作者｜韦世玮
编辑｜石亚琼
**
36氪获悉，高端装备AI边缘计算硬件公司「小眼探索」宣布完成千万级人民币Pre-A轮融资，由启迪之星创投领投，水木清华校友基金参投。该轮资金将重点用于边缘计算平台的系列化研发，以及数据集和算法库的升级，从而覆盖更多应用场景。
小眼探索成立于2018年，主要基于异构计算硬件、深度神经网络加速、多模态融合等技术，为航空航天、卫星遥感、导航定位等高端领域提供“最强大脑”，产品包括智能计算平台和系统级方案。
小眼探索之所以选择航空航天高端领域赛道，一方面，与核心团队背景息息相关。公司核心团队在航天系统中积累了多年行业经验，对行业的发展趋势、用户需求和产品痛点理解精准。
其中，公司创始人、CEO刘相伟为清华大学精仪系硕士，师从类脑计算专家裴京教授，在航天二院有着十余年光电及雷达系统研发经验；联合创始人、CTO李卓荦为清华大学自动化系硕士，在航天二院拥有嵌入式AI系统近十年研发经验，两人曾共同参与负责“天舟一号”货运飞船光电载荷项目、“红旗X号”导航与控制系统项目。
另一方面，航空航天等高端科技领域，未来十年将进入黄金发展期。航空航天领域体量庞大，有着独特的生态体系和发展周期，从装备系统到产品、再到模组和芯片应用均由大院大所研发和落地，相比许多民用场景发展较为封闭。
但随着我国建设世界科技强国的步伐加快，芯片国产化和装备智能化的需求愈发强烈，航空航天等高端领域在国家政策的支持下会变得更加活跃和开放，将会有更多的创新AI技术和产品导入。
例如，无人机搭载的传感器越来越多，对多传感器融合感知和控制的需求越来越大，那么机载边缘计算硬件和AI算法库的导入就有了良好机遇；未来卫星遥感图像的时空分辨率会越来越高，传统依赖星地数据传输后进行地面处理的技术方案，由于时效性和带宽已无法满足行业需求，对星载边缘计算硬件和星上AI算法库也是很大的商业机遇。
同时，与安防等民用领域的技术相比，航空航天领域对硬件和算法有更苛刻的条件。硬件架构的可靠性至关重要，对于芯片和关键器件的选型，要充分考虑其算力资源、电磁兼容性、高低温条件、过载环境、空间粒子辐射、粒子翻转等因素，研发初期要做大量的工程验证。
基于团队自研的数字化设计和仿真工具，小眼探索可快速为用户提供可量产的符合行业标准的硬件产品，加之团队在项目中积累的数据集和算法库，对高动态、小目标进行识别和控制跟踪有着较强的竞争优势，并大大优化了算力、帧率和功耗。
在刘相伟看来，航空航天领域芯片和硬件模组的供应链需求的变化，在未来十年有着巨大的创新和产业化机会，因此，小眼探索定位从芯片落地应用切入提供模组级产品，逐步向系统级产品做升级。
目前，小眼探索已形成两套边缘计算硬件，一款是边缘计算硬件模组“闪腾100”，采用“FPGA+国产SoC”的方案，可同时接收2路1080P的高清图像，推理帧率达15fps，跟踪控制帧率达50fps，并搭载自研传感器相机，感知和控制端到端时延小于100ms。目前，该产品主要应用在小型无人机巡检和无人吊舱场景，实现边缘端智能监测和目标跟踪，已在批量销售。
另一款是团队正在研发的边缘计算硬件模组“闪腾200”，同样采用“FPGA+国产SoC”的架构，支持8bit运算和16bit浮点运算，通过软硬件协同加速，能效比可达到16Tflops/15W。作为专为具有高时空分辨率特性的卫星遥感图像而设计的星载AI计算平台，“闪腾200”具有地理信息编码、在轨实时推理、图像压缩等功能，该产品目标是2023年底搭载卫星进行在轨测试。
从产品层面看，小眼探索的产品开发对上游芯片供应链的依赖较大。针对近年行业缺芯潮的影响，刘相伟谈到，由于高端领域对产品可靠性要求极高，在产品开发过程中，并不会将核心算法应用都集成在一颗芯片中，通常会同时采用“FPGA+SoC”的架构。
该架构的好处是，一方面从硬件架构上保留冗余，若其中一类芯片缺货或断供，另一类芯片也能实现所有功能，以此降低缺芯的风险；另一方面，FPGA具有可编程的优势，SoC芯片具有AI推理和编解码的优势，这种架构也能提升硬件的通用性。
刘相伟告诉36氪，尽管现在航空航天领域仍有不少系统和产品使用进口芯片，但目前国内供应端的芯片产品产量正逐步提升，已形成国产替代的可能性和趋势，预计未来3-5五年的大量产品和系统将以国产芯片为主。但要完全实现国产化，则需10年以上的时间进行更换。
现阶段，小眼探索已拥有10余项核心发明专利、集成电路布图2篇，支持复旦微等国产FPGA，同时公司今年和清华类脑计算中心、灵汐科技达成合作意向，未来将采用清华类脑芯片对航空航天等高科技领域进行产业化赋能。
除此之外，针对平台替换过程中的算法迁移成本高的问题，小眼探索也有着自身的解决方案和技术壁垒。
刘相伟提到，传统技术方案的“FPGA+DSP”架构在高端装备领域的边缘计算平台已应用了50余年，若将国产AI芯片替换进去，难点在于如何更好地将原有芯片功能完整覆盖，实现功能的无缝对接。
首先是要打通国产SoC的接口和协议，由于国产SoC的接口协议均对标国外芯片的接口协议，与DSP和FPGA的协议并不兼容，无法直接进行替换。因此，研发人员需在FPGA中做高速并行的数据流转和协议转换，将传感器数据与国产SoC连接起来，实现协议和软硬件接口的兼容、无缝对接。
其次，研究人员会将他们在服务器上训练好的模型移植到芯片中，由于芯片本身的资源和架构限制，难以承载通用的模型和太大的参数，因此他们要对模型从“训练、模型转化、芯片上推理”三个方面进行模型简化，例如裁剪神经网络层、将浮点转换成定点运算等，以此降低模型对芯片运算资源的消耗。
此外，航空航天等高科技领域对数据安全的高要求和高保密性，要求数据只能在本地进行训练，研究人员还需要花大量的人力和时间成本投入到本地的数据标注和训练工作中。因此，在小眼探索团队中，80%以上均为研发人员。
现阶段，小眼探索拥有两种商业模式，一是以销售纯硬件为主，包括计算平台模组和系统产品；二是若有新场景和新数据出现，公司会重新对算法和模型进行优化升级，再进行服务收费，整体交付时长约为一周。
截至目前，小眼探索的产品已落地无人机、卫星等载体，涉及SAR成像应用、无人机巡检应用等，客户覆盖航天科技集团、航天科工集团、北方夜视集团、中航工业、国家电网公司等。
营收方面，今年公司营收预计超过1000万人民币，计算平台累计出货超600套。接下来，公司计划每年完成一轮融资，预计明年5月将完成5000万A轮融资，逐步到2025年完成计算平台和系统级产品的规模化建设，包括产线、厂房等，预计年产能约达5000套，营收规模5亿。
