让一般硬件终端也能跑AI应用，CoCoPIE提供了全新的思路

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。