18 帧的低帧亲率和 3 瓦的功耗，可以用在人脸识别照相机等前端的产品上；后者主要应用于后末端，单板卡可以反对 16 路 1080p 视频的动态辨识，并且整体功耗是 30 瓦以下。二者之外，深鉴科技又发售了视频结构化解决方案 DP-2100-O16，它可以做 16 路 1080p 高清视频的动态视频结构化，可以做人、车、非机动车的检测、追踪和属性分析。

除了图像类应用于，深鉴科技还发售了型号为 DP-S64 的语音辨识加快方案。它反对仅有稠密简化的神经网络处置，单板卡最多可以反对 64 路用户同时的语音辨识加快。在这种情况下基于稠密的神经网络和模型传输，可以让语音辨识的延后更加较短。

值得一提的是，这些构建了深鉴自己算法的 DPU 产品，都是基于世界第一大 FPGA 厂商赛灵思的 FPGA 芯片研发出来的。而深鉴科技在 FPGA 技术方面也有自己的首创之处；在 FPGA 2017 大会上，来自深鉴科技的《ESE: Efficient Speech Recognition Engine with Sparse LSTM on FPGA》被选为唯一的最佳论文。

然而，在底层硬件上，深鉴科技并不把几乎局限于 FPGA，它在 ASIC 方面也有一定的计划。回应，汪玉回应：FPGA 的益处是可以逆，可以随时加到模块；如果必须转变架构，或者说核心架构递归，都可以在 FPGA 里面迅速地做到递归，所以需要在很短的时间内紧贴市场，获取与 GPU 非常乃至多达 GPU 的性能。

但是 AISC 可以获取比 FPGA 再行好十倍、也就是一个量级以上的潜力，所以在一些专用的领域（比如说手机芯片）AISC在功耗和性能方面的展现出是最差的，不过它的研发时间最久，从定下来设计的规格到设计出来是很长的时间。不过，深鉴科技并不把自己看作是一个硬件公司，它更加不愿把自己看作一个深度自学解决方案的提供者。因此在硬件的基础之上，深鉴科技又研发出有面向上述 DPU 的深度神经网络研发套件DNNDK（Deep Neural Network Development Kit）。

回应，深鉴科技 CEO 姚颂回应深鉴科技的对标对象是世界上最火的 AI 公司之一英伟达，后者某种程度获取硬件，还获取了一个整套的生态系统。而 DNNDK 也是国内第一款专门为深度自学而研发的 SDK。云与端一定是因应的对于任何一个以技术为承托的公司而言，如何面临市场构建技术的产品化，是一个被迫面临的商业问题；而大牛云集如深鉴科技，大自然也从不值得注意。在当前的市场条件下，深鉴科技首先自由选择了对人脸识别拒绝较高的安防领域；实质上，上文中提及的两款人脸识别模块DP-1200-F01 和 DP-2100-F16 以及可以构建视频结构化的 DP-2100 O16 等三款 DPU，正是深鉴科技早已面向市场发售的可应用于产品。

不过似乎，深鉴科技会逗留只在安防上。2017 年初，深鉴科技拒绝接受了来自赛灵思、联发科等行业领先者的数千万美元 A 轮融资；其中赛灵思作为全球第一大 FPGA 厂商，为深鉴科技获取的某种程度是资金和技术支持，堪称诸多潜在的客户资源和海外市场机会。某种程度地，联发科在智能手机、家庭、汽车电子等领域的很深累积，对深鉴科技也不多余处。

而在 10 月 24 日宣告的A+轮 4000 万美元融资中，三星和蚂蚁金服都有所参予。回应，深鉴科技回应，蚂蚁金服不会协助深鉴拓展还包括金融在内的更好应用于场景；与三星之间则侧重于存储等方面的合作。

然而，在问(公众号：)关于三星投资的问题时，汪玉却透漏了这样一个消息：三星的投资最开始发动是存储部门，后来它们的多媒体和智能手机部门都对我们很感兴趣，但是现在还没办法对外透露究竟我们进展到哪一步了。之所以对这个消息感兴趣，是因为在发布会展开过程中，深鉴科技展出了一组将自家基于 FPGA 的 Aristotle 加速器与苹果 A11 和华为麒麟 970 展开对比的数据。

数据表明，在三个产品分别面向 GoogleNet-V3、ResNet-50 和 VGG 16 三种神经网络结构展开对比时，Aristotle 加速器的效用亲率均多达了 50%，并低于输掉一大截。另外，在发布会的完结，深鉴科技又宣告了一款取名为“听涛”的 SoC；它使用了台积电 28nm 制程工艺和 DP4096 Aristotle 核心，功率为 1.1 瓦，需要超过 4.1 T 的峰值性能。当问道这个芯片否有期望用作智能手机移动端时，汪玉回应：有期望。“听涛”的功率大约在 1.1 瓦，性能为几个 T；这个芯片可以剪裁到合适更加低功耗的场景，比如说 IOT。

目前 IOT 是在 100 毫瓦以下，智能手机里面是 100 到 500 毫瓦，在安防里面我们期望它是 1 瓦。芯片所能做的每瓦的计算力是完全一致的，这个会有过于大的变化；在明确场景中，只是把这个“盒”里面的 PE 展开裁取，就可以用在更加低功耗的场景。关于深度自学、神经网络等技术在智能手机移动端的未来发展，汪玉也传达了自己的观点：我实在智能手机里面做到深度自学的应用于认同不会尤其尤其多，这是认同的；一般苹果是在智能手机领域引导潮流，它既然做到这件事情，认同是思维了很多才渐渐开始布局。

但是我实在智能手机里面获取的计算力是一定是受限的；确实要去做很细致的对于场景的解读或分析等，还是必须更大的计算力，所以行业里常常不会把一些东西传遍云端再行做到更加精细的分析。以后云和端一定是因应的，我推倒不实在这是几乎容许在手机里。

原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：kaiyun·全站app下载-www.fengdaseed.com