深鉴科技的发展，深鉴科技今天被赛灵思收购

深鉴科技的发展，深鉴科技今天被赛灵思收购我们对深鉴科技加入赛灵思大家庭感到非常兴奋。我们期待着他们的加入能进一步增强赛灵思全球领先的工程技术研发力量，加速赛灵思打造灵活应变智能世界的公司愿景。—— 单 羿，深鉴科技 CTO我们非常高兴能够进一步深化深鉴科技与赛灵思的合作，让双方能够更加紧密地联手为中国乃至全球用户提供领先的机器学习解决方案。—— 姚 颂，深鉴科技 CEO作为早期投资者之一，赛灵思一路陪伴深鉴科技共同发掘机器学习的潜力，并见证了我们在这一领域的创新与发展。我们期待通过此次交易，合力将我们的机器学习解决方案提升到一个全新的性能水平。

会议邀请

自适应和智能计算的全球领导企业赛灵思公司（Xilinx Inc.，(NASDAQ:XLNX)）今天宣布已经完成对深鉴科技的收购。深鉴科技是一家总部位于北京的初创企业，拥有业界领先的机器学习能力，专注于神经网络剪枝、深度压缩技术及系统级优化。

赛灵思于2018年7月18日宣布完成对深鉴科技的收购

自 2016 年成立以来，深鉴科技就一直基于赛灵思的技术平台开发机器学习解决方案，两家公司合作密切。经深鉴科技优化的神经网络剪枝技术运行在赛灵思 FPGA 器件上，可以实现突破性的性能和行业最佳的能效。从2017年开始，赛灵思就已经与全球其它知名投资机构一起成为了深鉴科技的主要投资者。

我们非常高兴能够进一步深化深鉴科技与赛灵思的合作，让双方能够更加紧密地联手为中国乃至全球用户提供领先的机器学习解决方案。

—— 姚 颂，深鉴科技 CEO

作为早期投资者之一，赛灵思一路陪伴深鉴科技共同发掘机器学习的潜力，并见证了我们在这一领域的创新与发展。我们期待通过此次交易，合力将我们的机器学习解决方案提升到一个全新的性能水平。

—— 单 羿，深鉴科技 CTO

我们对深鉴科技加入赛灵思大家庭感到非常兴奋。我们期待着他们的加入能进一步增强赛灵思全球领先的工程技术研发力量，加速赛灵思打造灵活应变智能世界的公司愿景。

人才和创新是实现赛灵思公司发展的核心。未来，赛灵思将继续加大对深鉴科技的投入，不断推进公司从云到端应用领域部署机器学习加速的共同目标。

—— Salil Raje，赛灵思软件业务执行副总裁

收购之后的深鉴科技将继续在其北京办公室运营，成为拥有 200 余名员工的赛灵思大中华区大家庭的一部分。另此次交易的具体财务条款未对外披露。

关于深鉴科技

深鉴科技成立于2016年，是一家专注于深度学习处理器研发与推广的公司。以深度学习处理器DPU为核心，其主要业务有如下两个方面：为深度学习提供端到端的解决方案——基于神经网络深度压缩技术和DPU平台；基于神经网络与FPGA，应用于安防与数据中心——嵌入式端与云端的推理平台。

2016年4月，深鉴获得了高榕资本、金沙江创投的天使轮融资。2017年5月，获得了赛灵思、联发科、清华控股、方和资本领投的数千万美元A轮融资。2017年10月，完成了由蚂蚁金服与三星风投领投的约4000万美元A 轮融资。

深鉴科技 CEO (首席执行官)姚颂表示：“我们非常高兴能够进一步深化深鉴科技与赛灵思的合作，让双方能够更加紧密地联手为中国乃至全球用户提供领先的机器学习解决方案。

深鉴科技 CTO (首席技术官)单羿表示：“作为早期投资者之一，赛灵思一路陪伴深鉴科技共同发掘机器学习的潜力，并见证了我们在这一领域的创新与发展。我们期待通过此次交易，合力将我们的机器学习解决方案提升到一个全新的性能水平。”

摩尔定律失效，芯片发展何去何从？

两年拿到三轮融资，成为芯片初创企业中的第一梯队，深鉴在一众起跑的芯片企业中已经占领了先机，而它的创始人姚颂则是一位年轻的创业者。在清华读本科时，姚颂结识了AI专家汪玉博士，后来又与韩松与单羿两位清华学长结缘。2016年，毕业不到一年的姚颂果断放弃出国读博，与老师还有两位学长一起创立了深鉴科技。

“我是一个比较有激情比较有闯劲，享受有挑战的生活的人，我觉得这样的生活好像不那么适合我。”因此，姚颂想要冲破那层透明的天花板，给自己更多地可能性。

与亟待冲破自己内心天花板的姚颂一样，当时的芯片行业也正面临着自己的天花板。

芯片行业一直在基于摩尔定律发展，1956年，戈登·摩尔提出：当价格不变时，集成电路上可容纳的元器件的数目，约每隔18-24个月便会增加一倍，性能也将提升一倍。换言之，随着集成电路上可容纳的晶体管的不断变小，芯片的性能便会成倍提高，同时成本不断下降。

但目前制造CPU的晶体管已经小到10纳米级别，继续做小越来越难。

因而，姚颂认为，在通用芯片的发展上，摩尔定律已经无以为继，想要获取更高性能，更低功耗，只能做得越来越专用。越来越专用，就要牵扯到跟算法跟应用场景，要了解应用和场景。此时，很多的事情就是算法软件给定的。

而深度学习的兴起正好为芯片的打开了这样一扇窗。深度学习，通过深度神经网络，模拟人脑的机制来学习、判断、决策。在深度学习处理器的运行当中，计算系统的运算能力提升是决定深度学习处理效率的关键。

“我们一直做的是一个深度学习处理器，是有指令集的处理器，而不是将某几个算法写死到一颗芯片上，或者在 FPGA 上。虽然GPU平台并行度很高，在算法训练上非常高效，但在应用时，一次性只能处理一张输入图像，并行度的优势并无用武之地。而DPU产品可以实现相对于GPU有1个数量级的能效提升。我觉得这肯定是一个非常大的趋势，未来一定是系统决定芯片。”

FPGA解决芯片业的难点，加速量产

而在深度学习中，深鉴为何选择FPGA架构呢？

众所周知，研制一个处理器级别的芯片，核心架构至少也要3-4年，而要量产的话，还要再经过一年半到两年，这对创业公司来说，是一场漫长的消耗战。并且，芯片的一次性研发投入很高。一个 28 纳米的芯片，纯技术性的研发投入可能就高达400 多万美金。尽管人工智能这个赛道十分吸金，但初创企业依然承受不起这个成本。并且研制芯片，还需要面临全行业都遇到的挑战：如何去定义芯片？如较为成熟的芯片 X86 的 CPU，蓝牙芯片、wifi 芯片的芯片功能和协议已经固定了下来，只需要再做芯片优化就可以了。但要重新打造芯片，就要重新进行定义。

而FPGA 能解决这几个问题。1984年，赛灵思发明了现场可编程门阵列FPGA，FPGA作为半定制化的ASIC（专用集成电路），顺应了计算机需求更专业的趋势，成为神经网络算法中的主流芯片。对于初创公司而言，FPGA 芯片已经有赛灵思的研发在前，芯片研发已经结束，不必经历一年半到两年的量产周期，把研发的新品结构融入进 FPGA 后就可以直接生产产品，上市时间可能仅需三个月。

另外，较为成熟的芯片可以按需购买，不用一开始就投入 400 多万美金，所以，也没有一次性投入太高的问题。并且FPGA 是可重构的，上一代架构写的程序，还能在新一代架构上运行，能很好的解决定义芯片的问题。

但是，FPGA 还存在两个痛点：在量大的情况下，成本高，量需要达到几十万片，才能实现了盈利；另外，在 FPGA 上实现处理器芯片， 必须考虑它可以不断擦写、可以运行各种各样的芯片的通用性的问题。

关注安防，做深度学习解决方案提供商

虽然在技术上有足够多的考虑，但研发和商用上的逻辑其实并不相同。姚颂对这一点深有体会。“做技术的人通常有一种对于技术的自傲，会有一种技术的清高，或者说这是一种自己的天赋。这其实给了我们非常多的教训。”

因而，在重新审视行业之后，深鉴选择安防和数据中心这两个赛道，并将提供安防解决方案作为主攻方向。姚颂表示：“深鉴科技是一个深度学习解决方案的提供商，而非一家只是卖芯片的公司。”这样的定位源于他对市场端的深度思考，单独只做一个芯片公司，周期比较长、资金消耗大，风险很高。而从单纯的芯片涉及到一个系统，再到可以运行一个整体的解决方案，公司的前景就会更广阔。

因此，深鉴科技更像一个制作Drive PX2的英伟达，所有的产品都是针对于某个行业的方案，用户最终看到的产品是一个板卡，它包含一些推理、设计和算法，可以提供支持，但性能和功耗不同，用户还可以自行开发。目前，深鉴切入AI 安防行业的方式包括前端嵌入式摄像头和安防的后处理，提供的安防芯片模组上内嵌了人脸识别、视频结构化等参考算法。

2017年10月，深鉴科技在宣布4000万美元A 轮融资的同时，推出了8款AI新品，其中包括2款自研AI芯片“听涛”与“观海”，今年第三季度上市，现在已经在量产当中。今年3月，深鉴科技宣布在亚马逊AWS正式上线基于深鉴Descartes稀疏神经网络处理架构的自动语音识别引擎DDESE上，开始面向全球用户提供加速试用服务。6年，致力于成为国际先进的深度学习加速方案提供者。我们提供基于原创的神经网络深度压缩技术和DPU平台，为深度学习提供端到端的解决方案。通过神经网络与FPGA的协同优化，深鉴提供的嵌入式端与云端的推理平台更加高效、便捷、经济，现已应用于安防与数据中心等领域。

点击阅读报名参加AI芯片研讨会