記者 | 夕顏
採訪嘉賓 | 馬君，湃方科技聯合創始人&總裁
出品 | CSDN（ID:CSDNnews）
「AI技術生態論」 人物訪談欄目是CSDN發起的百萬人學AI倡議下的重要組成部分。通過對AI生態頂級大咖、創業者、行業KOL的訪談，反映其對於行業的思考、未來趨勢的判斷、技術的實踐，以及成長的經歷。
2020年，CSDN將對1000+人物進行訪談，形成系列，從而勾勒出AI生態最具影響力人物圖譜及AI產業全景圖！
本文為 「AI技術生態論」系列訪談的第四期，通過工業設備智能管理領域“黑馬”湃方科技，洞悉工業物聯網技術和產業生態。
百萬人學AI你也有份！參與文章評論，評論區留言入選，可獲得價值299元的「2020 AI開發者萬人大會」在線直播門票一張。
全球面臨新冠疫情的資本寒冬之時，一家名叫湃方科技的 AI 創業公司再次逆勢完成融資。這次披露的信息是數千萬元 A輪融資，由創新黑馬基金領投，老股東 BV 百度風投和經緯中國均持續加碼。
2018 年9月成立之初的那一年，湃方科技就因“一群清華學霸創業，憑藉一顆 Sticker AI 芯片創造數千萬銷售額”的故事在業內發過聲。到底是一傢什麼樣的公司，可以成立剛一年，就有了千萬級人民幣營收？
藉著這次融資的機會，CSDN 有幸採訪到了湃方科技的聯合創始人&總裁馬君，從一家 AI 創企創始人的視角，回顧了這家不算高調的公司創業史，AI 產品的技術路線，並俯瞰工業物聯網+AI 這片藍海的全景圖。
志同道合，清華學霸們走到一起
這家公司最開始吸引 CSDN 的，是團隊創始人清一色都出身於清華學府。據悉，公司的創始人&首席科學家劉勇攀教授，與聯合創始人&CEO 武通達、聯合創始人&COO李金陽亦師亦友，前者是後者兩位的本科、研究生和博士導師，年輕的武通達和李金陽跟隨當時的清華大學電子工程系電路與系統研究所所長、碩博導師劉勇攀教授，一路成長，發展到現在合夥人的關係。
同樣地，本次採訪嘉賓馬君的博士後生涯在清華計算機系度過。在本科、研究生、以及工作時間裡，馬君基本上專注於計算機科學、芯片、體系結構，以及工業算法、還有電商的推薦系統算法的研究。
馬君的第一份工作是在中國石油地球物理公司。他回憶道，在國內工業界這家公司基本在算法方面走在前沿的一家公司，信息化非常強，比如在分析地震波時，公司已經在用很多人工智能算法了。之後，馬君在阿里巴巴達摩院決策智能實驗室研究推薦系統，具體來說主要以推薦系統算法為主。因此，他在算法領域有著豐富的經驗。
從 2014 年開始，劉勇攀教授帶領的團隊開始做 AI 芯片，並多次成功流片。該團隊在 2018年發佈了首款Sticker 系列芯片。當時正趕上國內AI芯片落地熱潮，雖然資本市場已經嗅到絲絲寒意，但湃方科技還是毅然開始了創業之路。
全棧產品背後的技術路線圖
2019 年，湃方發佈了 新一代的Sticker 系列 AI 芯片，同年 7 月發佈了自主研發並已成功流片的邊緣 AI 芯片“湃方星核”、Auto Learning 工業自動學習平臺“湃方星象”、無線智能傳感器“湃方星塵”系列，以及工業設備管理雲平臺“湃方星雲”。
如今，湃方科技已經成長為一家以邊緣計算 AI 芯片、工業 AI 算法、智能物聯網終端以及設備智能服務 SaaS 平臺為核心的全棧式公司。
圖源：湃方科技產品矩陣
從最底層的湃方星核到設備智能管理服務平臺星雲，湃方有很多技術上的獨特之處。
在芯片架構設計上，湃方遵循“非規則化稀疏-規則化稀疏-稀疏量化協同”的技術路線，比如 Sticker-I 提升了人工智能加速芯片的能量效率，是支持不同稀疏程度網絡，且同時支持片上網絡參數微調的神經網絡加速芯片。Sticker-M實現了最高158TOPS/W的核心能量效率和最高35.8TOPS/W的系統能量效率，是基於存內計算核心的系統級神經網絡芯片。Sticker-T、Sticker-V、Sticker-M研究成果均入選“芯片奧林匹克”國際固態電路設計大會ISSCC。
針對工業動設備管理場景，湃方定製化了 40mW超低功耗的Tritium 103，馬君介紹道，工業場景的芯片多數是單片機，多數時候只做一些相對簡單的算法。但是 Tritium 103 可以在極低的功耗限制下去運行與業務相關的高精度智能算法。在大幅提高節點檢測準確性的同時，還能維持理想的電池壽命。
Auto Learning 工業自動學習平臺“湃方星象”號稱能實現一站式工業智能算法管理，具體實現機制是怎樣的呢？馬君為我們做了簡單介紹。
湃方星象是算法中臺，所有的算法都在這個平臺上迭代發佈。Auto Learning 自動學習框架背後的機制是“一機一模型”，讓一個算法鏡像只運營一個設備，該算法只輸入該設備的數據後不停地做Auto Learning，模型變得越來越匹配該設備。而邊緣端傳感器中的邊緣算法也要進行Auto Learning。定期將重訓練好的邊緣端算法參數發送到硬件，並更新到端側模型。所以，湃方星象的算法管理包含很多含義，如模型的發佈、迭代、優化和下發等。
瞄準工業互聯網領域，湃方看中了什麼？
馬君說道，湃方專注於這個領域的核心初衷，是認為當時 AI 芯片在這個行業有足夠大的市場，加之團隊也積攢了很多該領域的經驗，如選擇泵機、電機作為切入口，是因為他們意識到這是一個亟待智能化轉型的賽道。湃方的第一優先級，就是要有落地的場景，而且要有足夠的量。然後再把 AI 芯片放到場景當中。和所有創業公司一樣，湃方也經歷過艱難的開拓階段。
“初創的時候還是挺不容易的，那會兒基本上創始人都親自出去跑業務。那個時候面向的客戶，成為了今天積累下來的合作伙伴，像中石油、中石化、華為、英偉達、山東雙輪、佳木斯電機等等，”馬君回憶道。
就這樣，湃方在這個領域，做了第一批吃螃蟹的公司。
工業物聯網+AI 技術與產業生態
在底層 AI 算法方面，馬君認為工業圈還是應該向著無監督學習和小樣本遷移學習方向發力，這也是整個 AI 界的大趨勢，有待進一步突破。因為工業現場和電商不一樣，不適合積累帶標籤的數據。
在邊緣計算方面，“玩家應該更多地推動在邊緣 AI 芯片上跑算法。邊緣計算在安全性、響應速度等方面有諸多優勢。雖然賽道已經有英偉達、華為等大玩家進場，但仍有很大市場空間，”馬君分析道。
在底層協議方面，工業物聯網+ AI 時代亟需一個國際通用的邊緣計算協議，但馬君預計實現這一點可能還需要兩年。協議一旦建立，AI 工業發展將會再次加速。
在工業物聯網+AI 這個巨大的領域內，無時無刻不在發生著或微妙或深刻的變化，推動著工業史的輪轂向前轉動。未來，這個領域會發生哪些變化呢？
馬君預測，未來中國工業物聯網+AI 賽道會出現多家估值100 億到 500 億的企業，現在中國沒有，但未來一定會有。
他的第二個判斷，是這個行業會出現一家“立體” AI 公司。
他參照了智能家居和物流行業中的優秀公司塗鴉科技和G7 。塗鴉科技顛覆了智能家居行業後，已經開始做和樓宇相關的智能化解決方案。G7 能夠通過物聯網技術連接人和車隊，然後圍繞人和車隊做智能化，之後又從 AI 做到了 IA (Intelligent Asset），即智能資產。
融資數千萬元，向海外擴張，要跨品類、跨行業
最後，我們將目光從工業物聯網格局中收回來，聚焦到湃方這家 AI 創企未來發展的道路上。
本次 A 輪融資，湃方向外界透露的信息是資金將用於新銷售業務擴張，更高性價比產品研發，商業人才引進和品牌影響力佈局。具體來說，湃方打算怎麼做呢？
馬君透露，新銷售業務擴張方面，主要是建立新的銷售隊伍，引進更高級別的商業人才。之後，湃方的業務板塊繼續專注於前裝製造和後裝業務，並向海外做擴張。
產品研發方面，湃方要將星塵物聯網設備等核心爆款產品的成本做到更低，並提高性能；湃方星象算法平臺，研發下一代算法引擎；湃方星雲SaaS平臺迭代，2.0版本即將上線。
另一方面，在落地場景中，湃方的拓展計劃主要有兩個方向，第一是跨品類，從泵機、電機向壓縮機，汽輪機、通風機、鼓風機上去突破；第二是跨行業，向石油、石化、鋼鐵、冶金、電力、水利、水務、地鐵，甚至智慧城市滲透。
他說道，全棧這件事情，看似容易分散精力，很難全都做好。但是這件事情在他們組隊時，恰恰成為了他們基因的一部分，他們非常善於利用好這個基因。
“一方面，全棧這件事情可以讓商業模式和產品有非常大的優勢，是我們的特點之一。另一方面是協同優化，自己做芯片，還自己做硬件、算法、App 和 Cloud。聯合優化了以後，就會變得很有競爭力，”馬君如此說道。
第一期：字節跳動李航：自學機器學習，研究AI三十載，AI發展或進入平緩期 | AI技術生態論
第二期：新冠全球蔓延，AI+大數據拿什麼拯救全人類？| AI 技術生態論
第三期： 北京郵電大學教授孫松林：AI 人才亟需大規模應用來“消化” | AI 技術生態論
閱讀更多 CSDN 的文章
