LeapMind完成1000万美元B轮融资被英特尔看中的深度学习加速芯片商

IT资讯

1233
文章

274
评论

2018-07-0400:08:10

评论3,468 1301字

摘要

LeapMind完成1000万美元B轮融资被英特尔看中的深度学习加速芯片商，LeapMind完成英特尔资本领投的1000万美元B轮融资LeapMind专注于深度学习加速FPGA芯片开发新资金将被用于开发配套软件JUIZ DoT和拓展合作伙伴。

LeapMind完成英特尔资本领投的1000万美元B轮融资LeapMind专注于深度学习加速FPGA芯片开发新资金将被用于开发配套软件JUIZ DoT和拓展合作伙伴10月20日，日本深度学习芯片设计初创企业LeapMind完成英特尔资本领投，日本电信电话数据等7位投资方参与的1000万美元B轮融资。近年机器学习技术引发人工智能界广泛关注，特别其中的深度学习，进入到游戏竞赛、智能工厂、数字营销等诸多领域，在可见的将来，各行业对其的应用还将进一步深化，然而深度学习严重依赖算力的弊端也已显现，以围棋人工智能的初代版本AlphaGo Fan为例，仅和一人对弈就用了1202块CPU及176块GPU。并非每家公司都负担得起大型计算资源，LeapMind创始人Soichi Matsud于2015年12月创立这家公司前，在另一家数据分析与可视化公司Cross Agent担任首席执行官，对此深有体会，可以说LeapMLeapMind的主要业务是做深度学习加速，硬件和软件产品都有。其中，硬件方面是研制针对特定任务编程的现场可编程门阵列（FPGA）芯片，这种芯片的优势是功耗低，且可以通过硬件描述语言重新装配，使它总能适应新的深度学习任务，然而缺点是晶体管的利用率不足，性能也没有专用神经网络芯片好，因此，作为设计者的LeapMind要在功耗、封装面积和性能这三点上取得平衡。根据官网的资料，其自研的LeapMind FPGA芯片在测试数据集Cifar 10上的Classification.lmnet分类任务耗时53毫秒，同等功耗和时钟频率的CPU耗时840毫秒，而Segmentation.segnet分割任务优势更大，所耗时间分别为163毫秒和2690毫秒，两种任务都有10倍以上的差距。另一方面LeapMind也提供FPGA芯片配套使用的加速和压缩软件，以缩减深度学习模型，提高运行效率。以SegNet为例，最低可从117M大小缩减至0.24M，但这种压缩并非无损，而是牺牲可接受的准确性或精度来换。另外，若嫌在本地使用命令操作麻烦，则用户也能使用LeapMind的软件即服务JUIZ DoT平台，其功能是将繁琐的训练任务自动化，用户只需选择将要执行的深度学习任务，然后准备好数据集或直接采用平台预置的数据集训练，完成后再将网络模型部署至本地的FPGA芯片上。LeapMind的产品不一定非得人工智能的专业人士使用，针对边缘计算场景，如自动驾驶汽车、智能工厂和智能家电，LeapMind提供将软硬件打包好的现成解决方案。此轮融资重点不在金额多少，而是半导体芯片巨头英特尔加入可能会有资本层面以外的合作，其在2015年时就以167亿美元收购过同类FPGA厂商Altera，目前已经积累起不少专利，和英特尔同处一个阵营的话，LeapMind使用专利时不必有那么多后顾之忧。除继续开发JUIZ DoT平台外，新资金将被用于拓展与合作伙伴的关系，争取找到大型企业试用。