把人工智能做到終端上去已成為物聯網時代發展的一個趨勢，在智能終端設備上，深度學習帶來了前所未有的交互體驗變革，同時也對計算力有了更高的要求。

在諸多實際的AI商用場景中，普遍對數據處理的實時性和速度要求都比較高，不可能所有數據都上傳到云端跑一遍，因此目前市場上有從專用嵌入式AI芯片入手來解決終端計算能力問題的，也有的廠商致力于最大化挖掘終端的計算性能進而實現事半功倍的計算效果。

如果不是開發者，可能不太清楚OpenBLAS的價值所在，OpenBLAS支持幾乎全部的主流CPU處理器和常見的操作系統，同時都能達到比較好的性能優化，進入了很多主流的Linux安裝包，其用戶廣泛，從開源項目Julia語言、GNU octave，到深度學習的mxnet、Caffe，乃至IBM、ARM、英偉達等公司也都在他們的產品里邊使用了OpenBLAS。

2014年底張先軼離開中科院去了美國，先后在UT Austin做研究員以及MIT博士后等科研工作經歷，輾轉兩所知名高校探索最新的技術方向，彼時，深度學習和人工智能逐漸興起，在大洋彼岸的中國，更是掀起了一場前所未有的技術變革浪潮。

“在MIT的經歷對于我創業來說比較關鍵，那里的創業氛圍非常好，各種創業比賽比較多，還有一個中國留學生的創業論壇。”通過一些沙龍和組織活動，張先軼結識了很多一線創業者汲取創業經驗和幫助，正在猶豫接下來是留美工作還是回國的節點上，他最終作出了回國創業的決定。

2016年下半年澎峰科技注冊成立，交接完工作的張先軼年底回國開始組建自己的團隊，除了自己比較擅長的底層算法框架，團隊也強化了軟硬件基因，中科院背景的賈海鵬博士加入負責軟件研發進展，華中科技大學趙華龍博士負責硬件產品集成。

在框架層，澎峰科技開源了一種輕量級的深度學習推理框架inferXlite，相比較目前的傳統通用框架具備小、輕、快的優勢，代碼<100k，接口支持任何網絡模型，可移植任何硬件平臺，幾乎沒有依賴庫，框架設計與性能加速分離，從框架層面對于算法加速給予了充分的考量。

為何要把這么一套框架做開源？張先軼有自己的考慮：“其實還是想進一步建立我們技術的美譽度，然后吸引更多開發者來用我們的東西，對于公司長遠的發展這是一個比較好的做法。作為我們這樣的技術公司直接去推和銷售不一定能做的多么廣，而由開發者實際體驗后對未來的商業轉化更有益處，另外，直白點說，也能顯示我們做的技術比較牛。”

在性能層，澎峰科技推出了三款產品：深度學習優化矩陣計算庫PerfBLAS、深度神經網絡計算庫PerfDNN、以及高性能計算機視覺庫PerfCV。PerfBLAS針對ARM等嵌入式平臺進行深度學習卷積算法優化，可廣泛用于移動平臺，手機、機器人、無人機等領域。PerfDNN是一個跨平臺的輕量級深度學習算法庫，實現了深度神經網絡的核心算法；PerfCV是一個跨平臺高性能計算機視覺庫，實現了深度學習中主要的圖像預處理算法，包括cvtColor、resize、warm_affine、warm_perspective等，PerfCV可在GPU、x86、ARM等多個硬件平臺上實現高性能。

基于核心的軟件框架和多種計算庫，澎峰科技得以集成出一體化的硬件產品：嵌入式深度學習開發平臺PerfBox和Perf-V工程板。據了解，PerfBOX采用六核64位ARM處理器，集成了ARM Mali-T860四核GPU，并擁有2GB/4GB DDR3和16G/32GB的eMMC，可用來做為學習、開發、部署深度學習應用的平臺。Perf-V工程板則是澎峰科技為RISC-V開源社區設計的FPGA開發板，具備很強的靈活性，移植了多種RISC-V處理器架構，并配備豐富的學習資料，為RISC-V處理器設計和FPGA產品開發提供了一個很好的實驗平臺。

據了解，澎峰科技的目標客戶群體，大概分為兩種類別，但可以確定是終端為主，偏視覺計算處理的方向，因為計算機視覺領域對計算性能的需求更為強烈。一類客戶是移動APP類應用，澎峰科技可以提供整套優化技術的軟件包SDK給客戶嵌入到APP中，這部分主要是以提供軟件服務為主；另一方面就是提供PerfBox硬件產品和Perf-V工程板，會面向智能硬件和智能終端設備的廠商，根據具體需求做靈活配置比如存儲、內存、芯片的選型等，軟硬優勢互補從整體考量上提供高性價比的嵌入式方案。