Unternehmensbeobachtung丨Xinpeisen führt die praktische Umsetzung von AI4M mit einer dreiteiligen geschlossenen Kreislauflösung durch
Vor dem Hintergrund der rasanten Entwicklung der AI4S (AI for Science)-Industrie versuchen zahlreiche Forschungsinstitute für neue Materialien und Forschungsgruppen an Universitäten, die Materialberechnung im Rahmen von AI4M (AI for Materials) mit allgemeinen CPUs und GPUs durchzuführen. CPUs und GPUs leiden jedoch unter Problemen wie Speicherwand und Leistungsverbrauchswand, was zu langsamer Materialberechnung, hohem Energieverbrauch und Schwierigkeiten bei der praktischen Umsetzung von Atomsimulationen großer Systeme führt. Gleichzeitig gibt es bei den meisten auf dem Markt angebotenen Materialberechnungsdiensten eine mehrschichtige Untervergabe, sodass die Wissenschaftler mit der Situation konfrontiert sind, dass die Berechnung langsam ist, die Daten unzuverlässig sind und die Kosten unerschwinglich sind.
Als Vertreter der AI4S-Unternehmen im Großbuchtgebiet hat Guangdong Xinpeisen Technology Co., Ltd. um die atomare wissenschaftliche Berechnung einen praktischen Pfad erforscht, bei dem Hardware-Rechenleistungsgrundlage, intelligente KI-Tools und professionelle wissenschaftliche Forschungsdienste zusammenwirken, um neue Lösungsansätze für den Bereich der Materialforschung und -entwicklung zu bieten.
Wer ist Xinpeisen: Gründungsteam mit Hintergrund der Tsinghua-Universität und technologischer Route des „Nicht-von-Neumann“-Systems
Xinpeisen konzentriert sich auf den Bereich AI4M (künstliche Intelligenz zur Förderung der Materialforschung und -entwicklung) und befasst sich mit der Forschung, Entwicklung und dem Verkauf von Berechnungswerkzeugen wie spezialisierten Rechenchips, Beschleunigungskarten, Servern und Clustern für diesen Bereich sowie Berechnungsdiensten wie Cloud Computing, Entwicklung von vertikalen Modellen, Design von Berechnungslösungen und Schulung zu Berechnungstechnologien. Das Unternehmen positioniert sich nicht als reiner Chiphersteller, sondern strebt danach, ein doppelter Vorreiter für die Rechenleistungsgrundlage und Anwendungslösungen von AI4M zu sein und ein dreigliedriges geschlossenes Ökosystem zu aufbauen, das aus „Super-Terminal (Xinpeisen · MaterHaven) + Intelligenzagent (Xinpeisen · MaterPlato) + Berechnungslösung (Xinpeisen · SwiftMater)“ besteht.
Die Kerntechnikroute von Xinpeisen ist die spezialisierte Chiparchitektur nach dem „Nicht-von-Neumann“-Prinzip. Es wurde bereits das atomare Materialberechnungswerkzeug APU (Atomistic Processing Unit) entwickelt – ein spezialisierter Rechenchip, der speziell für die atomare Materialberechnung konzipiert ist. Im Gegensatz zu herkömmlichen allgemeinen Chips gestaltet die APU die untere Architektur entsprechend den Berechnungsmerkmalen der Atomsimulation neu und durchbricht die Engpässe der „Speicherwand“ und der „Leistungsverbrauchswand“.
Der Hintergrund des Teams dieses Unternehmens ist ebenfalls bemerkenswert. Professor Liu Jie, Mitbegründer, Vorsitzender und Chefwissenschaftler, ist Professor zweiter Klasse und Doktorvater an der Hunan University. Er hat einen doppelten Bachelor-Abschluss in Elektro- und Elektroniktechnik sowie Informatik an der Huazhong-Universität für Wissenschaft und Technik, einen Master-Abschluss am Fachbereich Elektrotechnik der Tsinghua-Universität, einen Doktorgrad in Elektrotechnik und einen Master-Abschluss in Angewandter Mathematik an der Universität Washington in den USA. 2024 wurde er in das nationale „Tausend-Talente-Programm“ als führendes Talent aufgenommen. Er war früher als leitender Fachingenieur für Forschung und Entwicklung bei Synopsys in den USA und als Praktikumsingenieur bei Micron tätig, hat 6 von Huawei beauftragte Forschungs- und Entwicklungsprojekte im Chipherstellungsbereich übernommen, mehr als 60 wissenschaftliche Arbeiten in internationalen hochrangigen Zeitschriften und Konferenzen veröffentlicht und mehr als 10 US-Patente und PCT-internationale Patente sowie über 30 chinesische Erfindungspatente angemeldet.
Herr Fan Zhengwei, Mitbegründer und Geschäftsführer, hat einen Bachelor-Abschluss an der Fakultät für Elektrotechnik der Wuhan-Universität, wurde direkt zum Masterstudium am Fachbereich Elektrotechnik der Tsinghua-Universität zugelassen und wechselte später zum Institut für Wirtschaftswissenschaften der Tsinghua-Universität, sodass er die Vorteile von Ingenieurwissenschaften und Wirtschaftswissenschaften kombiniert. Er hat lange Zeit auf einer Billionen-Yuan-Fondsplattform Forschungen und Investitionen im Technologiebereich durchgeführt und verfügt über reiche doppelte Perspektiven aus Investitionen und Industrie.
Dreigliedrige geschlossene Materialberechnungslösung: Ganzstapeliger geschlossener Kreislauf von Chips bis zu Diensten
„Einige Außenstehende verstehen Xinpeisen fälschlicherweise einfach als Unternehmen, das nur Chips herstellt, das ist eine Fehlinterpretation unseres Modells“, sagte Herr Fan Zhengwei, Mitbegründer und Geschäftsführer von Xinpeisen, in einem Interview. „Der APU-Chip von Xinpeisen ist die Hardware-Grundlage des gesamten Systems, aber was die wissenschaftlichen Kunden wirklich brauchen, ist eine vollständige Materialforschungs- und Entwicklungslösung, die praktische Forschungsprobleme lösen kann. Hardware-Rechenleistung, intelligente KI-Tools und professionelle wissenschaftliche Forschungsdienste sind unverzichtbar, das ist auch der Ausgangspunkt für den Aufbau unseres dreigliedrigen geschlossenen Ökosystems.“
Zuerst das erste Glied des dreigliedrigen geschlossenen Kreislaufs ist das Super-Terminal Xinpeisen · MaterHaven, ein Materialberechnungswerkzeug, das auf dem selbst entwickelten APU (Atomistic Processing Unit)-Chip basiert.
Im Gegensatz zur Route allgemeiner Chips verwendet der APU von Xinpeisen auf einzigartige Weise die spezialisierte Chiparchitektur nach dem „Nicht-von-Neumann“-Prinzip, gestaltet die untere Ebene entsprechend den Berechnungsmerkmalen der Atomsimulation neu und löst gezielt die Engpässe von Speicherwand und Leistungsverbrauchswand. Messdaten zeigen, dass in Szenarien der atomaren wissenschaftlichen Berechnung wie molekulardynamische Simulationen im maschinellen Lernen (MD) und Dichtefunktionaltheorie (DFT) die Berechnungsgeschwindigkeit von APU im Vergleich zu herkömmlichen CPUs/GPUs um 1 bis 3 Größenordnungen gesteigert und der Energieverbrauch um 1 bis 2 Größenordnungen gesenkt wird, sodass es mehrstündige ununterbrochene Simulationen im Umfang von 100 Millionen Atomen mit Genauigkeit der ersten Prinzipien unterstützen kann. Der auf diesem Chip als Kern aufgebaute HeXi-Server verwendet eine ultra-heterogene Berechnungsarchitektur (Zusammenwirken von CPU+GPU+APU) und festigt die Hardware-Grundlage der Lösung für die durch künstliche Intelligenz geförderte Materialforschung und -entwicklung.
Ausschließlich mit leistungsstarker Hardware kann der volle Wert der Rechenleistung kaum entfaltet werden. Das zweite Glied des dreigliedrigen geschlossenen Kreislaufs ist der intelligente Agent für Materialforschung Xinpeisen · MaterPlato. Im herkömmlichen Materialberechnungsablauf verbringen Wissenschaftler viel Zeit mit wiederholenden Arbeiten wie manueller Modellierung, wiederholter Parameteranpassung und Fehlerbehebung. Als internes KI-Werkzeug zur Effizienzsteigerung kann Xinpeisen · MaterPlato die Automatisierung des gesamten Ablaufs wie intelligente Parameteroptimierung, automatische Modellierung, Fehlervorhersage und unterstützende Nachbearbeitung realisieren. Fan Zhengwei erläuterte gegenüber Reportern: „Dieses intelligente KI-Werkzeug für Materialberechnung lernt kontinuierlich aus echten Projekten und bildet einen Wachstumszyklus: Rechenleistung erzeugt Daten, Daten trainieren Modelle, Modelle fördern die Effizienz.“
Das dritte Glied des dreigliedrigen geschlossenen Kreislaufs ist das vollzeitliche, direkt verwaltete Team mit Master- und Doktorgrad von Xinpeisen · SwiftMater – es gestaltet die Produktionsbeziehung der Materialberechnung neu.
Heutzutage verwenden viele Materialberechnungs-Auftragsdienste in der Branche noch das Modell von Vermittlern mit mehrschichtiger Untervergabe, was Probleme wie undurchsichtige Preise und schwierige Rückverfolgbarkeit der Ergebnisse mit sich bringt. Xinpeisen hingegen lässt sein vollzeitliches Team mit Master- und Doktorgrad die PIs von Universitäten und Forschungsgruppen von Unternehmen direkt betreuen, entfernt alle zwischengeschalteten Preisaufschläge und sorgt durch ein dreistufiges Qualitätskontrollsystem in Kombination mit einer rechtlich wirksamen Entschädigungsgarantie dafür, dass „pünktlich, genau und rückverfolgbar“ nicht nur ein Versprechen, sondern ein Standard wird.
Der Wert von Xinpeisen liegt nicht nur in der Vorstellung des „Super-Terminals für Materialforschung“, sondern vor allem in seiner präzisen Antwort auf einen Branchenschmerzpunkt: Der Engpass der Rechenleistung bei der Materialforschung erfordert nicht nur schnellere Chips, sondern eine systematische Lösung von der unteren Hardware bis zu den oberen Diensten.
Gegenwärtig befindet sich das inländische AI for Science noch in der entscheidenden Phase der industriellen Umsetzung. Die meisten Unternehmen im Bereich der Materialberechnung wählen punktuelle Durchbrüche: Einige konzentrieren sich auf die Forschung und Entwicklung von Hardware-Chips, andere legen Wert auf Algorithmus-Werkzeuge, wieder andere bieten nur Auftragsberechnungsdienste an. Die Materialberechnung selbst ist jedoch ein Bereich, in dem Hardware, Algorithmen und wissenschaftliche Forschungsdienste tief miteinander verbunden sind. Der Kernwert des dreigliedrigen geschlossenen Modells von Xinpeisen besteht darin, die Kette von der Rechenleistungsgrundlage, dem vertikalen intelligenten Agenten bis zu den direkt verwalteten wissenschaftlichen Forschungsdiensten zu verbinden und so zu vermeiden, dass die Hardware-Leistung von den tatsächlichen Anforderungen der Forschung abgekoppelt wird. In Zukunft wird die dreigliedrige geschlossene Lösung wahrscheinlich zu einer wichtigen Entwicklungsrichtung für die durch künstliche Intelligenz geförderte Materialforschung werden. Es ist zu erwarten, dass mehr lokale technologische Innovationsunternehmen kontinuierlich Technologie anhäufen und die Rechenleistung tatsächlich in die Innovationsdynamik der neuen Materialindustrie umwandeln.