创业公司当下的每一个小小的进展,在未来都有可能成为改变世界的一大步。正式基于这样的初衷,我们一直都愿意持续关注、报道我们接触的创业公司的新进展。临近2017年底,我们也对我们此前报道、接触的一些初创公司进行了回访,并将他们2017的进展、2018年的规划、对行业的理解和判断进行整理,呈现给读者。
需要说明的是,我们认为场外信息对于关注这家公司的读者同样具有价值,也是全面了解一家公司的重要信息之一,这个系列报道我们尽可能真实、完整的还原了被采访对象的表述,保留了被采访人的观点、用词、用语。因此报道的用语用词风格或与36氪此前正常报道略有差异;这些事实、观点也不一定代表36氪的认知和观点,36氪并不能为此背书。
-------------------------------------------------------------------------------
受访人: PerfXLab Cofunder 兼 CEO 张先轶
36氪此前报道:《在4核处理器上跑出8核效果,澎峰科技要给深度学习提供软件加速算法》
公司2017年继续在嵌入式AI这个方向上进行投入。我们推出了OpenBLAS的针对深度学习的商业版PerfBLAS,以及PerfDNN、PerfCV等库。在年底,将开源我们针对嵌入式平台的轻量级深度学习推理框架InferXLite,框架纯C语言开发,速度快,占用资源少。
今年夏天开始,我们已经开始商业化,已签约若干标杆客户,包括360、陌陌、中科视拓、ARM OpenAI Lab、人人智能等。
团队上,我们继续加强在底层系统级技术的实力,吸引若干HPC领域经验丰富的人员加盟。
在战略和技术路线上,没有做什么变化,和我们预期的步调相符。我们在2016年初准备创业的时候,已经看到了端上智能的机会,包括手机平台或者其他终端设备。为什么能有这个判断,一个重要的信息来源是,我们OpenBLAS开源项目的Github issue关于Android平台的问题数量在上升,其中大部分都是在跑Caffe之类的一些程序。所以,我们创业也把重点放到了嵌入式AI这个领域。
在市场上,我们还处在探索阶段,已经在互联网APP,智能终端设备市场取得一定突破。
继续加强我们的嵌入式AI技术栈的优势,打造从手机,到ARM SoC终端,到DSP/FPGA板卡,到IoT设备的跨平台的嵌入式AI解决方案。
持续的开发和维护InferXLite,争取打造成一个开源社区,吸引更多的开发者使用我们的开源技术产品。
InferXLite成为一个嵌入式AI重要开源框架之一,打造成一个开源社区。我觉得开源软件做成功,主要是耗时间,需要持续的投入和改进。要让开发者和客户相信,我们是认真做这件事情。
我们觉得是行业已经越来越认同和重视在端上运行AI的计算,不管是手机端的应用,还是各种嵌入式设备等。出现了各种xPU,各种框架,各种针对嵌入式平台优化的模型网络。
华为公司在麒麟970中集成了寒武纪的IP,以增强深度学习的处理能力。第一款移动芯片增加了专门的深度学习计算部件,期待由此计算能力提升所打开的应用场景。
我们认为在嵌入式AI或者边缘计算这个市场,是需要综合考虑成本,功耗,性能/功能。也就是说,推出的解决方案如何平衡这些要素以满足客户的场景需求是核心竞争力之一。
最期待看到,开源硬件与AI结合的原型或产品,比如,RISC-V与AI结合等(当然已经有一些论文)。我们是一家拥抱开源技术的公司,除了我们自己做一些开源软件,也期望能看到一些开源的指令集或者芯片在AI领域的应用。