英特爾近日宣布計劃收購小型芯片制造商eASIC，這是英特爾繼2015年以167億美元收購Altera之后在FPGA領域的又一次布局。受到英偉達GPU的壓制，英特爾一直希望把傳統CPU處理器和FPGA集成至同一塊芯片，從而帶來更強大的計算性能。

圖1

按照此前英特爾的估計，相對于傳統的處理器和FPGA分立器件，新的一體化芯片將帶來30%至50%的性能提升，而最終的性能提升將達到2到3倍。這樣的計算性能對于人臉識別、自動駕駛等視覺計算任務很重要。

同時，在目前自動駕駛仍處于早期階段的大背景下，通過低功耗、低成本的可編程邏輯器件去快速開發新功能也是眾多ADAS及自動駕駛公司的選擇項之一。畢竟，英偉達的高性能芯片價格仍然居高不下。

eASIC經營狀況并不容樂觀，2016年全年營收為4550.7萬美元，凈虧損642萬美元;2017年1-6月營收1714萬美元，營收似乎有所下滑，但是凈利潤虧損卻進一步擴大到了708.6萬美元。

但收購eASIC則被認為是英特爾進一步加碼半定制芯片領域的重大布局。

eASIC芯片的計算能力和計算效率都直接根據特定的算法的需要進行定制的，所以其可以實現體積小、功耗低、高可靠性、保密性強、計算性能高、計算效率高、成本低等優勢。

eASIC公司則試圖在標準單元ASIC和FPGA之外中找到另外一條定做芯片的途徑。所以eASIC推出了半成品的結構化ASIC。

這樣的策略，同樣是另一家全球FPGA領域巨頭賽靈思的布局思路。

2018年1月29日，現年57歲的Victor Peng成為賽靈思歷史上第四任CEO。這位過去數十年的職業生涯正好橫跨了CPU、GPU和FPGA這三種不同形態的處理器產品的CEO，帶給賽靈思新的思考：超越FPGA的局限。

根據Peng的規劃，賽靈思推出了高度靈活且自適應的全新處理器及平臺產品系列，為用戶從端點到邊緣再到云端多種不同技術的快速創新提供支持。

這款名為ACAP的高度集成多核異構計算平臺，能針對各種應用與工作負載的需求，從硬件層進行更改變化。在可編程芯片上全面集成了SoC，是賽靈思的“變陣”。

圖2

ACAP的核心是新一代的FPGA架構，結合了分布式存儲器與硬件可編程的DSP模塊、一個多核SoC以及一個或多個軟件可編程且同時又具備硬件靈活應變性的計算引擎，并全部通過片上網絡(NoC)實現互連。

ACAP適用于加速廣泛的應用，其中包括視頻轉碼、數據庫、數據壓縮、搜索、AI推斷、基因組學、機器視覺、計算存儲及網絡加速等。

軟硬件開發人員將能夠針對端點、邊緣及云應用設計基于ACAP的產品。首款ACAP產品系列，將是采用臺積電7納米工藝技術開發的代號為“Everest(珠穆朗瑪峰)”的產品系列，該產品將于今年年底實現流片。

當然，類似此前英特爾收購汽車視覺領域的Mobileye，賽靈思也需要找到更多的細分領域“橋頭堡”。

今天，賽靈思公司宣布已經完成對深鑒科技的收購。從2017年開始，賽靈思就已經成為了深鑒科技的主要投資者之一。自2016年成立以來，深鑒科技就一直基于賽靈思的技術平臺開發機器學習解決方案。

除了在人臉識別、語音識別等AI領域的市場布局，今年6月份，深鑒科技宣布進軍自動駕駛市場，自主研發的ADAS輔助駕駛系統—DPhiAuto，目前已獲得日本與歐洲一線車企廠商和Tier 1的訂單，即將實現量產。

深鑒科技創始人兼CEO姚頌此前表示，“我覺得人工智能行業從今年下半年開始，可能大家對于新技術的追求熱度會逐漸的降低，對產品在實際應用的落地會更加的關注。”

按照賽靈思的說法，公司已在汽車視覺處理市場占有率排名第二，僅次于Mobileye。盡管目前市占率第一Mobileye和賽靈思之間存在著巨大差距。

在談到ACAP與英偉達、英特爾的競爭時，Victor Peng表示，“我們不打算做比英特爾CPU更好的CPU，也不打算做比英偉達GPU更好的GPU。”

過去幾年，將FPGA用于AI加速(深度學習)成為很多企業的選擇之一，因此，賽靈思在此基礎上開發更專用的架構可利用其DSP與平行架構，提供極其適合神經網路加速的運算能力。

而成本和功耗，被認為是其最大的市場競爭力。而FPGA的靈活適應性，能持續配合汽車自動駕駛功能的不斷變化而隨之調整。

要知道，賽靈思在國內還有一家汽車ADAS領域的合作伙伴—MINIEYE，其也于今年初推出了搭載賽靈思FPGA的前裝ADAS產品X1。目前該款產品已經進入多家車廠、Tier1的供應商體系，今年將于量產車型上搭載。

MINIEYE表示，選用FPGA芯片是因為其具有高計算性能，更適合深度學習;同時也是車規級已量產的芯片，研發更加成熟，成本具有競爭力，功耗也能大幅降低，實現了性能、成本、功耗的最佳平衡。

另一家國內自動駕駛初創公司環宇智行，近日也透露，在現有已經發布的基于英偉達芯片的L4級別自動駕駛域控制器的基礎上，下一代產品準備使用賽靈思的新一代FPGA做的控制器版本，在計算能力相同的情況下，功耗只有英偉達的一半。

一路向L4級自動駕駛狂奔的英偉達，在身后留給了英特爾和賽靈思在ADSA及L3級自動駕駛的市場份額爭奪空間。盡管，在具體的市場份額數字上，賽靈思目前還處于相對落后位置。

當然，還有兩家公司也是強有力的競爭者：加速推進面向ADAS和自動駕駛汽車的車輛視覺平臺(基于S32V 汽車視覺處理器)的NXP，和主攻C-V2X芯片的高通。

諸如人工智能、機器學習和自動駕駛這樣的未來趨勢將在芯片制造領域產生新的贏家和輸家。“現在才剛剛開始上半場的比賽，那些大玩家可能會變得更大。”一位業內人士表示。

圖3

而且行業的增速可能是翻倍的，以英偉達為例，去年來自人工智能和機器學習的市場營收達到30億美金，而三年前(2014年)這個數字還微乎其微。

然而，接下來行業的變數在于芯片制造成本上升、產能受限等因素，可能會給小型芯片制造商帶來壓力。

過去幾年，汽車內部的半導體元件日益增加，隨著ADAS的加入，汽車芯片使用量在激增。

同時，與其他市場應用相比，汽車對芯片的要求更為嚴格。目前，半導體行業對擴大芯片產能仍持謹慎態度，預計未來兩年分配給汽車行業的產能不會有較大幅度增長，因此可能出現供不應求的局面。

與此同時，汽車客戶希望能夠確定芯片的潛在故障率。這就需要代工廠使用更多的檢查、測試和模擬，所有這些都需要時間并增加工藝的成本。