深度学习的基本操作由神经元和突触处理构成，传统的CPU、GPU处理器指令集的基本操作为算术操作（加减乘除）与逻辑操作（与或非），要完成一处神经元的处理需要数百甚至上千条指令才能实现，故而应用在深度学习的处理上效率很低。

NPU则是为深度学习而生的专业芯片，CPU、GPU与其相比，存在百倍以上的性能或能耗比差距。

刘峻诚还提到，目前开发NPU芯片的公司非常少，即便有也尚未能像Kneron一样实现产品化。

Kneron产品软硬件结合，其软件系统可以演示在一般单核芯片离线状态下的深度学习功能，比如行为识别、活动识别、人脸检测、人脸辨识等；硬件方面，团队自主研发有ASIC产品，可向合作伙伴提供硬件IP，后者在拿到IP后即可量产。

◆Kneron产品应用场景

Kneron终端人工智能产品可以应用在智能物联网、智能车联网、安防、无人机等领域，降低人工智能对网络的依赖度，提高人工智能的便利性与高效性。

不过近期，微软、苹果、谷歌等大公司也看到了终端式方案前景可期，也开始在该领域有所投入。考虑到他们目前还处在算法开发阶段，而硬件开发的周期在两到三年，所以刘峻诚表现得很有信心，“我们在这个领域，已经跑得比较前面了”。

云端＋终端

刘峻诚提到，相比单独的终端式方案，更好的架构则在于云端式与终端式的融合联通，互相取长补短。

他为此提出了分布式人工智能系统的概念，即“将一部分智能放在终端上，和云端服务器一起，构成一个人工智能系统”。终端不仅能将采集到的原始影像和数据传送到云端，还可在本地进行一定的学习和处理，同时也将学习或者处理过的结果送回云端，和其他终端结果一同综合学习和运算。

为实现该目标，刘峻诚推出了一款软硬件结合的解决方案：软件方面的“自适应深度学习引擎”可植入一般手机，或低功耗、低计算能力的终端，即使在离线状态下，也能独立继续学习和执行复杂的深度学习演算；硬件方面则有“动态重构神经网路处理器”，可针对深度学习演算在速度和功耗同时进行最优化处理。

Kneron与腾讯、百度等的合作，正是为了朝此方向发展。去年年初，Kneron就与腾讯达成合作，后续成果有基于QQ物联及Kneron人工智能技术研发的华硕智能行车记录仪等。

化解三地员工文化冲突

创业没有不辛苦的。不过当刘峻诚回想这段历程，更大的挑战在于三地奔波以及文化差异的协调需求。

Kneron设点在圣地亚哥、台北与深圳——美国有着先进的技术环境与研发能力；刘是台湾人；至于深圳，更多是为合作伙伴腾讯而设，“人工智能的研究成果要想切入应用市场，准确把握客户的需求是很重要的，而且我们常常需要与客户共同开发具体产品”。

三处的文化各有不同，故而团队内部起先存在一定程度的文化冲突，比如美国团队会有技术方面的优越感；大陆团队觉得国内发展得很不错；台湾团队则有IT设计方面的骄傲——互相看不上。不过随着工作的开展与交流，三处团队互相取长补短，相处渐次融洽。“人都会有认知上的格局局限，要把这些局限都打破，公司才能走得更远。”

到去年年底，直播，Kneron的软件产品基本成熟，拥有人脸识别、自动辅助驾驶系统、智能家居与工业自动化等四款软件。

这四款产品的收费方式基本分为收取开发费、收取服务费与抽成三种，目前收入已近百万美元。

硬件方面，Kneron已开发出IOT（物联网）与FPGA两款，后者有着可编程特性以及一定的成本优势，主要应用于云端市场。

目前，Kneron已与腾讯、百度、鸿海等5家亚洲企业取得合作。近期，刘峻诚计划将工作重心转移至国内，全力与客户合作，预计于今年年底推出大数据、智能家电等领域的产品。

/The End/

编辑 付文学 校对 刘金策

如需转载文章请联系铅笔道微信客服号（id：pencil-news）获取授权资质，否则我们将依法追究相关责任