北京深鉴科技有限公司

深鉴科技成立于2016年，致力于成为国际先进的深度学习加速方案提供者。我们提供基于原创的神经网络深度压缩技术和DPU平台，为深度学习提供端到端的解决方案。通过神经网络与FPGA的协同优化，深鉴提供的嵌入式端与云端的推理平台更加高效、便捷、经济，现已应用于安防与数据中心等领域。

深鉴团队拥有国际性的学术影响力和资深的工业经验。得益于我们在深度学习图像与语音处理上取得的成果，深鉴将为更多行业提供前沿的人工智能解决方案。

DEEPHI TECH专注于下一代深度学习专用平台，引领世界神经网络处理器、编译器原创技术，让所有算法开发者都能便捷使用，让服务器与所有终端都能具有高效的智能计算能力，赋予万物智能。

DNNDK

DNNDK™ (Deep Neural Network Development Kit)是深鉴科技面向AI异构计算平台DPU（Deep-Learning Processor Unit，深度学习处理器）自主研发的原创深度学习SDK，为DPU平台各种深度学习应用开发和部署提供的一套高效全栈式解决方案。

深度压缩工具DECENT

深度压缩工具DECENT（DEep ComprEssioN Tool）创新性的结合了剪枝（Pruning）、量化（Quantization）等一系列压缩技术，在保证基本不损失算法精度的前提下可将网络模型的计算量和规模压缩数倍至数十倍。

神经网络编译器DNNC

DNNC将训练后经过DECENT压缩的神经网络模型映射为DPU上高效执行的优化指令流，在极大提高DPU计算性能的同时可有效降低系统访存带宽和功耗的需求。

硬件架构

亚里士多德架构

亚里士多德架构是针对卷积神经网络而设计。目前，卷积神经网络一般用来处理图像相关的智能问题，而此架构灵活与可扩展的特性使它可被应用于各种不同规格的终端中。

笛卡尔架构

笛卡尔架构专为处理DNN/RNN网络而设计。其可对经过结构压缩后的稀疏神经网络进行高效的硬件加速。相对于 Intel Xeon CPU 与 Nvidia Titan X GPU，应用笛卡尔架构的处理器在计算速度上分别提高了189倍与13倍，能效比提升24000倍与3000。