查看原文
其他

清华学霸组团的工业AIoT创企再获数千万融资:玩家应推动在边缘 AI 芯片上跑算法

The following article is from CSDN Author 夕颜


记者 | 夕颜

采访嘉宾 | 马君,湃方科技联合创始人&总裁

来源 | CSDN(ID:CSDNnews) 

「AI技术生态论」 人物访谈栏目是CSDN发起的百万人学AI倡议下的重要组成部分。通过对AI生态顶级大咖、创业者、行业KOL的访谈,反映其对于行业的思考、未来趋势的判断、技术的实践,以及成长的经历。 


2020年,CSDN将对1000+人物进行访谈,形成系列,从而勾勒出AI生态最具影响力人物图谱及AI产业全景图! 

本文为 「AI技术生态论」系列访谈的第四期,通过工业设备智能管理领域“黑马”湃方科技,洞悉工业物联网技术和产业生态。 

百万人学AI你也有份!参与文章评论,评论区留言入选,可获得价值299元的「2020 AI开发者万人大会」在线直播门票一张。

全球面临新冠疫情的资本寒冬之时,一家名叫湃方科技的 AI 创业公司再次逆势完成融资。这次披露的信息是数千万元 A轮融资,由创新黑马基金领投,老股东 BV 百度风投和经纬中国均持续加码。
 
2018 年9月成立之初的那一年,湃方科技就因“一群清华学霸创业,凭借一颗 Sticker AI 芯片创造数千万销售额”的故事在业内发过声。到底是一家什么样的公司,可以成立刚一年,就有了千万级人民币营收?
 
借着这次融资的机会,CSDN 有幸采访到了湃方科技的联合创始人&总裁马君,从一家 AI 创企创始人的视角,回顾了这家不算高调的公司创业史,AI 产品的技术路线,并俯瞰工业物联网+AI 这片蓝海的全景图。


志同道合,清华学霸们走到一起

这家公司最开始吸引 CSDN 的,是团队创始人清一色都出身于清华学府。据悉,公司的创始人&首席科学家刘勇攀教授,与联合创始人&CEO 武通达、联合创始人&COO李金阳亦师亦友,前者是后者两位的本科、研究生和博士导师,年轻的武通达和李金阳跟随当时的清华大学电子工程系电路与系统研究所所长、硕博导师刘勇攀教授,一路成长,发展到现在合伙人的关系。


同样地,本次采访嘉宾马君的博士后生涯在清华计算机系度过。在本科、研究生、以及工作时间里,马君基本上专注于计算机科学、芯片、体系结构,以及工业算法、还有电商的推荐系统算法的研究。


马君的第一份工作是在中国石油地球物理公司。他回忆道,在国内工业界这家公司基本在算法方面走在前沿的一家公司,信息化非常强,比如在分析地震波时,公司已经在用很多人工智能算法了。之后,马君在阿里巴巴达摩院决策智能实验室研究推荐系统,具体来说主要以推荐系统算法为主。因此,他在算法领域有着丰富的经验。


从 2014 年开始,刘勇攀教授带领的团队开始做 AI 芯片,并多次成功流片。该团队在 2018年发布了首款Sticker 系列芯片。当时正赶上国内AI芯片落地热潮,虽然资本市场已经嗅到丝丝寒意,但湃方科技还是毅然开始了创业之路。

 

全栈产品背后的技术路线图

2019 年,湃方发布了 新一代的Sticker 系列 AI 芯片,同年 7 月发布了自主研发并已成功流片的边缘 AI 芯片“湃方星核”、Auto Learning 工业自动学习平台“湃方星象”、无线智能传感器“湃方星尘”系列,以及工业设备管理云平台“湃方星云”。


如今,湃方科技已经成长为一家以边缘计算 AI 芯片、工业 AI 算法、智能物联网终端以及设备智能服务 SaaS 平台为核心的全栈式公司。
        
图源:湃方科技产品矩阵


从最底层的湃方星核到设备智能管理服务平台星云,湃方有很多技术上的独特之处。


在芯片架构设计上,湃方遵循“非规则化稀疏-规则化稀疏-稀疏量化协同”的技术路线,比如 Sticker-I 提升了人工智能加速芯片的能量效率,是支持不同稀疏程度网络,且同时支持片上网络参数微调的神经网络加速芯片。Sticker-M实现了最高158TOPS/W的核心能量效率和最高35.8TOPS/W的系统能量效率,是基于存内计算核心的系统级神经网络芯片。Sticker-T、Sticker-V、Sticker-M研究成果均入选“芯片奥林匹克”国际固态电路设计大会ISSCC。


针对工业动设备管理场景,湃方定制化了 40mW超低功耗的Tritium 103,马君介绍道,工业场景的芯片多数是单片机,多数时候只做一些相对简单的算法。但是 Tritium 103 可以在极低的功耗限制下去运行与业务相关的高精度智能算法。在大幅提高节点检测准确性的同时,还能维持理想的电池寿命。


Auto Learning 工业自动学习平台“湃方星象”号称能实现一站式工业智能算法管理,具体实现机制是怎样的呢?马君为我们做了简单介绍。


湃方星象是算法中台,所有的算法都在这个平台上迭代发布。Auto Learning 自动学习框架背后的机制是“一机一模型”让一个算法镜像只运营一个设备,该算法只输入该设备的数据后不停地做Auto Learning,模型变得越来越匹配该设备。而边缘端传感器中的边缘算法也要进行Auto Learning。定期将重训练好的边缘端算法参数发送到硬件,并更新到端侧模型。所以,湃方星象的算法管理包含很多含义,如模型的发布、迭代、优化和下发等。


瞄准工业互联网领域,湃方看中了什么?

马君说道,湃方专注于这个领域的核心初衷,是认为当时 AI 芯片在这个行业有足够大的市场,加之团队也积攒了很多该领域的经验,如选择泵机、电机作为切入口,是因为他们意识到这是一个亟待智能化转型的赛道。湃方的第一优先级,就是要有落地的场景,而且要有足够的量。然后再把 AI 芯片放到场景当中。和所有创业公司一样,湃方也经历过艰难的开拓阶段。


“初创的时候还是挺不容易的,那会儿基本上创始人都亲自出去跑业务。那个时候面向的客户,成为了今天积累下来的合作伙伴,像中石油、中石化、华为、英伟达、山东双轮、佳木斯电机等等,”马君回忆道。


就这样,湃方在这个领域,做了第一批吃螃蟹的公司。

工业物联网+AI 技术与产业生态

在底层 AI 算法方面,马君认为工业圈还是应该向着无监督学习和小样本迁移学习方向发力,这也是整个 AI 界的大趋势,有待进一步突破。因为工业现场和电商不一样,不适合积累带标签的数据。


在边缘计算方面,“玩家应该更多地推动在边缘 AI 芯片上跑算法。边缘计算在安全性、响应速度等方面有诸多优势。虽然赛道已经有英伟达、华为等大玩家进场,但仍有很大市场空间,”马君分析道。


在底层协议方面,工业物联网+ AI 时代亟需一个国际通用的边缘计算协议,但马君预计实现这一点可能还需要两年。协议一旦建立,AI 工业发展将会再次加速。

在工业物联网+AI 这个巨大的领域内,无时无刻不在发生着或微妙或深刻的变化,推动着工业史的轮毂向前转动。未来,这个领域会发生哪些变化呢?

马君预测,未来中国工业物联网+AI 赛道会出现多家估值100 亿到 500 亿的企业,现在中国没有,但未来一定会有。


他的第二个判断,是这个行业会出现一家“立体” AI 公司。


他参照了智能家居和物流行业中的优秀公司涂鸦科技和G7 。涂鸦科技颠覆了智能家居行业后,已经开始做和楼宇相关的智能化解决方案。G7 能够通过物联网技术连接人和车队,然后围绕人和车队做智能化,之后又从 AI 做到了 IA (Intelligent Asset),即智能资产。


融资数千万元,向海外扩张,要跨品类、跨行业

最后,我们将目光从工业物联网格局中收回来,聚焦到湃方这家 AI 创企未来发展的道路上。


本次 A 轮融资,湃方向外界透露的信息是资金将用于新销售业务扩张,更高性价比产品研发,商业人才引进和品牌影响力布局。具体来说,湃方打算怎么做呢?


马君透露,新销售业务扩张方面,主要是建立新的销售队伍,引进更高级别的商业人才。之后,湃方的业务板块继续专注于前装制造和后装业务,并向海外做扩张。


产品研发方面,湃方要将星尘物联网设备等核心爆款产品的成本做到更低,并提高性能;湃方星象算法平台,研发下一代算法引擎;湃方星云SaaS平台迭代,2.0版本即将上线。


另一方面,在落地场景中,湃方的拓展计划主要有两个方向,第一是跨品类,从泵机、电机向压缩机,汽轮机、通风机、鼓风机上去突破;第二是跨行业,向石油、石化、钢铁、冶金、电力、水利、水务、地铁,甚至智慧城市渗透。


他说道,全栈这件事情,看似容易分散精力,很难全都做好。但是这件事情在他们组队时,恰恰成为了他们基因的一部分,他们非常善于利用好这个基因。

“一方面,全栈这件事情可以让商业模式和产品有非常大的优势,是我们的特点之一。另一方面是协同优化,自己做芯片,还自己做硬件、算法、App 和 Cloud。联合优化了以后,就会变得很有竞争力,”马君如此说道。
 
往期回顾:
【end】



精彩推荐


推荐阅读

    你点的每个“在看”,我都认真当成了AI

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存