伊辛智能（Yising Intelligence）完成新一轮近亿元融资。这家公司的技术源自中国科学院半导体研究所，瞄准的是组合优化问题——用光电硬件提供专用求解能力，并探索把伊辛机作为一种新的计算单元，接入现有的异构计算架构。
蓝驰创投领投了伊辛智能的天使轮，并在Pre-A轮继续跟进，陪伴团队探索新型光电计算架构的研发与商业化。
过去一年，伊辛智能在产品化上也在稳步推进：从需要人工建模、现场编程和维护的科学原型，走向可通过API调用、能接入客户现有软件与计算工作流的产品。
什么是伊辛机
要理解伊辛机的价值，可以先看GPU的发展史。一个思想实验：GPU的本质是什么？最流行的答案当然是"算力"，但这个答案其实只对了一半。
很长一段时间里，GPU被习惯性称为"显卡"。它最初的设计目的是帮计算机处理图形、渲染3D模型、处理图像纹理。这些任务不复杂，但特点是计算量巨大。也就是说，在它存在的大部分时间里，GPU最大的存在感确实是"专用算力"。
但谁会把这个东西和"处理器"这个带有智能意味的词联系在一起？英伟达和黄仁勋改变了这一切。英伟达的突破在于让GPU流水线不再固定，而是完全可编程，并开发了计算平台CUDA。借助CUDA，GPU的特性被不断放大——GPU本质上是成千上万个处理核心堆叠在一起，擅长并行处理大量简单、重复的计算任务——神经网络因此成为可能，最终需要海量矩阵乘加运算的AI模型训练也成为可能。
所以对开头那个问题，最时髦的答案是：GPU当年就应该被视为一种"新的计算范式"。
异构计算留下的空位
过去两年，除了大模型军备竞赛，算力也成为各方争夺的基础资源，而异构化与专用化是优化算力瓶颈的重要方向之一。CPU负责通用逻辑与协调，GPU擅长大规模并行矩阵运算，TPU为AI中的张量计算提供专用加速。这些计算单元的协同，构成了异构计算的基本思路。
而一些涉及"怎么选、怎么分、怎么排"的组合优化任务，则为新的专用计算单元留出了空间。肖叶和伊辛智能选择的"伊辛机"，正是针对这一问题的一个前沿答案。
"伊辛"这个名字来自物理学中的"伊辛模型"。最初，德国物理学家恩斯特·伊辛发明这个模型，是为了描述磁性材料在相互影响后的排列规律。伊辛发现，在自然状态下，这些磁性材料会不断调整，最终趋向能量最低、整体最稳定的状态——后来的工程师意识到，现实中的许多场景可以写成同样的结构，从而为这一整类新问题设计出专用的物理系统。
这就是"伊辛机"的原理——可以把它理解为一台专门用来"帮人做选择"的计算机。普通计算机擅长执行确定性运算，比如处理文档、训练模型、渲染图像。伊辛机处理的是另一类问题：当候选方案太多、无法逐一比较时，如何快速找到一个足够好的方案。比如，1000辆车怎么走路线，才能让拥堵和空驶最少？工厂订单很多，怎么排产才能缩短交付周期？
这些问题中，不少典型案例属于NP-hard类。随着规模扩大、约束增多，计算量会爆炸式增长，很容易成为计算流程中的关键瓶颈。把伊辛机作为一种专用计算单元接入现有计算系统，让它处理合适的组合优化任务，有望缓解这些求解瓶颈，从而提升整体计算效率——让系统在给定的时间和成本约束内处理更大规模的问题，或者获得更高质量的方案。
一条早已开始的商业化探索
在扎实的理论基础上，"伊辛机"的商业化探索其实开始得相当早。比如，全球第一家实现商业化量子计算的公司D-Wave，主要聚焦基于超导电路的伊辛机/逻辑门机，早在1999年就组建了团队，并在2011年就发布了首款产品D-Wave One。
热门跟贴