技术研发、资金支持、商业合作多点开花
时间：2022-04-01 17:39:02 | 来源：行业动态
时间：2022-04-01 17:39:02 来源：行业动态
凭借着压缩编译协同设计这一独特的技术思路，虽然CoCoPIE成立仅有一年时间，但是无论是在理论深造、软件开发、融资还是业务推广方面都已经取得了很可观的成果。
李晓峰告诉记者，过去一年中，他们的主要工作是把学术界最新的研究成果转化为具体的软件产品。而除此之外，CoCoPIE还在相关领域发表了大量论文，从AI应用优化技术、AI模型设计技术，到编译器优化技术以及底层硬件相关优化技术。令他意外的是，在论文发表之后，已经有不少企业主动寻求合作。其中包括了腾讯、滴滴、Cognizant等不同领域的公司。
从目前来看，CoCoPIE技术的应用场景和范围非常之广，可以这么说，只要有AI应用需求的地方，就有该技术的用武之地，无论是智能家居、智慧城市，还是智能手机，或是医疗设备。以手机上的媒体处理为例，无论是做人脸动画、拍人换脸、视频卡通化，还是对特定目标进行对象检测，这些任务都可以借助于CoCoPIE技术更轻松地实现。
为什么说是更轻松？这主要体现在使用效能上。看一组数据对比：使用CoCoPIE，VGG-16神经网络在移动设备Samsung Galaxy S10上比在TPU-V2上效能提升了近18倍，ResNet-50则取得了4.7倍的效能提升；在同样的Samsung Galaxy S10平台上，运行行为识别的C3D和S3D两个任务，CoCoPIE的速度比Pytorch分别提高了17倍和22倍；运行MobileNetV3, CoCoPIE的速度比TensorFlow Lite和Pytorch分别提升了近3倍和4倍；另外，对功耗测试（Qualcomm Trepn power profiler）的结果还显示，CoCoPIE与TVM相比，执行时间缩短了9倍以上，功率却仅多消耗了不到10%。
这样的成果表现，让资本市场和应用市场的嗅觉同样敏锐，短短一年，在没有商业推广的前提下，CoCoPIE已经获得了10几个客户，并且还在日前完成了数千万元人民币的融资。应该说，CoCoPIE的发展还是很迅猛的，下一阶段会有更大的发展。李晓峰说。
需要强调的是，李晓峰所指的下一阶段是更长的一段路，不会随着AI芯片的普及化而停滞。因为CoCoPIE的技术是通用的，可以广泛地应用于各种CPU、GPU、DSP以及及AI专用芯片，如NPU、APU、TPU等等。李晓峰解释道，所以，AI芯片即使发展了，也还是离不开编译优化技术，我们的技术只会让AI芯片的能力进一步提升。就像通用芯片不管多便宜、性能多高，也都还需要高性能的编译器支持。
因此，在CoCoPIE看来，随着芯片类型越多、能力越强，对软件优化技术的需求也会越大，而这就意味着，CoCoPIE未来的市场空间也会越来越大。我们会持续探索这个技术栈相关的先进技术，并通过高校研究不断为自己输入新鲜的技术能力。李晓峰说。
在线咨询
