智东西（公众号：zhidxcom）

　　文 | Lina

　　人工智能热潮的兴起已然是不争的事实，就在你读文章的此时此刻，为期三天的ICLR国际学习表征会议刚刚落下帷幕。这场由全球两位深度学习巨头举办的学术研讨会在近年来声名鹊起，一跃已经成为人工智能领域的重要会议之一，谷歌、百度、Facebook、英伟达等各大公司争相加码赞助。（6位大牛21场演讲，一文看尽最牛深度学习大会ICLR！）

　　而在这份赞助厂商名单上，一个中国创企尤为引人注目——深鉴科技。这是一家非常年轻的公司，履历却惊人地亮眼，公司内部聚集了无数清华、斯坦福的技术大牛，在各种学术研讨会上拿奖拿到手软。而且成立刚满一年，不仅拿到了500万美元的天使轮，还在今年年初敲定了数千万美元的A轮融资，估值超过10亿人民币。

　　那么它是做什么的呢？既然赞助ICLR大会，那么自然与深度学习有关。

　　深度学习分为训练（Training）和应用（Inference）两部分，深鉴科技主要解决应用问题。简单来说就是企业将自己的深度学习算法模型训练好之后，由深鉴科技将其压缩20-50倍并编译，最终产品以板卡形式呈现。

　　深鉴科技基于的是FPGA平台：与擅长训练的GPU相比，FPGA功耗更小、整体性价比更高，更适合用于应用。但是由于FPGA的开发难度高、周期长，因此很多公司不愿使用。深鉴科技相当于给用户提供了一个黑盒子，企业只需要提供输入模型和数据，由深鉴科技提供应用层的FPGA解决方案。

　　智东西从很早之前就开始关注深鉴科技了。今年2月，深鉴科技首席科学家韩松的“深度压缩”论文获得了FPGA芯片领域顶级会议FPGA 2017的最佳论文奖；而更早之前，在去年的ICLR国际学习表征会议上，最佳论文奖也被深鉴科技斩获。同年的另一篇最佳论文奖获得者大家一定非常熟悉，那就是AlphaGo开发者——谷歌DeepMind。

　　巧合的是，深鉴科技与智东西同在人工智能创业胜地——五道口，而且公司离得特别近，也算是缘分。今天，智东西来到了公司内部，与创始人兼CEO姚颂仔细地聊了聊。

一、“姚老板”与他的师兄弟们（还有师父）

　　姚颂给人的第一感觉——很年轻，也很瘦。带着眼镜，穿着长袖的蓝白细格子衫，人非常nice、很健谈、也很好说话。

　　但。是。

　　请不要误以为眼前只是某位面相清秀的普通理工科男生，这可是一个实打实的学术大牛。从小一路直升，高三直接保送进清华，进入电子系后大一就进了实验室（理工科的同学大概可以理解这有多么厉害），本科阶段不仅在斯坦佛访问、微软亚洲研究院实习、开发项目、发表论文、差不多就是把别人本硕博的事情一起做完了……此外，姚颂还担任过电子系科协主席，主办过电设等一系列科创赛事——也正是因为主席的位置十分类似公司的CEO，因此姚颂在大三时就有了个外号：“姚老板”。

　　而深鉴科技的另外几位联合创始人与合伙人则更是卧虎藏龙。

（左到右：单羿，汪玉，姚颂，韩松）

　　汪玉——也就是姚颂口中提到的“汪老师”，姚颂在大一时进的就是汪老师实验室——清华电子系98级毕业生，现任清华大学电子工程系副教授、党委副书记。从2006年开始研究FPGA，现在是ACM FPGA技术委员会亚太地区的唯一成员。

　　CTO单羿，清华电子系博士，04级本科，曾在地平线机器人担任FPGA技术负责人、在百度深度学习研究院担任高级工程师。

　　首席科学家韩松，清华电子系08级本科，斯坦佛博士在读。韩松也就是我们上文提到的最佳论文奖获得者，其研发的“深度压缩（Deep Compression）”的技术，它不仅可以将神经网络压缩数十倍而不影响准确度，还可以使用“片上存储”来存储深度学习算法模型，减少内存读取，大幅度减少功耗。

　　“我是里面年纪最小的一个，11级的。”“姚老板”说完这话，低头笑了笑。

　　现在深鉴科技整个团队有70人，其中将近一半都是清华出身，而且放眼望去……..几乎全部都是男生。这家在2016年3月3日正式成立的公司，在刚成立一个月就拿到了金沙江创投与高榕资本的500万美元天使轮融资，今年年初更是敲定了数千万美元的A轮融资，投资方包括了FPGA的开山鼻祖——赛灵思（Xilinx）。

二、从GPU到FPGA，风起云涌的深度学习

　　人工智能的火热已然有目共睹，从如雨后春笋般增长融资的各类AI创企、国内外无数巨头高调进军加码、再到“人工智能”被写入我国政府工作报告等诸多新闻中皆可见一斑。其实人工智能的概念早已有之，为什么近年如此火热呢？

　　姚颂认为，深度学习和以往的人工智能不一样，不仅已经能够在某些领域超过了人类，而且原来人脸识别、微表情、医疗、SLAM等都有专家，每个领域的专家不能复用，但现在深度学习的AI框架可以把所有领域都囊括进去，对于硬件加速很友好，应用范围很广。

　　然而说起深度学习，大家最联想到的还是GPU——五六年前，跑机器学习算法主要用的还是CPU，CPU通用性好，硬件框架已经很成熟，非常友好。然而，随着机器学习及深度学习的运算量越来越大，CPU已经不能满足人们的需求，人们进而把眼光转向了GPU。

转载请注明出处。