开场与创办 Efinix
欢迎来到连接硅谷与华尔街的演播室。我是 John Furrier，今天和我的搭档 Dave Vellante 一起主持。
欢迎回到纽约证券交易所的 theCUBE 演播室。我是 Gemma Allen，NYSE Wired「Physical AI & Robotics」节目的联合 CEO。我们连接硅谷与华尔街。今天要聊的是：硅芯片是全世界最难进入的行业之一。2012 年，风投都避开芯片初创公司时，Sammy Cheung 和 Efinix 团队决定重新思考这个行业。他们不是想造更大的芯片，而是想做出更好的芯片：效率更高、更灵活，也能适应智能从数据中心走向身边设备的世界。Efinix CEO Sammy Cheung，欢迎来到 NYSE Wired。
Gemma，谢谢邀请，很高兴来到这里。
Sammy，先带我们回到 2012 年。那时你决定在这个领域创业。我记得自己当时在微软，很多钱都投向了面向消费者的业务，平台也令人兴奋。能讲讲 Efinix 的起源吗？
2012 年啊。当时我和联合创始人 Tony 并没有太在意芯片行业有没有很多资金，主要关注两件事。第一，我们能不能继续在自己擅长的 FPGA 领域创新；第二，能不能解决整个职业生涯里一直在面对的问题。我们想找一个新的难题来攻克。我们看到市场、客户环境以及亚太地区的增长都不算快，我们认为原因在于传统架构效率不够。
早期应用与效率目标
这让我们觉得，也许找到了下一个值得攻克的难题，也许能从零开始提出一个彻底改变行业的想法。我们在大公司、小公司都做过很久；如果不自己动手，事情可能永远不会发生。所以我们想，不如创办一家公司试试看，看看能不能用全新的思路带来改变。这种不安于现状、继续迎接挑战的心态，算是我们的 DNA。我们就说：“好，那就去做吧。”
我喜欢这种心态：不先纠结市场有没有钱，而是直接开干。你是个真正的建设者。回看 2012 年，那和今天完全是不同的世界。没人知道 AI 会发展到今天这样，也没人预料到现在的形态。你当时怎么看这项技术的定位？最初的应用场景是什么？
最初的应用其实很直接。当时我们看的是电信基础设施，以及还没到数据中心级别的一些计算场景。这些场景受限于功耗、效率，以及当时设备所能提供的能力。我们觉得 FPGA 还能做得更多，传统架构有局限。创办公司的初衷就在这里：如果我们做不出效率高出一个数量级的东西，那就不值得做。
是啊。
随着世界逐渐走向让更多智能进入设备，这条发展路线和我们从 2012 年开始打造的东西正好契合。
真有意思。Achronix 这个名字是怎么来的？
Quantum 架构把逻辑与布线合在一起
Achronix 这个名字代表高效技术、无限可能，所以我一直强调效率。效率就是我们的出发点。理念很简单，真正实现起来却很难，因为当时行业更看重上市速度和功耗，FPGA 的面积还没那么受关注。我们想在保持性能的同时，把功耗降到最低、尺寸做小，而且还能扩展。目标很高，但这正是我们决定迎难而上的最大挑战之一。
这确实很有远见。现在已经过去 14 年了。能讲讲 Quantum 架构的核心创新思路吗？给不懂 FPGA 的观众解释一下。
简单说，FPGA 由逻辑块和布线块构成。传统架构把这两类组件分开设计、分别优化：逻辑块负责功能和性能，布线块则用传统方式把它们连接起来。FPGA 刚出现时，大约是四十多年前，密度很低、结构也简单，把一个块放这里、另一个放那里，堆起来就行。性能要求低，也没什么问题。（那时候还没我呢。）
我也还没出生。
随着市场扩大、智能计算兴起，芯片需要更高密度和更强性能。不断堆叠的结果是，为了让硅片得到利用、确保电路可布线，逻辑块和布线块都得越做越大。想追求性能，往往只能把芯片做得更大、也更耗电。我过去在一家顶尖 FPGA 公司工作过，亲自带队开发过许多优秀产品，但我们看到了这些限制。
回到 Achronix，我们不再把逻辑和布线看成两个独立模块，而是从零开始，设计出更小的单元，让同一个单元既能做逻辑，也能做布线。通过软件配置决定每个单元承担什么功能，再根据客户的设计重新配置芯片。这样就不必堆出巨大的模块，也能灵活解决 FPGA 的核心问题。过去一代又一代架构师，几乎整个职业生涯都在解决布线拥塞。
为边缘 AI 调整软硬件
芯片一大，布线就容易拥塞。但新架构里的可交换逻辑单元（SLR）很灵活，基本上消除了布线拥塞。因此我们能提高硅片利用率，做出尺寸更小、密度更高、性能更强的 FPGA。
说到硅片利用率，我们熟悉云端 AI：算力强、重负载。边缘 AI 有什么根本不同？芯片构成需要怎样变化？
云端首先追求性能，用大量算力完成重任务，所以会关注能耗和散热。边缘完全不同：要部署很多相对小型的设备。如今的边缘设备还得加上 AI 算法，这需要性能；同时又不能把硅片功能完全固定死，因为模型、芯片和传感器都在不断变化。如何把这一切装进有限的散热预算，是个挑战。
边缘计算可能需要更精细、更复杂的设计来解决问题，而且场景彼此不同。AI 正从数据中心走向物理世界，我们要想办法用一种硅平台解决工厂里的问题、汽车照明里的问题，或智能医疗设备里的问题。这就是我们现在在做的事。概念和需求都不一样。换个角度说，在很小的散热预算里，怎么尽可能装进更多东西，同时还保持灵活？
硬件形态也不再一成不变，设备变化和适应的速度很快，尤其在 Physical AI 领域。你们是在一个不断变化的目标上做硬件。对研发和持续迭代意味着什么？
RISC-V AI 工作流：从开发到量产
我们的架构天生就能从很小的尺寸起步，但这还不够。软件工具也必须高效、易用，还要能集成系统里的其他组件、支持不同开发流程。关键是如何利用小型架构，把整套技术栈和组件都控制在有限空间里，同时完成集成，让客户能借助生态系统缩短上市时间。
客户和开发者的世界也在快速变化。除了 FPGA 逻辑阵列，你们怎样和开发者互动、持续满足这个特殊时期创新者的需求？
我们把 RISC-V 处理器技术和 FPGA 逻辑阵列融合，打造软硬件协同设计环境。FPGA 阵列还能作为处理器的硬件加速器。这构成了协同开发平台的基础：参与者不只有软件和嵌入式开发者，也包括 AI 开发者。
这个加速平台让 AI 算法加速更容易上手。我们和生态伙伴一起，针对具体用例和待解决的问题搭建所需工作流。AI 开发者可以并行优化算法和模型，再把它们转换为 FPGA 上的软件和硬件实现。这些都是我们在传统 FPGA 软件之上开发的能力。
那么从 2012 到 2026，部署周期发生了什么变化？
复杂度增加了很多，但部署所需时间仍然差不多。不过，效率贯穿了我们的技术和方法。每年都得持续推出新产品，不只是芯片，还有软件功能、解决方案和新的生态伙伴，不能舒服地等三年再出一个产品。客户部署是我们的头号优先事项，也就是所谓的上市时间。我们不只是把芯片和软件交给客户，而是从一开始就了解他们的问题，从第一天起帮助解决。
从设计导入到成功量产
我们从早期概念、设计导入、制作电路板，一路支持到投产，并确保产品能稳定大批量运行。我们全程服务客户，确保部署成功。客户的部署周期通常大约六个月到一年半。
不过，2020 年有个案例。大家还记得 COVID 疫情吧？当时有客户急需制造热成像相机，测量进出人员的体温。那是 2020 年 4 月。我们的芯片和软件虽然是新产品，但很容易上手，他们花了大约 14 天就把芯片集成到电路板上，准备投产。
Titanium 的性能、安全与低功耗收发器
这是一个极端易用性的例子。很多客户部署用时不到六个月，我们的目标就是尽可能快。
讲讲你们推出的 Titanium Edge 系列吧，它的背景和上市策略是什么？
这是我们对边缘 AI 市场的投入。Titanium 在机器视觉、激光雷达、无线通信和医疗设备领域已经取得不少成功。Titanium Edge 是我们听取客户意见后做出的升级：提供更高密度、更低功耗，并提升 I/O 性能，客户很喜欢。
比如食品生产线上的机器视觉相机，现有一代已经在用，下一代还想加入更多功能、提高分辨率，但功耗预算不能增加。我们就在 Titanium 基础上进一步改进架构和产品能力，升级到 Titanium Edge。
此外，我们也加入市场需要的功能，其中两项很令人期待，包括后量子安全。
这在当下很重要。
把后量子安全纳入流程并不容易，但我们很快就成功加入 Titanium Edge。我认为未来五到十年里，无论基础设施还是普通设备，都会广泛用到它。我们还加入了更适合工业或高端用途的辐射防护纠错功能，在一些工业和汽车场景中非常重要。
在高端基础设施和电信领域，对市场和买家来说，这些能力肯定很关键。
Titanium 收发器系列也能满足这类需求。收发器是提供高速 I/O 连接的组件，对通信设备、基础设施设备和工业计算机都很重要。我们也把它配在高密度器件上，帮助我们进入这些市场。很多客户很感兴趣，一个重要原因就是功耗更低。
免费软件作为增长策略
有些情况下，我们的方案功耗只有竞品的一半或三分之一，性能却相同。这个市场也在增长。客户如今建设的不只是大型基础设施，设施越来越分散、体积更小，有时还要放在户外，因此散热预算很紧。我们的器件和技术正好赶上这个时机。未来几年还有更多令人期待、我们能帮上忙的市场。
说到产品提供方式，你们的软件也是免费的。为什么？这是 CUDA 第二吗？
我喜欢你说的“CUDA 第二”。我认为主要是把它当作一项投资，也是一种经营理念。我们的业务目标是让 AI 无处不在，Efinix 必须全力以赴，让我们的方案遍布各处。要实现这一点，就不能向每一个客户收费。软件应该免费开放，让大家用起来。
没错。
这就是投资。传统做法可能是从软件收费，但如果免费软件能帮助我们卖出更多器件、让更多人创新，回报可能是几千倍甚至几百万倍，我也说不准。这确实是一种换个思路的投资：让更多人使用软件，把我们的技术带进系统，价值远远大于软件本身的收费。
打造一体化边缘 AI 生态
这也能让客户早早建立忠诚度。说到这里，你觉得未来几年世界会走向哪里？现在像是市场转折点。谁应该加入这项使命？
我觉得这才刚刚开始。所有机器、所有车辆都需要把感知、判断和行动结合起来，需求会越来越大。但看整个系统，不能只看 FPGA，也不是把所有东西都塞进芯片就行。我们需要大力推动系统集成，把各种组件、软件、硬件、固件和 AI 算法都考虑进去，并让客户容易使用。
从 Efinix 的角度看，我们得想办法成为系统中心，让软件、工作流和技术成为整合平台，同时让合作伙伴协同工作，提供最佳方案。边缘市场和数据中心很不一样，场景分散、无处不在，也需要大量创新。我们得改变合作方式，不能再让每位客户自己到处找组件、想办法拼起来，而是让他们从 Efinix 入手，迅速拿到完整方案。当然，这需要合作伙伴一起努力。我们希望伙伴看到平台的优势，愿意和我们共同开展业务、分享成果。
你们在一个前所未有地需要这类技术的市场里，正在打造很有意义的东西。疫情时期的故事也很精彩。我喜欢这个节目的一点，就是能从幕后看到 Physical AI 和机器人如何影响生活。我们要为未来、为正在转型的社会做好建设。Sammy Cheung，谢谢你参加节目。
非常感谢。
我是纽约证券交易所 theCUBE 演播室的 Jenna Allen。这里是 NYC Wired：Physical AI and Robotics。感谢收看。