最新消息，賽靈思已經宣布收購在卷積神經網絡領域有獨到研究的Auviz Systems公司，這家成立僅三年的公司，專注于數據中心和嵌入式系統的加速應用。

Auviz Systems致力于為行業提供基于FPGA的中間件IP，以減少應用程序的功耗。對于那些需要以低功耗實現高性能開發的應用工程師們，他們提供了FPGA庫如AuvizCV,、AuvizLA，AuvizDNN 以及定制加速器和服務。而針對FPGA，Auviz庫可以支持軟件工程師們繼續用他們自己熟悉的C/C++語言或者OpenCL?平臺模式進行編程。

Auviz Systems的專長是機器學習、視覺算法和FPGA實現，這都是很熱門的領域，機器學習和人工智能都是人類的終極夢想，但是由于計算能力的限制，前幾十年進展都不大，但自 2006 年以來，機器學習領域取得了突破性進展。

這是因為在技術手段上，可以不僅僅依賴于云計算對大數據的并行處理能力，而且有了算法。這個算法就是Deep Learning（深度學習）算法。借助于 Deep Learning 算法，人類終于找到了如何破解“抽象概念”這個亙古難題的方法。

在深度學習領域，微軟、百度、谷歌等等都是領先的公司，2012年11月，微軟在中國天津的一次活動上公開演示了一個全自動的同聲傳譯系統，講演者用英文演講，后臺的計算機一氣呵成自動完成語音識別、英中機器翻譯和中文語音合成，效果非常流暢。據報道，后面支撐的關鍵技術就是DNN，或者深度學習（DL，DeepLearning）。2013年1月，在百度年會上創始人兼CEO李彥宏高調宣布要成立百度研究院，其中第一個成立的就是“深度學習研究所”（IDL，Institue of Deep Learning）。

機器如何深度學習？卷積神經網絡（CNN）是目前工人的最實用的方法，機器不同于人來，以視覺分析為例，機器看到的是像素級的圖像，如何從圖像中分析出特征，就需要用卷積神經網絡進行一步步的處理和分析。Auviz Systems公司的創始人Nagesh Gupta就對卷積神經網絡有深入研究。

Auviz Systems公司的AuvizDNN是一個函數庫，可提供所有所需的對象、類和函數，以在FPGA上實現CNN。AuvizDNN可以提供配置函數，而使用配置函數可以創建任何類型和任何配置的CNN。從程序開發者的角度來說，使用AuvizDNN在FPGA上實現一個完整的CNN應用，就像一個C /C++函數調用序列。

圖為Auviz Systems使用Xilinx Kintex-7和Kintex UltraScale FPGA的實時系統圖：

基于Microsoft最新發布的數據，根據Auviz，FPGA如Xilinx Kintex UltraScale可處理14個或更多圖像/秒/瓦特，而一個高端的GPU僅能處理4個圖像/秒/瓦特。這表明，FPGA是實現快速、低功耗及數據中心應用的最佳選擇。

實際上，最近在人工智能領域熱門的本土新創公司深鑒科技也是采用賽靈思的FPGA完成卷積處理，深鑒科技的創始人汪玉在賽靈思大學計劃年會上發言時特別強調了FPGA在卷積神經網絡實現上的優勢。我看這樣下去未來GPU有被趕出人工智能領域的可能？

目前，業界公認人工智能需要在大數據的基礎上實現，Auviz Systems在數據中心和卷積神經網絡領域的專長一定可以讓FPGA在人工智能領域大顯身手，收購以后，Auviz Systems的專長可以惠及更多人工智能公司，期待賽靈思在人工智能領域再發大招！