36氪首发 | 在芯片上实现AI应用实时化，「CoCoPIE」获红杉种子等数千万元A轮融资

作者 | 咏仪

编辑 | 苏建勋

36氪获悉，「CoCoPIE」近期完成数千万元A轮融资，投资方为红杉中国种子基金、初心资本等机构。

CoCoPIE是一家人工智能初创公司，成立于2020年。创始团队包括来自美国东北大学的王言治教授、北卡罗来纳州立大学的慎熙鹏教授及威廉玛丽学院的任彬教授，也有成员来自多家国际知名科技公司。

CoCoPIE CEO王言治为美国东北大学电子工程系与Khoury计算机科学学院助理教授，其团队的主要研究方向包括AI模型压缩和编译等。王言治对36氪表示，近年来国内芯片创业潮来临，大部分创业方向都偏向硬件层，软件方面需求量明显加大，这与团队的研究方向吻合，才产生创业的想法。

芯片大致可以分为通用芯片和专用芯片两大类。通用芯片，包括CPU、 GPU、 DSP等，装载于手机、电脑等常用设备；而专用芯片则包括FPGA、ASIC等，是为做特定的运算而设计。

技术革新让应用层得到极大丰富，这背后离不开芯片算力的提升。目前AI应用在主流终端硬件上的实现方式是，设备将数据发送至云端进行运算处理，处理后再发回至设备。

而在今天，越来越多的数据、愈加复杂的运算逻辑等等，让行业积极投入到创新当中。一种常用的思路是在硬件层面做创新，研制AI专用加速硬件，置入到终端中。

CoCoPIE的方向则在软件层。简单来说，CoCoPIE希望作为软件版的AI加速器，在通用芯片上实现AI应用实时化。

从技术来看，CoCoPIE通过“压缩-编译协同”设计，可以有效优化模型的大小和速度，缩短压缩过程及调优时间，让AI应用在本地即可运行，最大程度发挥芯片的应用潜力。

“现在手机等终端采用的都是通用芯片，其实通用芯片本身的算力还是不错的，只是没有对AI进行很好的优化，”王言治表示，“通过CoCoPIE的技术，我们可以让AI模型或者应用以最优的状态在芯片上运行，相当于让原来无法跑AI模型的芯片可以用起来，提升芯片的利用效率。”

当前，CoCoPIE的应用场景更多是针对CPU、GPU等主流芯片。以手机为例，手机上要想播放4K超高清视频，或者此前流行的AI换脸等应用，是无法在本地直接实时实现的，需要在云端处理部分数据。

CoCoPIE的技术能够让芯片算力提高3-4倍，同时减少这些应用运营方的成本——以往在云上计算和传输数据，运营方需要负担巨大的服务器和带宽成本。另一方面，这也提升了使用体验，摆脱了无网络或网络环境不佳对AI应用的限制。

对于专用芯片，AI芯片的弱点在于网络和应用适配的类型比较局限。当前，一些主流大公司会设计NPU，应用于自家终端中，但也只能为深度学习做简单加速，尚未大规模普及。而AI应用程序运营方若想让他们的程序适配市场上所有的NPU，需要大量程序开发人员。

这时，CoCoPIE能在应用研发团队和芯片厂商间起到桥梁作用，使同一个深度学习模型适配不同硬件平台，芯片效能最高可提升5-10倍。

目前，CoCoPIE已经完成初步研发，推出了两款产品CoCo-Gen以及CoCo-Tune，能够在不额外增加人工智能专用硬件的情况下，让现有处理器实时地处理人工智能应用。应用场景方面，CoCoPIE会首先关注手机、车载芯片等领域，而对于一些制程相对较低的IoT终端芯片，CoCoPIE也能做到很好的适配。

全球芯片市场增长迅速。IC Insights预计，今年芯片市场的销售额将增长24%，并且将是有史以来首次突破5000亿美元，于智能手机、计算机、电视、汽车和其他终端应用的芯片仍供不应求，这种状态可能持续到2022年。

芯片短缺导致一些技术公司不得不停止发展脚步，如AI专用芯片等研发需要5-10年的周期，这直接制约了许多产业的发展。比如新能源汽车，CoCoPIE相当于能够让旧芯片应用神经网络，解决当前芯片方面的燃眉之急。

而在竞争层面，当前芯片研发进步飞快、5G等基础设施规模化推进，云厂商也在大力推进云边端战略，这是否会让CoCoPIE的发展时间窗口变短？

王言治认为，CoCoPIE的技术解决的是神经网络“能不能上”设备的问题，对市场各方机构而言是可以互补合作的伙伴而非竞争对手。事实上，CoCoPIE当前也已经开始商业化落地的尝试，合作客户包括腾讯、著名美国软件外包服务商Cognizant等，此外也有芯片厂商。合作模式有多种，客户可以选择与CoCoPIE联合开发或按license采购，CoCoPIE会融入到其生态中，这些都是共同发展的证明。

本轮融资后，CoCoPIE将继续推进研发和市场发展，引进更多人才。目前CoCoPIE创始团队约有10余人，总部位于美国，今年将在中国设立办事处。