“新基建”和“工业互联网”已成为我国当前的发展战略目标，面对新一轮的世界竞争，中德两国都希望通过工业发展占突出机，跻身于制造强国的行列之中。凭借原有的工艺显然已不足以强化制造业实力，而芯片、算法等核心技术的运用推动“制造业”逐步走向了“智造业”。
成立于2018年的湃方科技也投身于智能制造中。以高能效AI芯片和AI算法为核心，湃方科技为用户提供了跨品类、全栈式的设备管理AIoT解决方案，促使制造产业实现工业互联和智能升级。近期，湃方科技联合创始人及总裁马君接受了创业邦采访。
马君曾任阿里达摩院的算法专家及中石油子公司的首席数据科学家，除他之外，湃方科技还拥有一支来自清华大学、中国科学院大学、北京航空航天大学等知名学府的创始团队，成员有着阿里巴巴、谷歌、网易、旷视、中科曙光、中国石油、施耐德、GE等行业前沿公司的技术、销售工作经历。湃方成员博士以上学历占比20%，硕士及以上占比50%，本科以上占达96%。
本文文章插图来源于湃方科技，经授权使用
湃方科技以全栈自研产品打通制造设备管理市场，面向离心泵厂、撬装化工泵厂、电机厂等设备制造商及冶金钢铁、石油化工、楼宇建筑等设备终端用户，使传统的业务模式实现智能化升级。湃方星云、湃方星象、湃方星尘、湃方星核是湃方科技的全栈自研产品系列。
其中，湃方星核是湃方科技自主研发的边缘AI芯片，包括Sticker系列AI加速器IP核、Tritium 边缘AI 芯片及Axon 软件工具链，其芯片运行则是通过多维工业智能物联平台—湃方星尘，将湃方星核植入到泵机智能传感终端、电机智能传感终端、智能边缘网关、智能数据采集终端中，对设备进行实时监测。
本文文章插图来源于湃方科技，经授权使用
而设备的监测数据将通过湃方星象算法管理平台进行数据分析，从而帮助用户进行故障诊断、能效分析与维护优化。最终设备的运行数据与生命周期等情况将通过设备智能管理服务平台湃方星云APP及湃方星链web端展现出来。
与已有解决方案不同的是，传统工业传感器与服务器依赖人工巡检点检，因此施工成本高，部署周期长；此外，软硬件设备故障诊断更依赖于人工专家，但专家诊断费用昂贵，相应速度也较慢；对于发现故障的设备，则还需停机维修，这无疑也造成了较大的损失。
湃方智能解决方案则有效解决了这一问题，实现算法与芯片协同，其高效边缘计算节省了90%以上的安装成本；实现客户端与智能管理平台的协同，标准化的数据管理使相应速度提升10倍以上，并可以进行行业快速复制；实现自动学习算法，快速进行迁移部署。
四者的相辅相成使得设备运维成本下降30%。
本文文章插图来源于湃方科技，经授权使用
湃方科技的全栈式解决方案运用的核心技术包含了Sticker系列高能效边缘AI芯片与工业AI算法库，工业AI算法库可实现自动化特征工程，通过表征学习，从而形成行业知识库；该算法库以先进的人工智能可进行深度学习、集成学习、迁移学习和强化学习，其中迁移学习可以快速微调数据并实现数据增广。
“工业设备的前装与后装市场都具有很大的市场空间”，马君向创业邦介绍到。据了解，泵机、电机等前装市场每年增量可达10亿台，设备价值在数千亿/年，而电力、化工、石油等后装市场的设备增量也在数百万台。依托于全栈式的解决方案与软件设备的部署安装，湃方科技在前装市场已服务多家设备生产厂商，占主营业务60%；而后装市场覆盖了石油石化、钢铁冶金等7大行业，服务客户超过30家。
创业邦获悉，湃方科技今年已实现数千万元的营收，并与山东双轮、佳木斯电机厂、宝山钢铁、中国石油、中国石化等企业建立了合作。2020年3月，湃方科技完成了数千万元A轮融资，由创新黑马基金领投，老股东BV百度风投、经纬中国持续加码。马君透露，湃方科技预计于今年年内启动新一轮融资，主要运用于市场扩张和产品研发。
本文文章头图来源于壹图网，经授权使用。本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系editor@cyzone.cn。
