從開源到商業，他用了七年時間做出深度學習定製庫

GotoBLAS是一個開源程序庫，由日本開發者Kazushige Goto於2002年寫成，最初針對奔騰4處理器進行了優化，並設法將基於該CPU的超級計算機的性能從1.5 TFLOPS提高到2 TFLOPS。由此，逐漸吸引了大量來自世界各地的開發者，張先軼也是其中之一。

2010年，因Goto個人原因，GotoBLAS停止更新，很多開發者在郵件組裡曝出Bug，追問為何沒有修補。此時，遠在中科院的張先軼萌生想法。2011年，基於GotoBLAS的原有基礎，他創建了開源矩陣計算庫OpenBLAS，領導著一個小團隊不斷進行修補和維護。

OpenBLAS頁面

創建之初，張先軼就想把它作為一個全球化的系統，而不僅僅面向國內。一開始便放到GitHub上，所有的文檔、注釋都用英文寫成，以此吸引更多國外開發者來試用。

除了性能因素，適應範圍也是對於一個「庫「的評價標準。OpenBLAS逐漸涵蓋了市面上幾乎所有的處理器架構，比如Intel、AMD的 X86、ARM的V7V8，還有IBM的Power等。

逐漸，使用者越來越多，不斷反饋Bug，他們不斷修補，目前在矩陣計算的細分領域，成為影響力較大的開源項目。

現在證明當初的考慮是有效的，他們做了一個小統計，整體下載量排在第一的是美國。張先軼告訴雷鋒網編輯，通過這個平台，甚至還有亞塞拜然的開發者跟他聯繫，尋求指導。

除了開發者，很多廠商、研究機構也在用這個矩陣計算庫，比如IBM、華為等。但由於初建時的背景所限，OpenBLAS重點指向的是「科學計算」，但隨著深度學習的火熱，做「深度學習」優化的需求更多。

雖然OpenBLAS被越來越多的開發者所認可，但當時張先軼只是將其作為自己和一群志同道合的人的一個興趣，並沒有計劃將其作為創業項目。創建OpenBLAS的時候，他還在中科院攻讀博士學位，鑽研科學計算。2014年張先軼博士畢業後，想換個環境，正巧看到UT-Austin做GotoBLAS的那個組，在研究矩陣計算，研究方向一致，他很快就過去了。其實那個時候，他考慮過創業，只是找不到如何將這種非常底層的、強技術性的科學計算商業化。

在UT-Austin待了一年，張先軼接著到MIT做博士後。在參加了MIT-CHIEF中國創業論壇時，認識了很多創業者，迅速地掌握了「創業技能」，而此時此刻，人工智慧正在全球範圍內熱了起來。

來到MIT第9個月時，他等不及了，決定回國創業。

OpenBLAS創始人張先軼

2016年9月，張先軼通過FA（財務顧問）融到了紫牛資本和明勢資本合投的數百萬天使輪，並且組建了一個10人左右的團隊，聯合創始人包括中科院計算所助研、中科院博士後、中國海洋大學博士賈海鵬以及浪潮集團具備豐富市場和銷售經驗的邱凱。

而他們的產品，則是一個商業版本的「OpenBLAS「，區別在於OpenBLAS是為科學計算做的，商業版本則是為深度學習定製的；同時，也不僅僅局限在矩陣計算，還用到了一些其他的加速演算法。

在張先軼看來，現有相對成熟的通用型架構，還有很多潛力沒有挖掘出來。這裡可以分為兩個方面：

一方面，伺服器端。用X86+GPU做訓練，這個方面他們做的不多，並非不能做，而是認為伺服器端可以用錢來解決——如果訓練慢可以多買幾塊GPU就解決了。

另一方面，嵌入式端。張先軼認為在這個方面可做的東西多，也是未來大的趨勢。從去年開始，就有廠商把模型不只是部署到雲端，而是直接部署到手機、車載設備上直接跑計算，這樣做延遲低，交互性更好，在前端就把數據處理好了，特別是處理視頻流的時候。

在嵌入式端，限制於功耗、成本，不是光靠花錢就能解決的。而澎峰科技，通過底層庫的優化、框架的精簡、演算法模型優化相互配合，在嵌入式端非常有潛力。

在採訪的最後，雷鋒網問及未來一年的規劃，張先軼覺得未來一年能夠達到盈虧平衡，因為目前已經有不少廠商，通過他們的「開源版本「，敲著」商業版本「的門。他認為，澎峰科技做的最好的就是一體化的性能優化方案，計算機視覺、語音識別等公司，一定會需要他們來作為配合。目前，IBM在發布的PowerAI系統採用了OpenBLAS，除此之外Julia、GNU Octave、dmlc mxnet等也成為其用戶。

IBM的PowerAI系統採用了OpenBLAS

雷鋒網旗下垂直欄目微信公眾號「新智造」將持續關注國內外初創企業的相關消息，歡迎關注。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！