以色列深度学习创业公司DeepCube Ltd.已开发出可加速在数据中心和边缘设备上运行机器学习模型的过程的软件，今天表示已筹集了700万美元的新一轮融资。

A轮融资由Awz Ventures牵头，Koch Disruptive Technologies和Nima Capital参与，DeepCube的总融资额达到1200万美元。

由其联合创始人Eli David博士(如图)和Yaron Eitan领导的DeepCube最近宣布推出其所说的业界首个基于软件的深度学习推理加速器，这是人工智能的一个子集，模仿人脑学习的方式。该公司认为，其加速器可以显着提高智能边缘设备上的深度学习性能。

DeepCube试图解决的问题是，由于神经网络的规模和速度，加上对专用硬件的需求，深度学习部署仍然很少见，因为专用硬件不仅昂贵，而且对计算和内存的要求也很高。因此，深度学习在资源有限的边缘设备上执行仍然非常困难且昂贵。

DeepCube的软件试图通过加速深度学习过程来解决所有这些问题。它通过完全自动化的方式减少任何深度学习模型(包括其训练数据)的大小，而无需任何人工干预。

该软件可以部署在中央处理单元，图形处理单元和专用集成电路或ASIC上。这些是为数据中心和边缘设备中的特定用途而定制的计算机芯片。

DeepCube表示，借助其软件，它可以将速度提高多达10倍，并减少了内存，从而可以在任何设备上进行更高级的深度学习。

DeepCube不是深度学习加速业务中唯一的公司。例如，Nvidia Corp.有其 深度学习加速器， 而Micron Technologies Inc.有其 深度学习加速器平台。但是DeepCube的创始人David告诉SiliconANGLE，DeepCube的独特之处在于它创建了唯一的软件框架，该框架既可以自动优化任何深度学习模型，又可以将推理速度提高10倍以上。

大卫说：“其他所谓的软件加速器不会在算法上修改深度学习模型，因此它们的加速改进是渐进的，通常最多约为10%-30%。” “ DeepCube的技术允许对深度学习模型进行积极的自动重组，使其最终不到原始大小的10%。超过90%的连接已删除。”

Awz Ventures创始人兼执行合伙人Yaron Ashkenazi表示，无法在具有最小内存和处理能力的小型设备上在边缘部署深度学习，这阻碍了该技术的采用。

“ DeepCube是唯一能够证明必要的范式转变来改变这一点的公司，” Ashkenazi说。“ DeepCube的技术具有在半导体，数据中心和边缘设备上解锁真正自主决策的能力，同时提高了速度并减少了内存。这对于深度学习的未来至关重要。”

星座研究公司(Constellation Research Inc.)的Holger Mueller告诉SiliconANGLE，人工智能的终极奖项之一是提供可改变业务成果的深度学习功能。

Mueller说：“当软件可以自行学习并根据数据进行更改时，我们将通过自动化实现关键的自动化。” “边缘位置在深度学习自动化中特别受关注，因为设备需要在没有人工操作且功能和带宽受限的情况下运行。”

DeepCube表示，它将把新的资金用于研究工作和扩大其软件市场。