Canyon Bridge收购莱迪思半导体的目的何在？

　　11月3日，莱迪思半导体与传闻中有中资背景的基金Canyon Bridge共同宣布，双方签署收购协议，Canyon Bridge将以13亿美元的价格溢价30%收购莱迪思半导体。在交易完成以后，Lattice将会继续以一间独立的子公司的身份继续运营。

　　目前，该交易已经被两家公司董事会一致批淮，如果通过美国相关部门审核，而且被莱迪思股东大会通过，该交易有望于2017年上半年完成。

　　收购莱迪思背后

　　莱迪思在FPGA厂商营收中位列全球第三，营业收入仅次于赛灵思和阿尔特拉。主要产品集中在消费性电子、通讯与工业等范畴，推出包含USB Type C、智能手机与平板等各式装置互连解决方案、影像传输解决方案、电源控制、无线通讯传输芯片等产品。虽然在营业收入上名列全球第三，但在技术上和赛灵思和阿尔特拉有一定差距，在市场份额上这种反映更加明显，在2014年莱迪思的销售额为3.66亿美元，而赛灵思在2014年的销售额则高达20多亿美元。在今年第二季度，莱迪思甚至还亏损1380万美元。目前，FPGA厂商处于“两大两小”的市场格局，“两大”是指赛灵思和阿尔特拉，赛灵思和阿尔特拉瓜分了全球60%以上市场，“两小”是指莱迪思和Actel。

　　收购莱迪思的Canyon Bridge则是新近成立的全球私募并购资金，总部位于美国加州的硅谷，其投资重点是科技公司。由于初始资金募集自几名中国合伙人，以及其高级顾问Dr.David Wang在加入Canyon Bridge之前，曾任中芯国际总裁，华虹集团首席执行官等职务，使Canyon Bridge增添了几分中资色彩。

　　由于《中国制造2025》白皮书中要求中国芯片自给率要从2014年的9%，增至2020年的40%，2025年达到70%。在军用高端FPGA完全依赖进口的同时，中资近年来在海外掀起了一系列并购狂澜——中国将在10年内投资1万亿元人民币，开发芯片和栽培半导体行业。这使一家有中资背景的基金收购莱迪思半导体就很容易让人联想到这场收购的背后有国家意志的因素。虽然莱迪思半导体在2011年中止了军事相关半导体解决方案的研发，但毕竟技术底子比国内FPGA厂商强太多。

　　总而言之，因为存在来自中国的资金和曾在国资企业担任高管的高级顾问，先不论这场收购的背后是否有中国政府的影子，但这些都给阴谋论者提供了足够的素材，使一些阴谋论者怀疑收购莱迪思是由中国政府在幕后主使。至于这场收购是否能助推中国军用FPGA国产化，将莱迪思的技术和人才逐步转移到中国大陆，并在大陆形成有能力自主开发适销对路FPGA的团队，就看将来事态如何发展了。

　　这场收购与深度学习的关系有多大?

　　相对于之前的那种比较阴谋论的观点——中国政府背后主导了这次针对莱迪思的收购，另一种观点认为这仅仅是Canyon Bridge看好FPGA在深度学习方面的发展前景。

　　在阿法狗大战李世石后，人工智能越来越多成为舆论的热点，深度学习的热度也越来越高，但芯片计算能力却成为一道瓶颈——传统的处理器是为了进行通用计算发展起来的，处理效率不高，谷歌甚至需要使用上万个中央处理器运行7天来训练一个识别猫脸的深度学习神经网络。科大讯飞曾经采用大量CPU来支持大规模数据预处理，运行GMM-HMM等经典模型的训练，在千小时的数据量下，效果也不理想。

　　因此，为了提高深度学习效率，逐渐衍生出使用CPU+GPGPU、众核芯片、CPU+FPGA和使用专门针对人工智能而开发的NPU几种方案。

　　GPGPU可以实现高并行计算和高计算吞吐，适用于计算密集、高并行、SIMD应用，尤其擅长图形图像、矩阵计算等方面的应用，英伟达的GPGPU双精浮点性能可达5.3TFlops，英伟达还专门开发的DGX-1系统，并宣称DGX-1比 21 个 Xeon Phi 服务器集群快一点，比四个 Xeon Phi 服务器集群快 5.3 倍。

　　Intel的众核芯片双精浮点性能为3 TFlops，性能功耗比为12 GFlops/W，虽然在性能上目前稍逊于GPGPU，但具有高应用适应性和易编程等多方面的特性，KNL众核处理器可以与CPU相同的编程模式、语言和优化方法，这对Intel众核处理器抢占市场有较大帮助。

　　中科院寒武纪这样的NPU是专门针对深度学习而开发的芯片，虽然在绝对性能上不输于GPGPU，在性能功耗比上亦相对于于CPU会有百倍以上的优势，但在财力和商业化能力上，无论是中科院还是新成立的寒武纪公司都和Intel、英伟达、赛灵思、阿尔特拉等国际巨头相距甚远。

　　FPGA的双精浮点性能虽然相对于英伟达的GPGPU和Intel的众核芯片要逊色不少——阿尔特拉展示的一款可以用于深度学习和科学计算的FPGA其双精浮点性能为1.5TFlops。虽然性能稍弱一些，但是性能功耗比却非常惊艳，以达到50GFlops/W，是Intel众核芯片的四倍有余，如果将FPGA用于机器学习，那么整个系统对于基于标准CPU和GPU的服务器有明显的性能功耗比优势，在大规模部署后可以大幅节省电费开销。