探索超越摩尔定律的新路径 “攀登技术”将GPU通用计算芯片的效率提高3倍以上
人工智能算法的训练和应用的部署都离不开计算能力的支持。作为人工智能的三大驱动因素之一，计算能力决定了人工智能发展的速度和高度。人工智能芯片作为计算能力的重要组成部分，近年来吸引了许多企业进行部署。
据市场研究机构Tractica预测，全球AI芯片市场将从2018年的51亿美元增长到2025年的726亿美元，CAGR将达到46.14%。据IDC预测，到2025年，中国将拥有全球27.8%的数据量。对计算能力的巨大需求使中国集成电路行业面临严峻挑战，但也蕴含着巨大机遇。
邓林科技是一家专注于为数据中心和云市场提供高性能可编程通用人工智能计算平台的高科技公司。
“我们的AI芯片和市面上其他产品的区别在于，我们从核心架构上解决了效率和通用性的问题。一般来说，定制芯片会有更高的效率，而通用性好的芯片会有更低的效率，这是一个悖论。我们的芯片同时解决了这两个问题。”邓林科技的创始人兼首席执行官李建文说。
登船技术计划是一套Minsky架构(软件定义的异构人工智能计算平台)，可视为除摩尔定律之外提升芯片性能的另一种方式。
摩尔定律意味着每18-24个月，半导体单位面积的电子元件将翻一番。同时，只要晶体管的数量加倍，就可以实现更低的功耗。然而，随着芯片技术的不断发展，“摩尔定律”逐渐遇到了物理定律的限制，呈现出“变慢”的迹象。目前晶体管的尺寸已经达到纳米级，进一步缩小的可能性正在逐渐减小，摩尔定律也接近极限。
在摩尔定律放缓的今天，AI芯片架构创新成为一个新的方向。同时，芯片迭代和软件/算法迭代的速度有巨大的差异，尤其是在AI行业。AI的算法和模型日新月异，专用芯片从研发到量产的周期很长，往往无法满足最新算法和模型的需求。所以以前AI芯片在落地过程中面临着通用性和计算效率的双重挑战。
李建文表示，Minsky架构在提供与CUDA/OpenCL兼容的硬件加速能力的前提下，完全支持各种流行的人工智能网络框架和底层运营商。与英伟达目前的主流云推理产品(T4)相比，登山科技的产品依靠不同的AI网络，芯片面积更小，功耗相同，可以将计算效率提高3-10倍，同时降低芯片性能对外部存储和吞吐量的依赖。
邓林科技成立于2017年底，花了近三年时间专注于研发。该公司第一代产品Goldwasser已于2020年第三季度量产，目前正与互联网和安全领域的领先企业合作，对其业务进行整合和测试。
邓林科技面临着一个被AI芯片巨头英伟达垄断的市场。“2017年公司成立的时候，我们做了市场调研，发现无论是美国还是中国的互联网公司，基本上都在使用NVIDIA的产品。现在三年过去了，情况基本没变。”李建文说。
对于企业来说，在云中更换AI芯片需要额外的迁移成本和风险。所以除非新产品比老产品有超乎寻常的优势，否则很难撬动这个市场。
“我们需要思考的一个核心问题是，如何拿出差异化产品来与大公司竞争。”李建文认为，登临科技的产品优势在于“性价比”。
据李建文介绍，第一代登临科技的Goldwasser与英伟达目前的主流推理芯片工艺相同，但在同等功耗条件下，其性能可以达到对方的3-10倍。“其实对于客户来说，我们的产品相对于大公司还是有一定的性价比优势的。”李建文说。“我们考虑的出发点不是低价竞争，而是提高性能。”
此外，Goldwasser与现有的GPU产品兼容，这意味着最初由企业客户在GPU和CUDA平台上开发的程序也可以无缝迁移到寄宿产品。
小企业和资本雄厚的大公司争夺同一个市场还有一个不容忽视的问题。登船技术的技术被复制的可能性大吗？
李建文更加乐观。“像英伟达这样的大公司倾向于专注于增量创新，即不断让自己的产品比前一年更好。不像创业公司，他们可以摆脱现有的约束。此外，我们整个系统架构的核心技术也在中国和美国注册了专利，受知识产权保护。”李建文说。“很多时候，大公司在做决策的时候，并不是简单的考虑自己有没有能力去做小公司能做的事情，而是要考虑整体的商业模式、管理模式、组织架构等等。这也导致他们更倾向于渐进式创新。”
李建文是一位高科技的持续创业者，拥有大型半导体公司和领先新公司的高级管理经验。此前，他曾担任图欣公司R&D副总裁。任职期间，他还负责团队建设、管理、产品定义和客户开发。其负责的GPGPU产品在市场上赢得了飞思卡尔、满妹、英特尔、谷歌、三星和诺基亚等客户的认可。图信于2015年并入鑫源，已在科技创新板上市。
目前，邓林科技在上海、成都和硅谷设有三个中心。上海为总部，主要负责架构和硬件设计，成都负责系统软件验证，行业平均工作经验超过15年。
到目前为止，登林科技已经完成了两轮融资，投资者主要是国际国内主流投资机构。