自適應和智能計算的全球領導企業賽靈思公司（Xilinx, Inc.，(NASDAQ:XLNX)）今天宣佈已經完成對深鑑科技的收購。深鑑科技是一家總部位於北京的初創企業，擁有業界領先的機器學習能力，專注於神經網絡剪枝、深度壓縮技術及系統級優化。
賽靈思於2018年7月18日宣佈完成對深鑑科技的收購
自 2016 年成立以來，深鑑科技就一直基於賽靈思的技術平臺開發機器學習解決方案，兩家公司合作密切。經深鑑科技優化的神經網絡剪枝技術運行在賽靈思 FPGA 器件上，可以實現突破性的性能和行業最佳的能效。從2017年開始，賽靈思就已經與全球其它知名投資機構一起成為了深鑑科技的主要投資者。
我們非常高興能夠進一步深化深鑑科技與賽靈思的合作，讓雙方能夠更加緊密地聯手為中國乃至全球用戶提供領先的機器學習解決方案。
—— 姚 頌，深鑑科技 CEO
作為早期投資者之一，賽靈思一路陪伴深鑑科技共同發掘機器學習的潛力，並見證了我們在這一領域的創新與發展。我們期待通過此次交易，合力將我們的機器學習解決方案提升到一個全新的性能水平。
—— 單 羿，深鑑科技 CTO
我們對深鑑科技加入賽靈思大家庭感到非常興奮。我們期待著他們的加入能進一步增強賽靈思全球領先的工程技術研發力量，加速賽靈思打造靈活應變智能世界的公司願景。
人才和創新是實現賽靈思公司發展的核心。未來，賽靈思將繼續加大對深鑑科技的投入，不斷推進公司從雲到端應用領域部署機器學習加速的共同目標。
—— Salil Raje，賽靈思軟件業務執行副總裁
收購之後的深鑑科技將繼續在其北京辦公室運營，成為擁有 200 餘名員工的賽靈思大中華區大家庭的一部分。另此次交易的具體財務條款未對外披露。
關於深鑑科技
深鑑科技成立於2016年，是一家專注於深度學習處理器研發與推廣的公司。以深度學習處理器DPU為核心，其主要業務有如下兩個方面：為深度學習提供端到端的解決方案——基於神經網絡深度壓縮技術和DPU平臺；基於神經網絡與FPGA，應用於安防與數據中心——嵌入式端與雲端的推理平臺。
2016年4月，深鑑獲得了高榕資本、金沙江創投的天使輪融資。2017年5月，獲得了賽靈思、聯發科、清華控股、方和資本領投的數千萬美元A輪融資。2017年10月，完成了由螞蟻金服與三星風投領投的約4000萬美元A+輪融資。
深鑑科技 CEO (首席執行官)姚頌表示：“我們非常高興能夠進一步深化深鑑科技與賽靈思的合作，讓雙方能夠更加緊密地聯手為中國乃至全球用戶提供領先的機器學習解決方案。
深鑑科技 CTO (首席技術官)單羿表示：“作為早期投資者之一，賽靈思一路陪伴深鑑科技共同發掘機器學習的潛力，並見證了我們在這一領域的創新與發展。我們期待通過此次交易，合力將我們的機器學習解決方案提升到一個全新的性能水平。”
摩爾定律失效，芯片發展何去何從？
兩年拿到三輪融資，成為芯片初創企業中的第一梯隊，深鑑在一眾起跑的芯片企業中已經佔領了先機，而它的創始人姚頌則是一位年輕的創業者。在清華讀本科時，姚頌結識了AI專家汪玉博士，後來又與韓松與單羿兩位清華學長結緣。2016年，畢業不到一年的姚頌果斷放棄出國讀博，與老師還有兩位學長一起創立了深鑑科技。
“我是一個比較有激情比較有闖勁，享受有挑戰的生活的人，我覺得這樣的生活好像不那麼適合我。”因此，姚頌想要衝破那層透明的天花板，給自己更多地可能性。
與亟待衝破自己內心天花板的姚頌一樣，當時的芯片行業也正面臨著自己的天花板。
芯片行業一直在基於摩爾定律發展，1956年，戈登·摩爾提出：當價格不變時，集成電路上可容納的元器件的數目，約每隔18-24個月便會增加一倍，性能也將提升一倍。換言之，隨著集成電路上可容納的晶體管的不斷變小，芯片的性能便會成倍提高，同時成本不斷下降。
但目前製造CPU的晶體管已經小到10納米級別，繼續做小越來越難。
因而，姚頌認為，在通用芯片的發展上，摩爾定律已經無以為繼，想要獲取更高性能，更低功耗，只能做得越來越專用。越來越專用，就要牽扯到跟算法跟應用場景，要了解應用和場景。此時，很多的事情就是算法軟件給定的。
而深度學習的興起正好為芯片的打開了這樣一扇窗。深度學習，通過深度神經網絡，模擬人腦的機制來學習、判斷、決策。在深度學習處理器的運行當中，計算系統的運算能力提升是決定深度學習處理效率的關鍵。
“我們一直做的是一個深度學習處理器，是有指令集的處理器，而不是將某幾個算法寫死到一顆芯片上，或者在 FPGA 上。雖然GPU平臺並行度很高，在算法訓練上非常高效，但在應用時，一次性只能處理一張輸入圖像，並行度的優勢並無用武之地。而DPU產品可以實現相對於GPU有1個數量級的能效提升。我覺得這肯定是一個非常大的趨勢，未來一定是系統決定芯片。”
FPGA解決芯片業的難點，加速量產
而在深度學習中，深鑑為何選擇FPGA架構呢？
眾所周知，研製一個處理器級別的芯片，核心架構至少也要3-4年，而要量產的話，還要再經過一年半到兩年，這對創業公司來說，是一場漫長的消耗戰。並且，芯片的一次性研發投入很高。一個 28 納米的芯片，純技術性的研發投入可能就高達400 多萬美金。儘管人工智能這個賽道十分吸金，但初創企業依然承受不起這個成本。並且研製芯片，還需要面臨全行業都遇到的挑戰：如何去定義芯片？如較為成熟的芯片 X86 的 CPU，藍牙芯片、wifi 芯片的芯片功能和協議已經固定了下來，只需要再做芯片優化就可以了。但要重新打造芯片，就要重新進行定義。
而FPGA 能解決這幾個問題。1984年，賽靈思發明了現場可編程門陣列FPGA，FPGA作為半定製化的ASIC（專用集成電路），順應了計算機需求更專業的趨勢，成為神經網絡算法中的主流芯片。對於初創公司而言，FPGA 芯片已經有賽靈思的研發在前，芯片研發已經結束，不必經歷一年半到兩年的量產週期，把研發的新品結構融入進 FPGA 後就可以直接生產產品，上市時間可能僅需三個月。
另外，較為成熟的芯片可以按需購買，不用一開始就投入 400 多萬美金，所以，也沒有一次性投入太高的問題。並且FPGA 是可重構的，上一代架構寫的程序，還能在新一代架構上運行，能很好的解決定義芯片的問題。
但是，FPGA 還存在兩個痛點：在量大的情況下，成本高，量需要達到幾十萬片，才能實現了盈利；另外，在 FPGA 上實現處理器芯片， 必須考慮它可以不斷擦寫、可以運行各種各樣的芯片的通用性的問題。
關注安防，做深度學習解決方案提供商
雖然在技術上有足夠多的考慮，但研發和商用上的邏輯其實並不相同。姚頌對這一點深有體會。“做技術的人通常有一種對於技術的自傲，會有一種技術的清高，或者說這是一種自己的天賦。這其實給了我們非常多的教訓。”
因而，在重新審視行業之後，深鑑選擇安防和數據中心這兩個賽道，並將提供安防解決方案作為主攻方向。姚頌表示：“深鑑科技是一個深度學習解決方案的提供商，而非一家只是賣芯片的公司。”這樣的定位源於他對市場端的深度思考，單獨只做一個芯片公司，週期比較長、資金消耗大，風險很高。而從單純的芯片涉及到一個系統，再到可以運行一個整體的解決方案，公司的前景就會更廣闊。
因此，深鑑科技更像一個製作Drive PX2的英偉達，所有的產品都是針對於某個行業的方案，用戶最終看到的產品是一個板卡，它包含一些推理、設計和算法，可以提供支持，但性能和功耗不同，用戶還可以自行開發。目前，深鑑切入AI+安防行業的方式包括前端嵌入式攝像頭和安防的後處理，提供的安防芯片模組上內嵌了人臉識別、視頻結構化等參考算法。
2017年10月，深鑑科技在宣佈4000萬美元A+輪融資的同時，推出了8款AI新品，其中包括2款自研AI芯片“聽濤”與“觀海”，今年第三季度上市，現在已經在量產當中。今年3月，深鑑科技宣佈在亞馬遜AWS正式上線基於深鑑Descartes稀疏神經網絡處理架構的自動語音識別引擎DDESE上，開始面向全球用戶提供加速試用服務。6年，致力於成為國際先進的深度學習加速方案提供者。我們提供基於原創的神經網絡深度壓縮技術和DPU平臺，為深度學習提供端到端的解決方案。通過神經網絡與FPGA的協同優化，深鑑提供的嵌入式端與雲端的推理平臺更加高效、便捷、經濟，現已應用於安防與數據中心等領域。
閱讀更多 EETOP 的文章
