【导语】疫情之下，数字基础设施价值凸显，国家加速“新基建”部署。这既是当务之急，也是长远支撑。在此风口之下，不少企业试图抓住这一波红利加速发展。为此，亿邦动力将持续发掘“新基建”几大领域内的代表性企业及项目，为大家呈现相关系列报道。
【亿邦动力讯】“新基建”同传统基建之间更多的是互补关系，通过新技术将这些实体经济信息进行采集、传输、分析，从而降低实体经济的运维成本，提升运行效率，这是许多科技公司看到的机会。
在工业产线上，缺陷检测和定位是品质控制的重要步骤。传统采取人工目检的方式效率低、易漏检、劳动强度大，而传统机器视觉检测的方法虚警率较高。在此场景中，AI技术就能够大显身手。
鲲云科技创始人兼CEO牛昕宇向亿邦动力表示，基于深度学习的AI技术，鲲云提供工业级AI加速卡，配合自动化产线高运行速度和生产效率要求，实现部件表面缺陷实时检测和定位，为产线检测提供更低的漏警率、更低的虚警率、更高的检测速度，减少产线作业人员数量。
对许多行业都可以起到辅助升级作用的人工智能，目前还处在刚刚起步的阶段。人工智能具体的应用场景有哪些？技术都面临着哪些挑战？中国的人工智能企业可以如何借力“新基建”加速发展？
带着这些问题，亿邦动力与牛昕宇进行了一场对话，希望可以为行业提供参考。
【人工智能芯片挑战】
亿邦动力：人工智能做为新基建的关键技术，面临着哪些挑战？您如何看待整个产业链的未来发展前景？
牛昕宇：人工智能是“新基建”七大版块中的重要组成部分，而算力，尤其是核心的AI芯片，更是人工智能产业发展的基础设施。在人工智能行业中，有三个核心的驱动力：算法、算力和数据，人工智能芯片作为人工智能应用的底层硬件，为人工智能落地提供算力支撑。
随着人工智能的发展，越来越多的人工智能应用在自动驾驶、智慧城市、工业视觉、智慧安防等领域落地，AI算法能力提升，对算力也提出了更高要求。随着摩尔定律的放缓，如何为人工智能应用提供更高的算力，并且在各种场景需求驱动下加速人工智能芯片落地，是整个行业需要解决的问题。
近几年国内外各家AI厂商都在推出自己的专用人工智能芯片，高性能、低功耗、高芯片利用率已逐渐成为行业共识。鲲云通过架构创新实现了同等峰值算力情况下实测算力的大幅提升，满足客户日益增长的算力需求。鲲云的AI芯片CAISA架构，不同于市面上的AI芯片多是基于指令集架构设计，采用非冯诺依曼的数据流技术设计，其数据流转方式保证了计算资源满载利用，支持多数深度学习算法网络，可以实现高达98%的芯片利用率。
在真实的应用场景中，除了硬件所提供的高算力支持，软件生态也是至关重要的。简单易用的开发工具可以大幅降低用户的使用门槛。为了解决开发过程中的实际痛点，我们也在去年推出了自主研发的端到端编译工具链，简化了算法开发到芯片级产品的部署流程。
亿邦动力： “新基建”的推进对中国人工智能企业的发展带来了哪些机遇？行业应该如何把握住这一波政策红利？
牛昕宇：对人工智能领域而言，算力、算法、数据三要素中，算力成本由研发驱动不断降低，而数据和算法由场景驱动不断丰富。国内发展人工智能技术，一方面要紧抓底层技术提升核心竞争力，另一方面要不断与场景结合，与实体经济融合创造价值。对AI行业，尤其是提供底层算力的AI芯片企业来说，为不断出现的新人工智能场景更快更好地提供满足落地需求的软硬件技术支持，是AI芯片企业在快速发展的“新基建”浪潮中的制胜法宝。
以智能制造中的产线生产为例，产线速度及其工业视觉系统的图像智能分析要求越来越高，虽然传统商业级显卡在工业领域已经有一定范围的应用，但其性能特点并不完全匹配工业落地需求。鲲云针对工业领域提供了基于自研数据流架构的工业级AI推断计算加速卡，实现毫秒（ms）级的AI实时处理能力，集成于AOI设备等边缘侧设备，良好适配工业领域机器视觉的AI算力需求，形成人工智能计算在边缘侧和服务器的升级。
【应用场景】
亿邦动力：鲲云科技AI芯片有哪些真实的应用场景？
牛昕宇：基于自研的通用AI底层架构，鲲云为多种应用场景下的图像处理和视频结构化分析提供AI计算加速，支持包括工业、安监、交通、电力、航空航天等多个领域的规模落地。除了为中国客机C919试飞提供高速实时数据分析和异常状态检测外，鲲云的星空加速卡还广泛应用在智能制造、智能电力和智慧城市等领域。
以制造业为例，我们跟制造业某龙头在AOI（自动光学检测）设备的智能化升级上展开合作，实现缺陷检测与分类、缺陷面积计算、OCR（光学字符识别），提升了检测效率，降低产线作业人员成本，完成了产线设备的智能化改造升级。
亿邦动力：开发AI芯片的过程中有哪些痛点？鲲云是如何解决的？去年推出的端到端编译工具链具体是如何操作的？
牛昕宇：AI芯片作为驱动人工智能发展的算力、算法、数据三驾马车中最为核心的基础设施，其研发是一条充满挑战且漫长的道路。一方面，人工智能算法的发展日新月异，对算力提出了更高的要求，场景需求驱动对高性能的专用AI芯片的需求；另一方面，随着摩尔定律的放缓，通过不断堆高芯片的尺寸和工艺来提高芯片的峰值算力的成本越来越高，芯片利用率的提升面临瓶颈，这对指令集技术路线的发展提出了挑战，市场也越来越注重芯片的架构创新来提升芯片的实际性能。
目前的芯片底层技术多少采用指令集架构的模式，鲲云则采取了不同于传统冯诺依曼架构的数据流技术路线，通过自主研发的定制数据流架构突破了芯片架构效率瓶颈问题。现在的星空加速卡系列已经实现了76%-98%的架构效率，为客户带来更高的实测算力。鲲云的架构没有取指令和指令搬运等带来的时间开销，可以让CNN网络模型在架构内以流水化的运算方式进行不间断处理，数据搬运和数据计算同时进行，大大减少了对指令的依赖并消除空闲计算单元，芯片的计算资源得到充分发挥，算力性价比领先市场。
除此之外，鲲云的AI芯片在高性能和高算力性价比之外还具有简单易用的特性，这离不开专为CAISA研发的RainBuilder编译工具链。RainBuilder可以快速将算法模型有效映射到芯片平台，为用户提供从算法模型到芯片级算法的快速部署。RainBuilder主要包含编译器和运行时两部分，兼容主流的深度学习开发框架，其中编译器负责将训练好的模型转化为数据流运算图，而运行时提供用户开发算法的直接接口。
目前很多领域的AI落地应用还处于早期，像我们在关注的智能制造、智慧城市等领域的一些细分场景还缺乏成熟的算法和落地能力，我们会基于自己的技术优势提供模组式的落地方案，客户可以通过RainBuilder简单方便的实现二次开发和快速部署。
【规划&愿景】
亿邦动力：鲲云有哪些具体的“新基建”发展规划和愿景？目前已经有哪些举措？准备投入哪些资源到“新基建”的项目中去？
牛昕宇：作为一家国内领先的AI芯片创新企业，鲲云专注于高性能人工智能加速，一直以来都基于自主研发的核心技术不断在推进架构、编译器和加速卡产品的升级迭代，我们在去年发布了世界首款基于数据流技术的通用AI底层CAISA芯片架构，应用于我们的星空和雨人加速卡，在智慧城市、工业检测、电力安防等领域实现了规模落地。
随着“新基建”的进一步发展，这些领域将出现更多的落地场景和需求，我们除与客户不断发掘需求、迭代产品外，还同intel、浪潮、Dell等建立了战略合作关系，与山东产业技术研究院共同成立山东产研鲲云人工智能研究院，共同推动高性能AI计算加速产业的落地和发展。
亿邦动力：鲲云科技在2020年的规划与目标是什么？
牛昕宇：在产品和技术方面，鲲云自成立来已完成三代架构迭代及加速卡产品升级，在去年也推出了全球首款可商用的数据流AI计算架构CAISA以及对应的AI计算加速卡，今年也将发布新一代产品，为市场提供更具算力性价比的AI芯片产品。鲲云在去年与浪潮、戴尔、intel、山东产研院等达成战略合作，今年也会进一步推进与行业合作伙伴在工业制造、安防、交通等领域的产品规模化落地。
亿邦动力：面对激烈的竞争，鲲云科技的差异化优势在哪里？为什么？
牛昕宇：在“后摩尔定律”时代，影响芯片性能的制程工艺发展日趋成熟，基于指令集路线的架构效率面临提升瓶颈，数据流技术的优势将更加凸显。
鲲云在数据流技术领域已深耕三十余年，形成深厚的技术积累，是行业内首家发布数据流架构的AI芯片公司，基于数据流架构提供高芯片利用率，进而实现高算力性价比。对于同样的芯片峰值算力来说，更高的芯片利用率意味着更高的实测算力，这是客户真正关心的，代表着单位价格能购买的算力更多。让算力增值，是鲲云产品的核心价值所在。
