演算法封裝可重構平台

『壹』 （轉）物流優化演算法處理流程及演算法服務平台建設

轉自：吉勍Personal

http://www.jiqingip.com/page9001?article_id=94

演算法處理流程

物流方向的大多數業務演算法處理流程基本是按照模型建立、演算法開發、演算法測試流程進行，具體步驟如下：

模型建立

大多數優化問題都能構建成線性規劃、非線性規劃或混合整數規劃等數學模型。這些模型需要根據實際業務確定，模型主要包含以下因素：

1）  優化目標

2）  決策變數

3）  約束條件

演算法開發

模型的求解可根據實際的業務情況（問題復雜程度、數據規模、計算時效要求）等採用合適的精確演算法和近似的最優化演算法進行求解。

模型精確計算

模型精確求解有一些商業和開源的求解器，如下：Gurobi、Cplex、SCIP、OR-Tools、Glpk等，可以根據實際情況選擇合適的求解器。

最優化演算法計算

最優化演算法也有很多，比如變鄰域搜索演算法、自適應大鄰域搜索演算法、禁忌搜索演算法、模擬退火演算法、遺傳演算法、蟻群優化演算法、粒子群優化演算法、人工魚群演算法、人工蜂群演算法等，可以根據適用情況選擇。

業務相關開放項目計算

解物流領域的某些項目可以利用一些開放性的項目來求解，如求解車輛路徑問題的jsprit、求解排程類問題的optaplanner等，這類問題在模型建立好之後可以調用這些開放性項目來求解。

演算法測試

生產數據測試

物流方向的項目基本都是優化類型的項目，每個項目對應的業務環節一直在運行，涉及到的優化問題或者是業務系統簡單處理，或者人為計算，對於演算法有效性的檢測可以把這部分生產數據獨立抽離出來，經過優化演算法計算之後跟原有系統數據進行相關的對比，來評價演算法的優化效果。

模擬測試

物流的優化不像互聯網應用可以採用流量灰度的方式進行直接的驗證，並且物流系統的鏈路非常長，單點的改變可能引起上下游的變化。在決策優化的過程中需要同時使用優化求解及模擬技術來驗證或提供決策依據。模擬測試驗證大致需要以下過程：

1）  定義模擬模型確定績效指標體系

2）  輸入演算法結果數據到模擬模型進行模擬計算

3）  根據模擬模型的模擬結果計算績效指標，以反饋演算法的優化效果。

演算法服務平台建設

實際業務中的很多應用場景都可以抽象成同一類演算法問題。演算法在解決不同應用場景業務問題時，相關模型、處理流程及計算方法也都大致相同，因此可以對這類問題的演算法，按照其處理流程從業務中剝離出來，封裝好演算法的輸入、輸出及計算邏輯，構建統一的演算法服務平台。

VRP演算法服務

比較經典的VRP問題就會應用到很多業務場景，即時配、大件配送、冷鏈配送、門店補貨等。這些業務場景對於大型零售商來說是比較常見的，因此構建可靈活配置的VRP演算法服務平台，可達成一次構建，多場景應用的效果。

排班演算法服務

排班問題也是一樣，無論是生產線工人排班、司機排班、客服排班還是門店工作人員排班，這些都是排班問題應用的業務場景。通過構建可靈活配置的排班演算法服務平台，可解決多個業務場景的排班問題。

裝箱演算法服務

裝箱問題也有著豐富的應用場景，無論是商品配送的車輛裝箱、運輸網路的車型推薦及包裝作業的包材推薦都是裝箱問題的業務場景。構建靈活的裝箱演算法服務平台，可通過配置有效的解決各業務場景的裝箱問題。

運籌規劃演算法服務

無論是上面提到的一些演算法服務還是其他組合優化問題，都可以構建成運籌優化問題來解決。大家熟知的google or-tools就是組合優化問題的工具包。我們也可以根據自身的業務特點構建適合業務場景的運籌規劃演算法服務，底層可以調用不同的求解器，可以是商業求解器，如gurobi、cplex等，也可以是開源求解器，如scip、glpk等；也可以是一些最優化演算法，如鄰域搜索等。

『貳』 瀾起科技「趕考」：預計估值下調100億，對Intel承諾回購

科創板上會節奏趨於常態化。5月30日，瀾起 科技 披露了第三輪問詢的回復。

時隔四天，也就是6月3日瀾起 科技 再披露上會稿，即將「趕考」11日舉行的科創板第3次上市發審會。

作為科創板的晶元獨角獸，「重量級選手」瀾起 科技 的上會頗受關注。

三輪問詢過去，從一開始的49個問題到6個問題，從核心技術到信息披露，上交所審核中心的問題全面且深入。

新浪 財經 注意到，瀾起 科技 的發行估值從最初的220億元下調至120億元。

此外，從技術層面以及公司獨立性上，瀾起 科技 與Intel的關系被多次問詢。而最新回復顯示，公司2019年業績存在下滑風險。

預計估值下調100億元

招股說明書顯示，瀾起 科技 成立於2004年，2013年9月在美股納斯達克上市，發行價為10美元/股。

一年不到，公司就從美股私有化退市，私有化的價格為22.6美元/股，私有化金額總計6.93億美元，摺合人民幣47.8億元。

從美股退市後，瀾起 科技 在2018年完成股份制改革，繼而遞交了科創板招股書。

這期間，瀾起 科技 發生過多次增資擴股和股權轉讓。

從時間上來看，最近一次增資發生在2018年11月末，當時Intel Capital以1.75億美元的價格認購10168萬股新增股份，SVIC No． 28 Investment以0.2億美元的價格認購1130萬股新增股份。

此次交易瀾起 科技 整體估值為17.51億美元，摺合人民幣120.6億元。

此時，正是瀾起 科技 沖擊科創板的四個月前，英特爾搭上了「突擊入股」的班車。

值得關注的是，在這筆交易發生之前，瀾起 科技 第二次股權轉讓的整體估值僅51.34億元，僅6個月公司增值率135%。

不僅如此，保薦機構還將發行預計市值定為不低於220億元，半年時間，瀾起 科技 的估值較第六次增資高出100億元。

發審委要求瀾起 科技 說明估值迅速增長的原因，以及中介機構對發行預計市值的評估依據是否充分、評估結果是否謹慎。

瀾起 科技 的回復表示，51.34億元估值對應2017年扣非後凈利潤的市盈率倍數為18.71，120億估值對應2018年扣非後凈利潤的市盈率倍數為17.18，兩次增資的市盈率倍數基本一致。

至於估值迅速增長有兩個原因，一是公司業績增長較快，二是投資者認可公司業務價值及未來業績增長。

而220億的發行預計市值，保薦機構分析師參考了同行業上市公司匯頂 科技 和兆易創新的平均市盈率78.18和平均市銷率12.53。

按照這兩種估值方法，計算出瀾起 科技 的估值分別為576.09億元、和220億元。

並且表示公司還未上市的增資與股權轉讓價格與上市後發行估值不具備可比性，發行預計市值理論上也不能低於最近一次增資價格。

但這一說法顯然沒有說服上交所審核中心。

其在第二次問詢中問道，Intel投後估值17.51億美元（120億人民幣），發行人預計市值不低於220.1億人民幣，Intel入股時是否已經有明確的上市預期，入股價格是否公允。

這一次，瀾起 科技 否認短期內存在上市預期，不得不搬出上市公司收購同行業公司的估值水平，以及Intel同期投資同行業其他項目的估值水平，市盈率在15.87-18.57倍，不存在差異，具有公允性。

Intel投後的估值120億算是解釋完了。

至於220億元的發行預計市值，在瀾起 科技 的第二次回復中，保薦機構將發行預計市值更新為不低於120億元。

對此有投行人士表示，第一次預計估值給了一個很高的估值，但是理由解釋的很牽強。

鑒於之前科創板保代擅自修改問詢問題的案例在先，第二次選擇不低於最後一輪投資的投後估值這種最安全的說法，是為了申報通過打的安全牌。

與Intel的關系被多次詢問

就在Intel入股的同一年，瀾起 科技 對Intel的采購突增。即是客戶又是供應商，同時還是股東的情況下，Intel與瀾起 科技 的復雜關系被科創板發審委三次問詢，這既包括技術層面也包括公司獨立性。

2018年，瀾起 科技 對Intel的銷售額為560萬元，采購額突增2709萬元。這與瀾起 科技 的另一項產品津逮伺服器CPU有關。

報告期內，瀾起 科技 與清華大學、Intel合作研發津逮®伺服器CPU，該產品需要向Intel采購通用CPU內核晶元，成本佔比在90%左右。

目前尚在研發階段，銷售收入主要為工程樣品，佔比不高。此次23億募資項目，將有7.5億元用於該產品的研發。

基於這個背景，瀾起 科技 與Intel產生了采購的關聯交易，未來計劃提高津逮伺服器CPU以及混合安全內存模組的銷售規模。

這就存在兩個方面的問題。

一方面，研發成果歸屬及技術依賴性問題。瀾起 科技 負責整體模塊及部分晶元的設計，清華大學提供可重構計算處理器（RCP）的演算法，Intel提供其通用CPU內核晶元，並由瀾起 科技 委託第三方進行晶元製造、封裝和測試。

研發成果津逮®伺服器CPU品牌及產品產權歸瀾起 科技 所有。至於知識產權的所有權，則按照共同開發的三方分配，自主開發則單獨享有所有權。

另一方面，Intel通用CPU內核晶元在津逮®伺服器CPU成本中的佔比較高。

隨著津逮®伺服器CPU及其平台技術升級項目實施，關聯交易的規模將擴大，瀾起 科技 對Intel是否會形成重大依賴。

並且，Intel作為瀾起 科技 的股東，上述募投項目實施後，預計新增與Intel關聯交易的規模，交易定價是否公允？是否對瀾起 科技 的獨立性產生不利影響？

2018年Intel增資入股時，雙方就公司治理、股份轉讓限制、優先購買權、共同出售權及其他方面的權利進行了約定。Intel享有包括重大事項一票否決權及回購權等權利。具體協議如下：

i． 財務信息知情權（合理時間內獲取年報和季報的權利）；

ii． 指派董事會觀察員事項（有權委派一名董事會觀察員列席董事會，但無任何錶決權）；

iii． 其他保護性事項（享有否決權），即未經Intel Capital同意，公司不得從事如下行為：

a． 導致公司解散或清算的行為或為債權人利益提起破產、破產管理等程序；

b．導致公司控制權變更的行為或全部或實質資產的出售、抵押或轉讓的行為；

c． 根據公司章程需要經公司董事會同意的關聯交易行為；

d．對公司經營范圍進行變更且該變更將對公司履行商業協議產生不利影響。

瀾起 科技 將上述稱之為保護投資人自身的投資利益的「消極保護性」權利，並強調這不屬於對賭協議。

雙方約定，如果2021年5月公司還未完成上市，上述股東有權要求公司按其投資成本回購股份。

若成功上市，Intel享受的相關保護性權利也隨之終止。

從這個角度看，Intel財務投資人的角色似乎很明確。但在報告期內，Intel定期向瀾起 科技 支付研發支持費用，合計金額約為210萬美元。

雙方的交易往來，瀾起 科技 需要在回復中詳細解釋。

下遊客戶出貨量下滑

除此之外，根據瀾起 科技 最新回復，公司2019年面臨下遊客戶出貨量下滑的風險。

一季度財報顯示，瀾起 科技 下遊客戶出貨收入均出現了20%以上的下滑：三星電子下滑33.81%，海力士下滑22.24%，美光 科技 下滑27.87%。

三星電子表示受主要客戶去庫存影響需求疲軟，2019年一季度存儲類產品收入同比下滑；

海力士的DRAM產品其中單價下滑為主要原因；

美光 科技 主要受移動通信市場季節性需求疲軟和市場環境影響，造成DRAM產品單價下跌和銷量的小幅下滑。

這與相關行業研究報告的觀點一致：從2018年下半年開始DRAM價格進入下行周期，預計DRAM市場在2019年消化庫存，並在2020年前後隨著5G、AI、大數據的應用推動需求增長。

而在DRAM市場，三星電子、海力士、美光 科技 行業前三名合計市場佔有率超過90%。

根據首輪問詢回復，這三家也是瀾起 科技 的前五大客戶。報告期內，瀾起 科技 對前五大客戶的銷售佔比分別為70%、84%、90%。

集中度較高的下遊客戶出貨量下滑，對瀾起 科技 或產生不利影響。

盡管瀾起 科技 表示，公司2019年一季度收入及出貨量均同比增長，截至目前未對公司造成重大不利影響。但產業鏈的傳導或存滯後性。

如果DRAM行業景氣度進一步下滑或回升不及預期，將有可能導致主要產品內存介面晶元的市場規模同步出現下滑或增速放緩，可能對公司未來業績造成一定不利影響。

（文/公司觀察）

往期回顧

版權說明：如轉載涉及版權等問題，請發送消息至公眾號後台與我們聯系，我們將在第一時間處理！

投稿及商務合作請聯系：

[email protected]

『叄』 數據智能運用有什麼的好處

輕量應用，降低大數據應用成本。平台基於微服務架構搭建，松耦合的方式具有極高靈活性，既能在企業單機伺服器部署應用，又能兼容華為雲、阿里雲、騰訊雲等主流雲伺服器的搭建部署，節省伺服器管理運維成本，降低用戶應用大數據的負擔。
機器學習，提升數據挖掘深度。平台封裝業內成熟演算法的運算元和演算法模板，供用戶學習應用，自行拖拉拽構建演算法模型，藉助演算法平台的自定義演算法模型模式和演算法服務發布功能逐步提高用戶構建演算法的能力，提升數據挖掘深度。
宏橋高科平台以大數據、AI為技術核心，基於微服務架構，構建智能化、通用型、全棧式的數據自助服務平台。通過自助式的功能交互，為用戶提供數據的接入、轉換、加工、挖掘、建模、呈現、發布等全方位、智能化的產品功能與服務，被廣泛地運用到多個領域，包括跨境電商、政務服務、智慧城市、零售業、物流運輸及供應鏈。

『肆』 我現在有一C++寫的演算法程序，我現在想把它封裝成庫函數，接下來在另外的模塊中調用我這個庫中的main函數

將聲明和實現寫在一個XXX.h的頭文件中，前提是測試通過並可以成功運行的。然後將你寫的這個頭文件放到你安裝目錄的include文件夾裡面，再在主函數裡面直接調用就可以了，跟調用常見的庫函數一樣調用。

『伍』 基於FPGA的動態可重構實現

演算法上不懂，FPGA設計的話，對於規模不大的全新設計，最好採用自上而下的設計方法，即先整體後部分，把整個控制邏輯構思好，畫出系統功能框圖，分配各個子模塊的功能和連接關系，最後用Verilog或vhdl實現子模塊，不容易出錯。
你現在有了程序，只需在一個原理圖頂層文件里調用他們就行了，設置好輸入輸出和模塊間管腳互連，綜合、模擬、分配管腳、下載程序。還是找本vhdl或FPGA的書吧，比如altera FPGA設計或xilinx FPGA設計。

『陸』 關於虛擬裝配中碰撞檢測的問題。請問RAPID,OPCODE,QUICKHULL,SWIFT和SWIFT++等演算法是基於什麼平台的

我也是剛剛接觸，Opcode是window的，VC6.0 或者更高7.0，打算用這個做碰撞檢測，SOLID是Linux平台的，或者VC5.0，一直沒去真的看過，其他的RAPID網上看到過，Opcode兩個做過對比，目前只知道這些了。

『柒』 可重構計算的可重構計算優點

可重構計算（CGRA）架構本質上是一種空域上的並行計算模式，通過空域硬體結構組織不同粒度和不同功能的計算資源，通過運行過程中的硬體配置，調整硬體功能，根據數據流的特點，讓功能配置好的硬體資源互連形成相對固定的計算通路，從而以接近「專用電路」的方式進行數據驅動下的計算(如圖1所示)。

所以可重構計算架構晶元具有高性能，低功耗的特點。

『捌』 區塊鏈技術的架構模型包含了哪些

金窩窩分析區塊鏈技術的架構模型如下幾點：
1、數據層
數據層封裝了底層數據區塊以及相關的數據加密和時間戳等技術；
2、網路層
網路層則包括分布式組網機制、數據傳播機制和數據驗證機制等；
3、共識層
共識層主要封裝網路節點的各類共識演算法；
4、激勵層
激勵層將經濟因素集成到區塊鏈技術體系中來，主要包括經濟激勵的發行機制和分配機制等；
5、合約層
合約層主要封裝各類腳本、演算法和智能合約，是區塊鏈可編程特性的基礎；
6、應用層
應用層則封裝了區塊鏈的各種應用場景和案例。

『玖』 可重構計算晶元與其他架構晶元有什麼不同，為什麼可以做到更高的能效比

可重構計算架構（Coarse-，CGRA），是指能根據變換的數據流或控制流，對軟體和硬體結構進行動態配置的計算模式。

CGRA最大的優勢就是能通過空域硬體結構組織不同粒度和不同功能的計算資源，通過通過運行過程中的硬體配置，調整硬體功能，根據數據流的特點，讓功能配置好的硬體資源互連形成相對固定的計算通路，從而以接近「專用電路」的方式進行數據驅動下的計算(如圖所示)。當演算法和應用變換時，再次通過配置，使硬體重構為不同的計算通路去執行。一方面，因為沒有傳統指令驅動的計算架構中取指和解碼操作的延時和能耗開銷，二是在計算過程中以接近「專用電路」的方式執行，是一種高效而靈活的計算架構，所以在能在算力和能耗上取得很好的平衡，達到更高的能效比。

補充一下與傳統晶元的對比：

CPU架構基於通用指令，以時域執行模式進行計算，非常靈活。但是取指，解碼開銷大，若碰到條件分支預測等，控制代價大。同時，計算過程中時域執行方式下，數據復用率低，頻繁訪存能耗開銷大。

GPU架構採用了基於指令的SIMD執行方式，考慮了比如3D圖形處理等通用需求，除了取指，解碼代價開銷外，還會有高吞吐高帶寬設計，在實際AI處理過程中，帶寬和資源利用率隨著變化大，利用效率低，能耗開銷大。

NPU計算架構對特定神經網路進行了定製化，其仍然是基於指令執行的方式，指令讀取和解碼開銷不可以避免，同時，對於沒有定製的層，無法很好處理，靈活性受限。CGRA相比NPU能夠有10倍以上的性能提升。

FPGA計算架構細粒度位級別，基於查找表的執行方式，硬體可編程，非常靈活。然而，大量細粒度LUT使得內部連線非常復雜，大量基於存儲的LUT的存在和互聯線，也會耗費大量的功耗。