緣起深圳安博會

2017年11月1日，深圳安博會的現場，雖然展會進行到了最后一天還是人頭攢動。AI毫無疑問引爆了整個安博會。早就聽說深鑒科技的大名，在空閑時間趕緊按照我事先列好的AI企業名單來到了深鑒科技的展位，他們的商務經理Fleda Liu很熱情的招待了我們，耐心仔細的解釋促使我寫一篇文章，我向她表明我自媒體的身份，打算寫一篇關于深鑒科技的文章，我要信守我的承諾，就有了這一篇文章。

一個好漢三個幫

詳究深鑒科技的發展歷程，就是一個好漢三個幫的故事。

好漢姚頌1992年出生，深鑒科技創始人兼CEO。大概是長沙人，因為姚頌第一次見諸報端，2008年就讀長沙市一中的他被保送清華大學。

媒體報道高中時期的姚頌還是有幾分靦腆，笑起來圓圓的臉龐上還有兩個酒窩。據姚頌自己說“從小學二年級開始到初三都是學的數學奧賽。進入高一時，他非常喜歡物理，同時也仰慕學校的金牌物理教練黃洪才，聽說他帶三屆學生拿了4塊金牌，于是臨時決定轉攻物理奧賽。”而他不負眾望獲得全國中學生物理競賽二等獎，含金量極高的全國聯賽一二等獎都可保送清華、北大。除了物理，姚頌還是多才多藝的，吉他、繪畫、籃球都是他的最愛。

得知保送后，姚頌開始自學C語言編程，也堅持學習英語。

2011年進入清華大學后，姚頌就讀電子系，在大一的時候就天賦初現。2012年年初進入汪玉博士的實驗室，從三維集成電路設計、硬件安全等CAD方面的研究開始，后轉而鉆研計算機體系結構。2014年7月前往斯坦福大學電子系進行2個月的LLVM編譯器開發實習。2014年9月以后在微軟亞洲研究院實習（上篇文章報道印奇也是在這里實習），方向是設計與開發應用于必應搜索引擎專用加速處理器的專用編譯器，正是在此奠定了姚頌的創業基礎和方向：深度學習硬件。大學期間他還擔任電子系科協主席，舉辦過一系列科創賽事，因此大三時就被同學稱為“姚老板”（現在是名副其實，這是后話），主要成就是獲得ACM學生科研競賽金牌、“星火計劃”第八期成員。

2015年畢業之際，姚頌獲得卡內基梅隆大學的博士Offer（當然還有高額學術獎金），雖然父母反對他還是放棄了這個機會，創業和深造之間他選擇創業。

2015年的清華學子想必很躁動，做出一番事業深入人心，姚頌也不例外。將最前沿的深度學習理論應用到產品中，他們看到了其中的商業價值和歷史機遇，姚頌的導師早在2013年就布局以機器智能為核心的硬件加速研究，大洋彼岸另一位深度學習的專家也在尋找創業機會。清華大學對技術和產業的孵化作用，就好比斯坦福和麻省理工。這類學校的技術可以孵化出來很多現在著名的科技企業，那清華可不可以？這是他們的目標。

2015年7月，姚頌畢業之際，隨著實驗室算法做的越來越好，合作的項目也在不斷增加的情況下，技術的商業落地情況卻始終不能讓姚頌滿意，姚頌判斷是時候成立一家公司來解決這個問題了。“2015年11月28日，我們幾個聯合創始人一拍即合，準備創業。第二天我就拉著姚頌開始寫BP，清華很支持創新創業，人工智能又需要有基礎的硬件平臺，當時我們的技術可演示，就覺得天時地利人和。”另外一個創始人事后回憶，市面上也流傳玩笑說：清華這撥人上了清華以后，畢業找個好工作，培養一個娃，再上清華，就這樣做輪回。姚班之后，這種情況大大改觀。姚頌是清華大學“星火計劃”八期成員，學校允許大三、大四的學生申請，這樣深鑒科技就在清華“創+”孵化項目的支持下開始創業，用他自己的話說，是“比較特殊的一期”。

2016年3月，姚頌與來自清華和斯坦福的學者們聯合創立深鑒科技，目前專注于利用深度學習提高運算效率，為AI提供落地處理器平臺和SDK。但創業都沒有一帆風順的，據姚頌回憶“在創業前融資那段是特別黑暗的時期，但同時也是對他整個人提升最大的時期。”公司成立之后，面臨諸多挑戰，姚頌身兼CEO、CTO、CFO和COO多個角色但不能間顧，想必是手忙腳亂、溝通不暢。當然對于一名剛剛畢業的學生而言，自然有個自我學習的過程，初始團隊能夠隨著企業業務的壯大同步成長，是所有偉大企業的共同特征。

好在這是一只聰明大腦組成的隊伍，雖然團隊年輕卻充滿活力和學習能力。創始初期深鑒擁有8名員工，3位創始人、2位有工作經驗的工程師、3個姚頌的同學，然而這8個人并沒有全部堅持下來，中途有人離隊，初創AI企業大多數面臨了更大的困境，團隊要能夠抵住壓力、不斷學習，還要將技術盡快轉換成產品落地，而時間卻是以天為單位進行計算的，人工智能的發展速度實在是太快了。

最初深鑒的產品定位是無人機，很明顯大疆是市場的絕對領導者，而且數量級也在百萬臺，留給深鑒科技的機會并不多。后來決定專注于深度學習處理器領域，深度學習處理器一定要經過模型壓縮、模型定點化、編譯三大步驟，并且一定要擁有針對神經網絡的專用結構。發現問題之后的團隊決定攻克難關，經過努力，另一位創始人也成功研發了一種名為“深度壓縮”的技術，它不僅可以將神經網絡壓縮數十倍而不影響準確度，還可以使用“片上存儲”來存儲深度學習算法模型，減少內存讀取，大幅度減少功耗，從而奠定了深鑒的技術基礎。經過轉型深鑒科技終于有了清晰的使命“開拓人工智能的應用邊界，開發壓縮、編譯、加速三位一體的自動化流程，實現算法、軟件、硬件協同優化，賦予世界每個節點以智慧。”

聚焦哪些行業深鑒考慮過很多，無人機、安防、自動駕駛、醫療設備、家居物聯網等，最終選擇轉型做安防（當然無人機的積累并沒有放棄）。基于無人機技術的積累，著手開發壓縮、編譯、加速三位一體的自動化流程，試圖實現算法、軟件、硬件協同優化，為開發者打造高效的深度學習DPU平臺（Deep Learning Processing Unit，深度學習處理單元）。姚頌的團隊在適應AI熱浪的過程中也是花了大力氣的，不僅從事算法層面的研究、還關注技術在硬件層面的應用，高度聚焦算法壓法，這讓深鑒明顯有別與市面上的AI初創企業，獨樹一幟。

2018年起始之時，深鑒科技已經擁有六款產品：深度學習開發SDK DNNDK、人臉檢測識別模組（前端）、人臉分析解決方案（后端）、視頻結構化解決方案（人/車分析）、深鑒ARISTOTLE架構平臺、語音識別加速方案。而DNNDK要對標英偉達的TensorRT，DNNDK提供了一套完整全流程軟件工具鏈，涵蓋了神經網絡推理（Inference）階段從模型壓縮、異構編程、編譯到部署運行的全流程支持。降低了深度學習算法工程師和軟件開發工程師DPU平臺深度學習應用開發的門檻和部署難度，縮短算法部署到硬件的周期，加快了AI產品研發過程。當然姚頌還有更大的雄心“建立人工智能的軟件生態環境、活躍的社區才有更本質的發展空間。”

根據媒體報道，在AI芯片大熱的如今，預計深鑒科技自主研發了“聽濤”和“觀海”AI芯片將于2018年面世，留給深鑒的時間并不多，“加速快跑，在巨頭推出落地產品之前，把自己的產品落地并實現商業化。”，目前，深鑒已經和三星在存儲方面達成合作，加速深鑒邁進商業化階段，在金融領域深鑒和螞蟻金服共同開拓市場和應用場景。

最近三年，得益于GPU在深度學習的應用，中國誕生了一大批人工智能企業，包括人臉識別四大獨角獸：曠視、云從、商湯和依圖，而相比前者，深鑒的名氣要小很多。2017年2月，創始人一篇論文《ESE: Efficient Speech Recognition Engine with Sparse LSTM onFPGA》獲得了FPGA大會最佳論文獎，使得深鑒科技被國內外媒體大面積曝光，而深鑒科技的業務也逐漸走向正軌。

2017年入選福布斯中國30位30歲以下精英榜，這一年姚頌25歲。

汪玉老師

企業的成功離不開團隊，好漢姚頌就有三個幫手：汪玉（創始人）、韓松（首席科學家）和單羿（CTO）。

姚頌大一進入汪玉的實驗室，作為姚頌的導師，汪玉博士出生于1982年，畢業于清華大學。正是因為汪玉兩位清華學長韓松和單羿也加入了深鑒科技，四個合伙人對深度學習有不同的細分研究，汪玉負責帶領學生重點研究硬件加速、韓松擅長處理器芯片和壓縮技術、姚頌除了做研究院更多承擔了管理者的智能。

深鑒科技能夠被創立，少不了電子系汪玉博士的功勞。汪玉本是清華大學長聘副教授，本著同在清華姚班的影響，汪玉也大抵希望自己的團隊也能夠走出優秀的創業企業，實現產學研的結合。1996年初中畢業的汪玉就以優異成績考入“全國理科實驗班”，進入了清華大學附屬中學學習，此后就一直未離開清華。清華大學電子工程系是有名的高分、難考，而學霸們都是因為這個原因選擇它，汪玉在電子系讀到博士畢業，并未選擇留美深造，最終選擇留校成為一名助理教授，放棄了一直研究的集成電路設計轉型“硬件加速”，汪玉也有在微軟的實習經歷，具備天然的創業條件，但汪老師最終還是選擇教書育人，教育是更偉大的事業，具備長期效應而不僅僅是金錢的回報。后來汪玉老師創建了實驗室，其中的學生就包括了姚頌，正是在這個時期，他們開始了對深度學習軟件的深入研究。當然最后汪老師經不住姚頌勸說，最終還是走出校門和自己的學生們聯合成立了深鑒科技，當然老師的身份還是保留了。

汪老師的想法顯然更久遠一些“我們希望所有帶攝像頭的地方，或者需要語音交互的地方，都有我們的產品存在。”這是一個巨大的市場，深鑒有別于同行，著力于打造基于DPU的端到端的深度學習硬件解決方案，除了承載在硬件模塊（訂制的PCB板）上的DPU的芯片架構外，還打造了針對該架構的DPU壓縮編譯工具鏈SDK，深鑒科技不會只做“一家賣芯片的公司”。

汪玉在接受媒體采訪時曾說：“創新是一個企業的原動力。然而，在追求創新的過程中，時間成本與市場需求是萬萬不可忽視的關鍵因素，當一項技術的應用離現實太遠、而市場回報又十分的不確定，只一味的追求企業‘自嗨’，那結果便可想而知了。”如今面對客戶，汪老師就變成企業主，更加關于產品的迭代和用戶的需求，而不限于學術研究的某項性能或者參數。汪玉很清楚自己的責任，也很享受當前的狀態。他相信終有一天，深鑒科技可以改變人們的生活，而那時的他也將拿著深鑒科技所帶來的利潤反哺清華。

韓松是深鑒科技聯合創始人

本科畢業于清華大學電子工程系、是斯坦福大學電子工程系博士，獲得ICLR2016最佳論文、FPGA2017最佳論文，一直引領世界深度學習壓縮與硬件加速研究。韓松博士提出的深度學習部署方案，跟傳統的方案相比，可以使得推理更快、能耗更低。該項工作聚焦于使用 LSTM進行語音識別的場景，結合深度壓縮（Deep Compression）、專用編譯器以及 ESE 專用處理器架構，在中端的 FPGA 上即可取得比 Pascal Titan X GPU 高3倍的性能，并將功耗降低3.5倍。這正式韓松厲害的地方，也是深鑒的。

韓松認為創業是一個很自然的過程，在實驗室做的研究成果到了成熟的地步，如果遇到合適的商業機會，一拍即合，一切就水到渠成了。然后就可以去和風投講，風投一般會對校園里研究出來的黑科技很感興趣，相比起門檻低一點的商業模式的創新，更加具有吸引力。

市面上關于CTO單羿的消息很少，這里就不加詳述了。單羿1985年出生，2004年考入清華大學電子工程系，是汪玉老師的第一個博士生，先后任職百度深度學習研究院高級工程師、地平線機器人FPGA技術負責人。

基礎數據分析

深鑒科技成立于2016年3月3日，員工約有70+人（初創企業，人數在不斷增長中），先后融資5000萬+美元，尚未透露收入和利潤信息，專注于安防領域的深度學習，以深度學習芯片名揚天下。

深度學習的大旗

2016年6月在OpenPOWER峰會上，FPGA芯片領頭企業Xilinx介紹了有關深度學習處理器的新方法，而其中有關技術的部分大多來自于深鑒科技。2017年2月，在頂級學術大會FPGA 2017會議上，深鑒科技又成為該屆最佳論文獎的唯一獲得者。姚頌也承認他們很幸運：“不得不說，我們真的很幸運，把剛剛嶄露頭角的‘深度學習’定為研究方向，在AI即將爆發之際創立的深鑒科技，如果早誕生三年，我們可能一直無法突破技術與產品之間那一層薄薄的窗戶紙。同樣，當我們每次取得重大突破的時候，都好像在不斷觸及心里那個‘深度’的極限。”

算法的實現高度依賴于高性能的計算能力，而圖形處理器（GPU）、現場可編程門陣列（FPGA）、專用集成電路（ASIC）扮演著重要的角色。GPU可以平行處理大量瑣碎的信息，代表廠商是Nvidia；而FPGA憑借其可編程專用性、高性能、低功耗的特征，同樣在深度學習應用中展現獨特的優勢，代表廠商為英特爾、賽靈思（Xilinx）。在中國提供基于FPGA解決方案的代表廠商就是深鑒科技。

ICLR（the International Conference on Learning Representations）大會是近年來在深度學習領域影響力飆升的行業會議，旨在討論如何更好的學習有意義、有價值的數據，從而應用于視覺、音頻和自然語言處理等領域。大會聯合主席為深度學習領軍人物Yoshua Bengio和Yann LeCun。在2016 年5月舉辦的ICLR大會上，有兩篇論文獲得了“2016年ICLR最佳論文”獎。一篇來自AlphaGo開發者谷歌DeepMind，另一篇則來自深鑒科技首席科學家韓松，他在論文中解釋了如何利用“深度壓縮”（Deep Compression）技術，將神經網絡壓縮數十倍而不影響準確度，從而降低計算復雜度和存儲空間。可見深鑒科技在深度學習領域的影響力。

深鑒科技的英文名為DeePhi，而“DeePhi”源于“Deep Learning”與“Philosophy”，深鑒相信只有從根源理解和探索深度學習，從底層不斷地創新，才能驅動更多的人工智能技術走向應用，可見深鑒科技的“姚老板”是要扛起深度學習這面大旗的。

技術之路

在探討深鑒科技的技術之路前，先來了解英偉達。人工智能性技術革命甚至可以比肩第三次工業革命，被稱之為第四次工業革命，而人工智能的本質之爭正是芯片之爭，誰能掌握AI芯片領域的主導權，誰就有可能領先世界，這波AI熱潮成績了英偉達。2008年那一年，英偉達內憂外患，大客戶AMD收購了ATI，形成了CPU整合GPU的新Solution，因此AMD和英偉達由合作變為競爭關系，要命的是Intel也終止了和英偉達的合作，兩個大客戶的丟失，擺在英偉達面前的只有高端獨立顯卡一條路，屋漏偏逢連陰雨，高端顯卡因質量問題遭到諸多質疑，股票暴跌、營收大減，由此進入4年的蟄伏期。事情的轉機出現在2012年，英偉達將CPU芯片用于斯坦福大學深度學習項目上，開拓顯卡用于圖像計算以外的用途，終于釋放了GPU芯片的大規模并行計算能力，成為人工智能發展的底層基礎。之后的英偉達勢不可擋，市值2年內暴漲了10倍并很快突破千億美元市值，這都歸功于GPU在AI領域的應用。有人甚至斷言“沒有GPU就沒有英偉達，而沒有英偉達，就沒有現今這一波人工智能浪潮！”。不夸張的說，現今世界上所有涉足人工智能的公司幾乎都在使用英偉達的GPU芯片。

接下來還需要闡述一個基本概念：FPGA（現場可編程門陣列，Field－Programmable Gate Array）。簡而言之，這是一種程序驅動邏輯器件，就像一個微處理器，其控制程序存儲在內存中，加電后，程序自動裝載到芯片執行。FPGA作為專用集成電路領域中的一種半定制電路而出現的，既解決了全定制電路的不足，又克服了原有可編程邏輯器件門電路數有限的缺點。

FPGA的“可編程”指的是可以用戶通過重新配置邏輯資源來不停嘗試，通過編輯不同的配置文件把同一個FPGA進行不同屬性的設置，直到獲得最佳方案，非常靈活。而深度學習作為一門尚在發展中的技術，FPGA的這種靈活、可編程、允許試錯的特性對它來說是非常友好的，這是第一點。除了靈活性外，第二點則是功耗，一塊GPU的功耗多數超過100W，明顯不適用與無人機、攝像機這樣功耗敏感型硬件，而FPGA的功耗可以做到3W、4W。第三點則是延遲問題，雖然GPU的運行速度比FPGA快，但是GPU的高性能來自于它的并行處理能力，訓練時效果很好，但在應用時一次性只能處理一張輸入圖像，優勢不能完全發揮，造成延時。正是這三個特點，不少大公司開始逐漸注意到維護、采購、散熱、內部損耗成本等問題，開始逐漸將FPGA引入自己的系統內，比如亞馬遜和賽靈思合作，推出了基于FPGA的亞馬遜云服務、百度大腦使用了基于FPGA版的AI專有芯片、騰訊云也發布FPGA云服務器等。

FPGA方案也有缺點，那就是開發難度。FPGA需要使用硬件描述語言（Verilog或VHDL）而不是計算機語言，程序員需要在FPGA公司提供的編譯器基礎上進行二次開發，開發難度大、開發周期長等問題，這也是很多公司不愿意使用它的原因。深鑒相當于給這些不愿意直接使用FPGA的廠商提供了一個帶接口的黑盒子，廠商把自己的算法模型訓練好之后，將模型與數據通過接口傳入，由深鑒科技進行壓縮和編譯，生成的指令可以在FPGA上運行，廠商直接得到需要的輸出結果。據此深鑒科技提出了“DPU”這一概念，DPU相當于把壓縮、編譯、執行的整個“黑盒子”過程具象化，最后的落地形態是一塊板卡。

姚頌表示，現在很多公司在做各種各樣的算法，是最快的切入方式，但落地受限于性能、功耗和成本因素。“深鑒科技的產品將以ASIC級別的功耗，來達到優于GPU的性能，可把它稱作DPU，深鑒的產品將會基于FPGA平臺。” 深鑒科技目前的開發板功耗在4瓦左右，能夠做到比一個15至20瓦的GPU性能高出兩倍。“相當于原來是先訓練一個算法，然后再編譯到CPU或GPU上運行，現在你也可以通過我們的編譯器，把訓練好的算法編譯到DPU就可以直接運行了，在同樣的開發周期內，獲得相對于GPU一個數量級的能效提升。”姚頌說。

深鑒科技最早做研究時，這還是一個“冷門”的方向，國內學界也僅有中科院的陳云霽博士在做類似的研究。但時至今日，深度學習專屬芯片已經成為一種逐漸被認可的方向。前百度IDL創始人余凱博士2015年創立了地平線機器人，國內中科院背景的寒武紀科技已經做出深度學習芯片，利用專有硬件實現深度學習及其相關應用，已是大勢所趨。

現有的GPU采用“讀—算—寫 ”這樣的處理流程，只適用于深度學習算法的訓練，在應用層面性能低下且功耗很高。利用專有硬件實現深度學習及其相關應用，則能高性價比解決性能與功耗的問題。2016年1月，深鑒科技就已經設計出一套基于DPU的一整套深度學習硬件解決方案，包括DPU的芯片架構、DPU編譯器、硬件模塊（訂制的PCB板）三部分。直接呈現的產品就是硬件模塊，共有嵌入式端和服務器端兩款。

產品功耗的降低和性能的提升主要依賴于算法上的創新和芯片結構的創新。深鑒首席科學家韓松一直在研究“深度壓縮”技術，可以將神經網絡壓縮數十倍而不影響準確度，可以使用片上存儲來存儲深度學習算法模型，減少內存讀取，從而大幅度減少功耗。這一研究也得到了學界的認可，已經被選為2016年ICLR兩篇最佳論文之一。

在芯片結構上，深鑒重新設計了專門的DPU架構及編譯器。用戶可以正常通過GPU訓練深度學習模型，并直接將模型編譯到DPU指令集，指令直接下載到DPU上，使得深度學習算法的運行效率提高。另外還打造了針對該架構的DPU壓縮編譯工具鏈SDK，而工具鏈里面的軟硬件協同優化則是深鑒科技的一大優勢。

現階段，深鑒科技正在打造云加端的深度學習應用生態，選擇的應用領域都是大體量市場里具有提升空間的重要玩家。其中嵌入式端的產品將主要應用在無人機、安防監控、機器人、AR等領域，服務器端的產品將主要面向大型互聯網公司的語音處理、圖像處理等。

不過，由于DPU是專門針對于深度學習算法設計，其應用范圍只能是深度學習算法，而不像CPU與GPU那樣通用。因此，在一些應用場景中，需要以DPU為核心，輔之以非機器學習或者非深度學習的方式相結合來打造完整系統。

深鑒科技的未來技術之路將更加的崎嶇。繼續加大核心技術的研發和投入，重點加強在安防和數據中心行業的產品打造與市場推廣，為安防領域和行業用戶帶來智能化的變革。另一方面，將深度學習圖像和語音處理上的成果落地到更多的應用場景，為更多行業提供最前沿的、端到端式的人工智能解決方案，這是深鑒目前的選擇。

融資+燒錢

深鑒科技天使輪之前，阿爾法狗還沒有引起人們對人工智能的關注，姚頌團隊專注技術研發，做出的成果更不知道以怎樣的方式讓社會上的人知道。姚頌坦言漫長的大半年內，深鑒科技在外界并沒有太多的名聲，那段時間融資極其不順利。

2016年4月，姚頌先后約見了金沙江創投和高榕資本兩家投資機構。出乎意料的是，一周內便拿到了這兩家的天使輪融資。彼時的金沙江創投已經在人工智能領域盤旋多時，合伙人予彤認為，人工智能初期解決算法能力問題，建立通用的基礎設施非常重要。更重要的原因天使輪最靠譜的就是熟人投資熟人，予彤同樣出身于清華大學電子系，認識汪玉以及韓松，金沙江創投比其它一線基金有更多的機會和維度去深度感知深鑒科技的基礎技術、企業氛圍等。“中國有做這件事的團隊，所以我們直接投了。”其后，2016年5月獲得500萬美元天使輪融資，投資方為金沙江創投和高榕資本。拿到融資后，姚頌安靜下來，開始帶領團隊朝著既定的計劃往前走。前文述及他們選擇了兩條路線：技術線、產品線，直到轉型安防成功之后，路線才定下來。深鑒科技在技術和產品層面的同時推進，很快讓其迎來接下來的兩輪融資，2017年5月數千萬A輪融和2017年10月A+輪約4000萬美元融資。

A 輪融資投資方包括賽靈思（Xilinx）、聯發科（MediaTek）、清華控股、方和資本，原有投資方金沙江創投、高榕資本跟投，具體金額不詳。A+輪融資由螞蟻金服與三星風投領投，招商局創投與華創資本跟投。其中A+輪資方之一華創資本的投資人公元對姚頌印象深刻，“他表現出來的為人處事的成熟、對商業思考的成熟以及對適應事物的反應速度，都遠超同齡人。”金沙江創投的予彤也給了同樣的評價。

值得一提的是，除了資本方和產業合作伙伴捧場，清華大學副校長，以及眾多清華教授也都在融資現場站臺。因為深鑒具有濃厚的“清華DNA”。創始團隊中，姚頌、汪玉，韓松等，均為清華校友。

股東及出資信息

工商信息顯示深鑒股東及出資信息如下表所示。姚頌是大股東，未被稀釋前持股比例24.12%；汪玉是第二大股東，未被稀釋前持股比19.60%；韓松持股10.34%。

產品和解決方案

在了解深鑒科技的產品線和解決方案之前，需要先了解深度學習。深度學習分為訓練（Training）和應用（Inference）兩部分，深鑒科技主要解決應用問題。簡單來說就是企業將自己的深度學習算法模型訓練好之后，由深鑒科技將其壓縮20-50倍并編譯，最終產品以板卡形式呈現。

深鑒科技基于的是FPGA平臺：與擅長訓練的GPU相比，FPGA功耗更小、整體性價比更高，更適合用于應用。但是由于FPGA的開發難度高、周期長，因此很多公司不愿使用。深鑒科技相當于給用戶提供了一個黑盒子，企業只需要提供輸入模型和數據，由深鑒科技提供應用層的FPGA解決方案。

2017年，深鑒科技著眼于智慧城市與智能數據中心兩大市場，通過包括板卡模組、FPGA、編譯器、深度壓縮等在內的完整解決方案，讓用戶輕易地將人工智能能力植入到大大小小的產品中。

2017年，深鑒科技發布了六款產品。分別為視頻結構化解決方案（DP-2100-O16）、人臉分析解決方案（DP-2100-F16）、人臉檢測識別模組（DP-1200-F1）、深鑒Aristotle架構平臺、深鑒深度學習開發SDK（DNNDK，Deep Neural Network Development Kit）以及深鑒語音識別加速方案（DP-S64）。其中前五款均為視頻監控應用及相關解決方案。其中DNNDK是深鑒科技面向AI異構計算平臺DPU（Deep-Learning Processor Unit，深度學習專用處理器）自主研發的國內首款原創深度學習開發SDK。深鑒CEO姚頌表示，DNNDK能極大降低DPU平臺深度學習應用開發門檻和部署難度，并大大縮短算法部署到硬件的周期，提速AI產品研發過程。“DNNDK是國內首個深度學習開發套件，可以對標英偉達TensorRT。”

深鑒的產品和解決方案大體包括以下部分（不限于）：

智能安防：智能IPC-深度學習加速模塊、智能NVR/DVR-深度學習加速模塊、視頻結構化服務器-深度學習加速卡、人臉檢測識別模組DP-1200-F01、硬件架構-亞里士多德ARISTOTLE架構平臺、硬件架構-笛卡爾架構

智能大數據：語音分析-LSTM加速卡、圖像分析-CNN加速卡

智能機器人：嵌入式端圖像處理-深度學習加速模塊

軟件：深度學習開發SDK DNNDK

解決方案：人臉分析解決方案DP-2100-F16、人臉識別平臺、SoC“聽濤”芯片、“雨燕”深度學習處理平臺、DP-S64語音識別加速方案、基于FPGA平臺DPU產品開發板

深鑒戰略

姚頌在一次接受采訪的過程中曾經透露過公司的戰略，著重解決AI中一些產品化的問題。首先是分析方面，研究與分析深度學習算法的計算與存儲上的特征（Pattern）。其次是設計方面，利用這些深度學習算法的特征，設計針對于神經網絡的壓縮方法、設計DPU體系結構、并且設計對應指令集，使得DPU能夠支持各類深度學習算法。第三是應用方面，打通從算法到硬件的全流程，用軟硬件協同設計達到最好效果，并且開發好用的壓縮編譯工具，讓所有人都能夠方便的使用DPU產品。最后是協同優化與迭代，針對實際應用的算法模型，進行DPU體系結構的評估，發現算法中不適合加速部分，再對于算法與體系結構進行優化或調整，使得應用中全系統性能進一步提升。

姚頌還表示：“深鑒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。” 這樣的定位源于他對市場端的深度思考：“如果只是單獨做一個芯片公司，風險非常高。因為周期比較長，資金消耗大，只有從一個單純的芯片走到一個系統，再到一個解決方案，公司的前景才會更廣闊一些。”

目前，深鑒定位為安防、數據中心等行業提供完整的人工智能硬件模組與配套軟件。同時不斷加強在安防領域、數據中心領域上的產品研發和市場銷售。既然定位為平臺提供商，深鑒提供DPU平臺、編譯器與壓縮為一體的開發環境，供第三方在此基礎上搭建自己的算法以及解決方案。

深鑒始終堅持一個觀點認為帶寬一定是一個最核心的問題需要解決。而傳統堆帶寬的方式一定會在造價和將來實際物理帶寬層面遇到一些瓶頸，所以深鑒科技把軟和硬結合在一起來做。先在軟件上做壓縮，然后在硬件上針對壓縮的神經網絡做一個專用體系結構的優化。目前在這條技術路線上的公司還非常之少，但陸續開始有公司注入跟進這個領域。而深鑒進入很早，擁有先發優勢，而AI目前屬于分散的細分市場，市場足夠大使得每個方向的創業者都可能獲得巨大的成功，隨后可能會出現產業整合和合并，那是多年后的事情了。深鑒科技更像一個制作Drive PX2的英偉達，所有的產品都是針對于某個行業的方案，用戶最終看到的是一個板卡，它支持的東西一樣，只是性能和功耗不同，包含一些推理、設計和算法，用戶還可以自行開發。

那么，深鑒未來會不會布局AI手機市場呢？A+輪投資三星領投已經給出了部分答案，作為數量級最大的芯片使用設備，手機似乎正在迎來越來越多的AI應用。姚頌認為，手機里做深度學習的應用肯定會特別特別多。至于如何布局，姚頌表達了自己的看法：“我覺得手機里面提供的計算力是有限的，真正要去做到很精細的對于場景的理解或者分析等等，還是需要更大的計算力。所以很多廠商經常會將一些事情傳到云端，再做更細致的分析，而AI應用方面，以后云和端一定是配合的，不會完全限制在手機里。” 至于深鑒-聽濤芯片有沒有可能布局在手機端，姚頌表示有希望。他說，首發的聽濤芯片功耗大概在1.1W，幾T的數字芯片，這個芯片可以裁剪到適合更低功耗的場景，比如說物聯網芯片的功耗通常是在100毫瓦以下，手機里面是100到500毫瓦，在安防里面我們希望它是1瓦。至于未來深鑒會不會為三星手機打造AI芯片，姚頌并沒有給出答案。

已經在安防領域扛起人工智能深度學習大旗的姚頌，我們期盼深鑒可以走的更遠，拭目以待。

更多的信息，請下載深鑒科技深度分析報告，文后下方附有下載鏈接，pdf格式文件，41頁。https://zhang.xin.fang.blog.163.com/blog/static/390570201814101224831/