嘉楠科技:在边缘侧AI的蓝海中探寻「芯」生

“在端侧,AI芯片市场还处于完全的蓝海状态,需要有人在汪洋大海一样的场景中捕捉机会。”

7月26日,在以“AI唤醒生活智能”为主题的沙龙中,嘉楠科技董事长兼CEO张楠赓如此表示。他认为,作为一家芯片企业,嘉楠科技面临AI产业新机遇,在坚持核心技术自研的同时,树立新的服务理念,以底层芯片和硬件,数据中台,以及上层业务系统解决方案为上升路径,打造持续服务能力。未来,嘉楠科技将把握新趋势,从边缘走向云端,协同合作伙伴建立生态,最终实现用AI改善人类生活的愿景。

芯片的夏天:边缘侧AI是蓝海

当前,芯片的话题热度足以用“夏天”形容。张楠赓表示,AI芯片正迎来“最好的时代,同时也面临着最坏的时代”。好的一面是政策扶持,资金的大量涌入,足够宽阔的市场空间,坏的一面则是行业标准缺失,人才缺乏,以及市场和生态的不成熟。

2016年,AI开始进入大众视野。彼时嘉楠科技就已成为国内前十能够实现量产16nm芯片的公司,并已着手AI芯片的研发。张楠赓表示,“AI芯片在很大程度上冲击了传统计算架构,它对数据流的处理与区块链芯片有很多共同点,这对我们而言是一个非常大的机遇。”

张楠赓认为,在算法设计趋向一致的情况下,芯片之争的焦点主要在于算力。当端侧的应用场景逐渐固定,算法和体系结构会达到相对稳定的阶段,最后比的就是更低的能耗和更高的计算效率,这正是嘉楠科技的优势所在。

边缘侧AI芯片:技术+场景缺一不可

以边缘侧AI为起点,嘉楠科技在2018年发布了一代芯片勘智K210,可在仅0.3W的功耗下提供1TOPS的算力支撑。

张楠赓现场总结了该芯片的三个特点。在架构上,芯片采用RISC-V作为指令集架构,相比Arm具备更好的可定制性。在功能上,该芯片视听兼具,可完成进行人脸检测和

,以及实时获取被检测目标的种类。芯片自带APU语音处理单元,无需占用CPU就能够实现声源定向、语音唤醒和识别等功能。

最关键的是,该芯片采用完全自研的神经网络处理器KPU。张楠赓明确表示,“自主研发能为我们带来长期优势。”在他看来,芯片的设计中,技术与场景缺一不可。他表示,“传统芯片和用户的应用关系不大,但是AI芯片需要从场景出发做芯片的反向设计。”

张楠赓以实际研发过程中的一个例子做阐述,“比如人脸识别现在1:1和1:N都没有太大问题,1:1就是开锁,1:N就是门禁,但是现在N:N比较差,N:N就是对大场景对所有人进行搜索,比如每秒扫描多少张。这就需要我们考虑达到怎样的性能才能满足客户需求。”

简言之,AI芯片的场景并非“人脸识别”式的泛泛而谈和标签化理解,而是根据具体业务需求来设计芯片,使其做到性能上的最优适配。

目前,作为一款单芯片解决方案,勘智K210已经实现在智能门锁、无感门禁、智能电表、智慧酒店和病虫害防治等场景下的交付使用。其中,由嘉楠科技研发的无感门禁系统已部署至软通智慧总部大楼,实现日均每监控点2000次的识别数量。

不做单一售卖:嘉楠着力建设可持续服务能力

AI的突破为芯片产业带来了新的场景。例如新零售领域,嘉楠科技的思路是不以回传原始数据作为卖点。张楠赓解释,“比如做新零售时需要架一个摄像头在门店,那个摄像头后面就是我们的芯片了,它返回视频的原始数据,而是结构化的数据,这是特别大的不同。”

随着产品在各个场景的交付使用,张楠赓逐渐意识到传统芯片的软肋。传统芯片行业普遍采用单一售卖模式,产品缺乏用户黏性。他表示,嘉楠科技不做单一芯片售卖,而是遵循互联网的商业模式,快速迭代产品,根据客户需求提供可持续性的服务。

目前,嘉楠科技正以芯片为基础,将硬件模组,算法,ODM和OEM产品交付给客户。同时,在中间层,嘉楠科技着力数据中台建设,对边缘侧的数据统一加工为结构化数据,为上层业务系统提供通用化的平台。

未来:从端向云关键在于生态

对嘉楠科技而言,从边缘侧市场切入,未来的场景会越来越丰富。在端云结合的趋势下,当边缘侧应用生态逐渐丰满,其发展路径也会从端走向云。

“云端的主要问题在于生态。”张楠赓认为,芯片是嘉楠科技的出发点,再往上涉及到SaaS、PaaS服务时就需要与云厂商及更多伙伴合作。 

从边缘侧AI芯片入手,到数据中台,再到上层与云厂商、伙伴共建生态。嘉楠科技的发展路径已然清晰。“芯片能够把智能计算能力带到每个人的身边,它其实是通过给大家提供计算的方法去提升效率,改善用户的体验。”张楠赓这样界定嘉楠科技,“我们是一个用AI改善人类生活的公司,这是我们的根本愿景。”

产业AI 基础设施自然语言处理计算机视觉智能芯片语音处理神经网络人脸识别AI芯片嘉楠科技
相关数据
区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

语音处理技术

语音处理(Speech processing),又称语音信号处理、人声处理,其目的是希望做出想要的信号,进一步做语音辨识,应用到手机界面甚至一般生活中,使人与电脑能进行沟通。

推荐文章
暂无评论
暂无评论~