0
| 本文作者： 包永剛 | 2019-10-31 15:55 |
創業從來都不是容易的事情，特別是芯片領域的創業鮮有成功者。不過，有這么一個創始成員都來自清華的創業團隊，以Sticker AI芯片為核心，提供從硬件到算法到平臺的全棧解決方案，創立僅一年就獲得了中國石油、中國石化、山東雙輪等行業客戶的支持，銷售業績達到數千萬。
這家名為湃方科技的公司有何獨特之處？他們如何實現AI芯片的快速落地？
2018年資本寒冬創立
湃方科技成立于2018年9月，從外部大環境來看，湃方的成立不僅沒有趕上2015年左右的AI芯片創業熱潮，還遇上了2018年的資本寒冬。這對于需要大量資金長期支持的芯片創業來說，并不是好消息。
雖然面臨全球不容樂觀的局面，但國內的局面對湃方的成立帶來了機會。一方面，在經歷了中興和華為事件之后，國內對于芯片的關注度陡然升高，政策和資金都支持芯片產業的發展。同時，2015年左右創立的AI芯片初創公司們正面臨芯片落地的挑戰。另一方面，國內工業互聯網的熱潮也開始興起，政策也在大力支持。
從2014年就開始研究AI芯片的湃方創始團隊，到2018年已經迭代了7款芯片。顯然，湃方成立就趕上了AI芯片落地的熱潮，同時還遇上了工業互聯網的廣闊市場。
這樣看來，湃方也創立在了一個好的時間點。湃方科技聯合創始人、CEO武通達接受雷鋒網專訪時表示，“在2015年左右，AI芯片才剛剛起步，我那時候更多的注意力還是跟隨我的導師，也是現在湃方科技創始人、首席科學家劉勇攀在探索技術上的深度。創業是一個探索技術和應用的結合的地方，那時候我還不夠敏感?！?/strong>
湃方科技聯合創始人、CEO武通達
武通達以優異的成績進入清華大學電子系，本科、研究生、博士都跟隨清華大學電子工程系電路與系統研究所所長、博士生導師劉勇攀教授。劉教授團隊從2014年開始AI芯片的研究工作，遵循“非規則化稀疏-規則化稀疏-稀疏量化協同”的技術路線，在2016年發布了Sticker系列的第一個研究成果。2018年又相繼研發了Sticker-I、Sticker-T等芯片，在芯片推理的能效上實現了巨大突破。
雷鋒網了解到，到2018年他們已經連續迭代了7款芯片，并且每次都完成了流片測試和驗證。
作為AI芯片的研究者，武通達顯然更加深切地感受到了AI以及AI芯片的熱潮。既然有了Sticker系列芯片，并且芯片不斷取得突破，2017年又遇上了邊緣端AI芯片的落地熱潮，武通達開始思考如何把研究成果與實際的應用相結合。
他想到了AI芯片與工業的結合，作為黑龍江大慶人，武通達了解到我國傳統油田的生產流程在很長的一段時間內存在設備管理困難、過于依賴人工、無法進行預測性維護等難題，這些問題不但導致企業運轉效率低下，也使得運轉成本異常高昂，大量國有資產被浪費。
有意思的是，生長于石油城遼寧盤錦的清華大學博士后的馬君與武通達有著驚人相似的經歷。馬君有著7年的算法研發經驗和4年的工業實踐經驗，曾任阿里巴巴達摩院決策智能實驗室算法專家、中國石油地球物理公司數據科學家。
最終，2018年武通達、馬君和劉勇攀以及一眾清華大學電子系志同道合的戰友，成立了湃方科技，目標是用AI技術推動我國工業智能化升級。雖然在資本寒冬成立，湃方受資本寒冬的影響并不是很大，因為那時候芯片在國內的熱度不降反升，同時，政策也在推動工業互聯網的發展。
成立僅兩個月，湃方就完成了天使輪融資，由百度風投領投，經緯中國、策源創投，華控基石跟投，不過湃方并未透露具體的融資金額以及下一輪的融資計劃。
核心競爭力——Sticker系列AI芯片
AI芯片的創業想要獲得資本的認可，技術獨特性非常重要。前面已經提到了湃方的AI芯片技術路線，從這個技術路線，也就能容易理解Sticker系列芯片的優勢?！傲炕且粋€早期的神經網絡芯片優化技術，后來我們發現其實神經網絡有很高的稀疏性，這意味著很多計算的可以約減，這樣可以提高性能并降低功耗。但我們最早采用的是非規則稀疏的技術，這種方法可以識別網絡中不同零的位置，然后進行加速?！蔽渫ㄟ_解釋。
“這種方法雖然提高了性能，但硬件復雜度比較高。我們繼續對這個算法進行分析，發現可以犧牲一部分不那么規則的稀疏，實現結構化稀疏的同時不降低計算精度，這樣就可以大大減少硬件的復雜程度。”
經過不斷地深入研究和迭代，2018年Sticker-I神經網絡加速器芯片發布，用統一的芯片架構高效支持了不同稀疏度的神經網絡運算。Sticker-I通過動態配置人工智能芯片的運算和存儲電路，實現了對不同稀疏度神經網絡的自適應處理，大幅提升了人工智能加速芯片的能量效率，也是首款全面支持不同稀疏程度網絡，且同時支持片上網絡參數微調的神經網絡加速芯片。
如何理解？用圖像處理來做一個容易理解的解釋，神經網絡的第一層輸入的圖像，包含大量的信息，沒有辦法進行剪枝，為了保證性能不下降，就需要用稠密的方式計算網絡，在稀疏的網絡層，再采用稀疏的方式計算網絡。這其中的突破在于，Sticker-I能夠根據輸入情況靈活的配置芯片，靈活調整計算方法以及用高效的接口設計去適應這種調整，這也正是湃方的核心技術。
武通達介紹，Sticker-I芯片在65nm工藝下，取得62.1TOPS/W的峰值核心操作計算能效，并發表在2018年國際超大規模集成電路峰會(Symposia of VLSI Technology and Circuits)。
Sticker-I之后，研究團隊針對具有規則化稀疏特點的神經網絡，利用算法-架構-電路的聯合優化，提出了基于變換域的通用神經網絡計算芯片Sticker-T。Sticker-T提出了一種全部并行局部串行的高效FFT處理器架構，這種方法有點類似傳統的FFT，將時域變到頻域，經過一次變換域后，計算的復雜度和存儲的復雜度下降了，但需要考慮如何讓變換域計算架構更適合深度學習的神經網絡，所以還需要進行更精細的設計。
當然，團隊還提出了一種二維行列可交換的數據復用計算陣列架構，這種架構能夠增加數據計算并行度以及數據動態位寬的支持。另外，在做變換域計算的時候，輸入和輸出的行列并不統一，正常應該有一個矩陣轉制的操作，團隊研發了一種基于6T SRAM的行列可交換的存儲器，可以極大降低轉置操作的資源和時間開銷。
經過聯合優化，Sticker-T 相比于之前的Sticker芯片在能效和面積兩個方面都有著顯著的提升，該芯片的峰值能效 140.3TOPS/W 為之前工作的 2.7 倍，而 7.5mm^2 的面積僅為前者的 60%。此外，Sticker-T 的通用架構可以同時高效支持包括 CNN，RNN 和 FC 在內的主流網絡結構，滿足了不同應用場景的需求。
還值得一提的是，Sticker-T的研究工作入選了年初在美國舊金山舉辦的ISSCC 2019，這也是中國大陸首篇發表的人工智能芯片ISSCC論文。Sticker系列人工智能芯片基于算法-架構-電路的聯合創新，受到了學術界和產業界的廣泛關注。
如何一年創造數千萬銷售業績？
瞄準萬億級市場規模的工業互聯網
湃方成立之后，基于Sticker打造了兩款芯片產品，一款是面向工業終端應用的AI芯片Tritium 103，另一款是工業視覺邊緣計算平臺Reactor。Tritium 103在今年7月份已經流片，面向低功耗嵌入式視覺應用，采用臺積電65nm工藝，平均功耗不到40mW，平均能效達3.7 TOPS/W，支持卷積神經網絡、全連接網絡等主流模型，可支持設備振噪分析、人臉識別、設備檢測、目標識別、介質泄漏等常用一維或二維信號處理方法，支持與Arm Cortex M系列以及A系列MCU。
邊緣計算平臺Reactor可對常見工業視覺需求進行處理，在實際應用中，Reactor可以作為數據的匯集點進行數據融合，也可以支持工廠中基于攝像頭的泄漏檢測、入侵檢測等圖像處理場景。
雖然武通達一直在強調湃方不以片面追求AI芯片、算法等技術的高指標為目的，但Tritium 103相比英特爾Movidius芯片，功耗較之減少約80%，同時芯片能效提升3-4倍。
在芯片具備優勢的前提下，找到合適的落地場景非常關鍵。據了解，湃方創始團隊自2017年就開始前期籌備工作，用了一年余的時間調研客戶的市場信息、實際痛點。武通達透露，他們也探索過汽車的胎壓監測、3D結構光識別、無人機視覺智能儀表等，但最終主要做的還是旋轉設備的數據采集、預測性維護和節能增效業務。
這主要有兩方面的原因，一方面，創始團隊的兩位成員對包括石油在內的傳統工業有很深的理解，特別是馬君還有豐富的工業實踐經驗。經過探索，湃方發現傳統工業制造與運營企業面臨著三個層面的痛點：
設備運維成本高、依賴人工，效率低下；
設備廠站各類數據形成數據孤島，無法進行數據的整合分析和預測性維護；
工廠生產過程可控性差，依賴人工干預，計劃排程不合理。
另一方面，工業互聯網今年來熱度很高，特別是在國內，工業互聯網平臺的數量已經有400多家，這是一個非常巨大的市場。
至于為什么選擇工業互聯網的設備運維？武通達表示，運維市場是萬億級的市場，我們羅列了9-10個行業，去估算設備運維費用，大概就有7-8萬億的水平。其中，旋轉機械是工業中的動力核心，包括泵、電機、壓縮機等設備每年消耗全國超過23%的電量。以泵為例，2018年全國新增1.15億臺，這個數量與國內智能手機一年的銷量相當。雖然泵的價格從幾百到幾十萬不等，但值得監測的泵機大部分處于無人監管的狀態。因此，旋轉機械的智能化管理成為了一個龐大的待開拓市場。
全棧式解決方案降低落地門檻
既然市場已經選定，接下來需要思考的就是如何滿足市場的需求。在AI還不成熟的當下，全棧式的端到端解決方案能夠最大程度降低用戶的使用門檻。武通達表示，在市場上如果只做硬件或者只做軟件，都會面臨局限性，因為中間的接口目前還沒有一套標準來實現理想的軟硬融合。因此，湃方提供的是全棧式的方案，而這其中又貫穿了融合。
“這種融合首先是芯片和算法的融合，讓一個無線無源的電池供電傳感器就可以做邊緣計算。再上一層就是端和邊緣的融合，我們部署了算法管理平臺。因為我們看到算法對數據提出了需求，數據對硬件提出了需求。如果只做其中的一部分，就意味著得不到另外一部分的輸入，也就不知道對面要什么，不可能把這個東西做得足夠的好。所以湃方最關鍵一條主線，最核心的芯片、傳感器、算法和軟件都是自己做。”
他還進一步表示，要提供全棧的解決方案，每一個技術模塊的打磨都很難，但最核心的是技術模塊之間的融合，我們在這一年中解決的最核心的問題也是模塊之間的融合。雖然我們是初創公司，提供全棧的解決方案需要在軟件、硬件和算法都進行投入，但因為我們所有核心模塊都是在內部打磨，而且知道客戶的需求，有明確的目標的情況下，整個系統也更容易做到最優。
武通達還透露，滿足客戶需求是我們的第一要務，我們會把80%的資源放在用戶上，20%的資源放在核心技術以及未來3-5年主流技術的研發，我認為這樣的分配可以讓公司有一個健康的發展。
最終，湃方提供的全棧式解決方案包含湃方星核、湃方星象、湃方星塵、湃方星云。也就是通過湃方星塵的采集設備采集振動、溫度、磁場強度、流量、壓力、電參數等數據，采集的數據可以基于湃方星核做本地計算，把狀態檢測出來，如果有異常，再將信息發送到云上，這樣可以大大節省硬件部署的成本，幫助設備運營方實現更好地和智能化運維。
值得強調的是，湃方的芯片工具鏈產品Axon也在全棧式解決方案中扮演了非常關鍵的角色，Axon是將基于主流框架的算法重新訓練一遍，這樣能夠在幾乎不降低神經網絡算法精度的前提下，讓算法能夠應用到Sticker芯片上，發揮出最高的能效比。與此同時，當湃方星塵部署之后，湃方星象自動學習AI算法平臺能夠根據設備所處的環境，通過4-5天的自動學習就能夠完成算法部署，不僅周期短，這種標準化的方法也具備非常強的遷移能力。
湃方的全棧解決方案既可以用在前裝市場，也能應用于后裝市場。比如湃方科技為國內某傳統泵機廠商提供的以AI芯片為核心技術的LIMS全生命周期智能管理系統，使客戶將產品的制造，銷售信息數據化、設備運行智慧化，達到快速，有效的產品供應，產品監控，產品維護，甚至利用平臺的反饋數據，指導新產品的研發。在后裝市場，中石油某場站長期被高昂的設備管理成本困擾，湃方科技為其精心打造的設備智能管理系統，最終讓客戶的設備管理成本比之前減少了近30%。
湃方的全棧解決方案在推出之后就迅速獲和華為云、英偉達、兆易創新、樹根互聯、東方國信、海爾COMOSPlat以及中國移動oneNET等行業前沿工業互聯網、集成電路企業達成戰略合作意向。武通達透露，湃方作為一家從創立之初就追求落地的公司，今年的營收額已經做到了數千萬的水平。
未來幾年，湃方的營收仍將會以工業互聯網為主。
武通達表示，我們現在所處的市場已經很大，這一市場的公司都還處于小范圍重疊，大范圍有自己的賽道的狀態。未來，我們會做向跨品類（泵機、電機、通風機、鼓風機、壓縮機），跨行業（工業，石油、石化、冶金、鋼鐵、煤化工、電力、水利）的方向拓展。
雷鋒網小結
湃方作為一家成立才一年的初創公司，已經獲得了數千萬的銷售業績。這個成績首先是得益于清華創始團隊多年在芯片領域的研究成果，這也是湃方的核心技術。Sticker芯片作為核心為神經網絡算法提供算力支撐，但因為AI技術還處于初級階段，無論是硬件還是軟件都不夠成熟，特別是Sticker芯片又有其獨特性，在這種情況下，想要實現芯片的落地，解決用戶的痛點，全棧式的解決方案是一個最優解，湃方也是這么做的。
湃方取得的成績也很好地說明，除了安防和自動駕駛市場，工業也是AI芯片落地非常好的方向。也就是說，只要能夠解決用戶的痛點，打動用戶，AI芯片就能夠落地，當然這其中技術也起到了關鍵作用。隨著工業互聯網和AI的落地，湃方還有非常廣闊的市場空間。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
