6月10日消息,全球存算一體芯片領(lǐng)導者知存科技宣布完成億元A3輪融資,本輪融資由飛圖創(chuàng)投領(lǐng)投,萬魔聲學、科宇盛達、仁馨資本等跟投,老股東科訊創(chuàng)投、中芯聚源、普華資本、招商局創(chuàng)投繼續(xù)跟投,指數(shù)資本擔任獨家財務顧問。融資資金將用于加大技術(shù)研發(fā)投入,產(chǎn)品線擴充及新的產(chǎn)品量產(chǎn)。
此前,知存科技曾分別獲得由中芯聚源和國投創(chuàng)業(yè)領(lǐng)投的A1輪及A2輪融資。截至目前,知存科技已完成累計近3億元的A輪系列融資。
知存科技成立于2017年10月,專注于存算一體芯片設計,是存算一體產(chǎn)業(yè)化的開拓者和領(lǐng)軍者。團隊研發(fā)存算一體芯片8年,于2016年成功流片驗證國際首塊模擬存算一體深度學習芯片,為突破馮諾依曼架構(gòu)瓶頸奠定了基礎(chǔ)。
引領(lǐng)AI推理芯片發(fā)展趨勢,產(chǎn)品規(guī)劃覆蓋最廣泛市場
隨著摩爾定律接近極限,芯片研發(fā)成本增高,性能提升受到限制,“存儲墻”問題尤其凸顯:數(shù)據(jù)在計算單元、緩存、內(nèi)存之間轉(zhuǎn)移,占用90%以上的功耗和時間,造成高功耗、低效率等問題,導致芯片算力無法進一步提升,在人工智能運算上問題更為顯著。
人工智能在一些易實現(xiàn)的場景大規(guī)模落地,更多的場景對算力、成本、功耗有更嚴苛的要求,存算一體可以有效地解決算力、功耗、成本等諸多限制。
在此形勢下,知存科技突破性地使用Flash存儲器完成神經(jīng)網(wǎng)絡的存儲和運算,解決AI的存儲墻問題,提高運算效率。相比基于馮諾依曼架構(gòu)的深度學習芯片,運算效率提升約10-50倍;單一Flash陣列可并行完成100萬次矩陣乘加法運算,計算吞吐量比DRAM和SRAM等帶寬高出100-1000倍。可在成熟工藝下超過先進工藝的運算效率,大幅度降低開發(fā)和流片成本。此外,知存科技已經(jīng)積累了存算一體從設計、仿真技術(shù)到量產(chǎn)的全流程經(jīng)驗,產(chǎn)品開發(fā)效率相比過去提升5倍。
經(jīng)過數(shù)年發(fā)展,知存科技已推出WTM系列的兩款芯片產(chǎn)品,覆蓋智能可穿戴設備、智能家居、智慧城市等眾多使用場景。支持低功耗多命令詞識別、降噪、聲紋識別等,內(nèi)置2MB 深度學習網(wǎng)絡參數(shù)存儲空間,可同時存儲和運算多達 40層的多個(相同或不同)深度學習網(wǎng)絡算法,知存科技推出首個存算一體編譯器WITINMapper,支持 DNN/RNN/LSTM/TDNN 等多種網(wǎng)絡結(jié)構(gòu)。