

然而，老石注意到，Omnitek在2018年底发布了一款自研的深度学习处理器（DPU）。与市面上任何基于FPGA的同类产品相比，Omnitek宣称这款DPU的性能有着50%的优势。同时，与GPU相比，这款DPU在给定的功耗或成本限制下也有着更加优异的性能。

在当前各类人工智能处理器xPU层出不穷的时候，Omnitek这个官宣大胆而自信。老石认为，这也是英特尔收购Omnitek背后的主要逻辑。

“地表最强”FPGA深度学习处理器

老石在之前的文章《FPGA在人工智能时代的独特优势》一文中讲过，使用FPGA对人工智能应用进行硬件加速主要有以下几个优点：

基于这些优点，Omnitek选择使用FPGA作为其深度学习处理器的主要实现平台，这与目前业界包括微软在内的很多公司不约而同，见下图。

事实上，与微软在“脑波项目”中使用的DPU相比，Omnitek的DPU在使用模型上也有着很多相似之处。这类DPU，也称为Soft DPU，最主要的特点就是提供一个基础的硬件架构，用来进行深度神经网络的计算加速；同时提供完整的软件编程接口和编译器，使得上层用户使用高层语言对神经网络进行配置。

这种架构的最主要优点，就是实现了软硬件的完全解耦，这也让使用者无需掌握任何硬件相关的专业知识，从而只需要专注于算法和模型本身的设计，并可以通过诸如Python、C/C++等高层语言对模型进行调整和配置。

与高层次综合（HLS）相比，这种基于FPGA的DPU设计方法无论在性能、开发敏捷性、编译时间等各个领域都有着明显优势。

Omnitek DPU的主要特点

与微软DPU相比，Omnitek的DPU又有着自己独有的特点。它的系统架构图如下所示。

可以看到，用户可以使用TensorFlow、Caffe或者OpenVINO等主流机器学习框架构建的模型，或者是自己用高层语言编写的模型，通过DPU编译器生成特定的微代码（Microcode），这与微软DPU采用数据流图的方式不同。这些微代码将被用来配置FPGA上的DPU数据处理流水线，如下图所示。

Omnitek DPU的另一个主要特点是可以通过编程，调整对不同DNN拓扑的支持效率。通常来讲，某种DNN硬件加速器往往是针对某种特定的DNN拓扑设计的。以谷歌的TPU为例，它对于阿尔法狗所使用的CNN模型（CNN0）有着很高的运行效率，高达78.2%，平均性能也可以达到86TOPS，见下图。然而对于另外的CNN模型，如GoogleNet（CNN1），谷歌TPU只能达到46.2%的运行效率，性能也骤降至14.1TOPS。

由此可见，不同CNN模型对于单一硬件架构的实际性能有着很大影响。除CNN之外，诸如RNN和MLP等其他DNN拓扑有着和CNN明显不同的特点。除此之外，随着人工智能理论研究的不断推进，想必会不断涌现出其他更加新颖的网络拓扑结构。因此，如果使用相同的硬件架构对这些DNN拓扑“一视同仁”，则必然不会得到满意的性能。

对于这种情况，也只有FPGA能够快速调整硬件结构，以适应不同的网络拓扑结构，这是ASIC或GPU都无法实现的。而这也是Omnitek DPU的另一个主要特点。

此外，Omnitek DPU还使用了“片上网络（NoC）”威廉希尔官方网站 ，将多个DPU进行互联和数据共享，如下图所示。NoC是目前在大型芯片上进行数据共享和高速传输的新型威廉希尔官方网站 ，在赛灵思最新的ACAP架构上，也使用了NoC威廉希尔官方网站 ，这在之前的文章《赛灵思下一代计算平台ACAP威廉希尔官方网站 细节全揭秘》中有过深入解读，有兴趣的读者可以看看，在本文中就不再赘述。

性能方面，Omnitek公布了在英特尔Arria10 GX1150 FPGA上实现的DPU性能数据，如下所示。

单就上面的数字来看，特别是TOPS一栏，只能说差强人意。不过性能功耗比（GOPS/W）比较高，能够体现FPGA的低功耗优势。同时考虑到Arria10是一款基于20nm工艺的FPGA，因此可以预期当使用更先进的FPGA，如Stratix 10（14纳米）或Agelix（10纳米）时，上面的数字将无疑会有大幅提升。

事实上，Omnitek也有使用赛灵思16纳米UltraScale+ FPGA所取得的性能结果，比上面的数据有着明显提升，本文不再给出，有兴趣的读者欢迎在老石谈芯后台回复“DPU”查看。

结语

Omnitek作为一家做了20年的视频图像FPGA IP提供商，刚刚切入人工智能芯片领域，就依托威廉希尔官方网站 积累开发出了地表最强的深度学习处理器，并随后被英特尔收购，这一系列操作实在让人眼花缭乱。

这次收购对于英特尔而言，不仅补强了其在视频和图像处理领域的FPGA IP组合，更是直接得到了Omnitek已经比较成熟的DPU软硬件方案。这无疑进一步扩展了英特尔在人工智能领域的产品布局和多样性。

Omnitek的官网上列出了很多公司的核心价值观，其中很有趣的一点，就是它允许员工有着灵活的工作时间，因为公司“理解对于所有员工来说，保持‘朝九晚五’的工作时间是很困难的”。这在996盛行的今天，无疑更加值得我们思考，工作和生活，哪个才是我们应该追求的福报。