استارتاپ تراشه SiMa در فضای هوش مصنوعی کم مصرف موج می زند!

رویکرد ترکیبی سخت‌افزار و نرم افزار این شرکت معتقد است که رویکرد ترکیبی سخت‌افزار و نرم‌افزار می‌تواند به برجسته شدن آن کمک کند. استارت‌آپ تراشه SiMa با هوش مصنوعی Edge کم مصرف موج می‌زند. این شرکت معتقد است که رویکرد ترکیبی سخت‌افزار و نرم‌افزار می‌تواند به برجسته شدن آن کمک کند. ظهور Edge AI عمدتاً […]

فهرست مطالب این مقاله

رویکرد ترکیبی سخت‌افزار و نرم افزار

این شرکت معتقد است که رویکرد ترکیبی سخت‌افزار و نرم‌افزار می‌تواند به برجسته شدن آن کمک کند.

استارت‌آپ تراشه SiMa با هوش مصنوعی Edge کم مصرف موج می‌زند.

این شرکت معتقد است که رویکرد ترکیبی سخت‌افزار و نرم‌افزار می‌تواند به برجسته شدن آن کمک کند.

ظهور Edge AI عمدتاً ناشی از تقاضای فزاینده برای قدرت استنتاج در دسترس کاربران است، زیرا سازمان‌ها به‌‍طور فزاینده‌ای به دنبال استقرار الگوریتم‌ها و مدل‌های هوش مصنوعی در دستگاه‌های Edge محلی هستند.

در حال حاضر، چشم‌انداز تراشه‌های هوش مصنوعی تا حد زیادی تحت سلطه تعداد انگشت‌شماری از فروشندگان است که شتاب‌دهنده‌هایی را برای پشتیبانی از حجم کاری رو به رشد در مراکز داده توسعه می‌دهند. با این حال، با رشد لبه، فرصت‌هایی برای شرکت‌های جدید ایجاد می‌شود تا از معماری مرکز داده منحرف شوند.

SiMa یکی از این شرکت‌ها است که در حال حاضر در بازار هوش مصنوعی Edge دست به دست می‌شود و امیدوار است که جایگاهی در بالای دستگاه‌های کم‌مصرف، مانند تراشه‌های تلفن، و تجهیزات مرکز داده بسیار قدرتمندتر ایجاد کند. این شرکت مستقر در سان خوزه در کالیفرنیا در سال ۲۰۱۸ توسط کریشنا رانگاسایی، مدیر اجرایی سابق Groq تأسیس شد، بخش مصرف انرژی ۵ وات تا ۲۵ وات را هدف قرار داده است، تا کنون یک سیستم یادگیری ماشینی روی تراشه (MLSoC) ایجاد کرده است که به مشتریان امکان می دهد آن را اجرا کنند. کل برنامه ها روی یک تراشه تا به امروز، این شرکت ۲۷۰ میلیون دلار سرمایه جذب کرده و نسل دوم عرضه خود را در سپتامبر ۲۰۲۴ راه اندازی کرده است و نمونه های آن در سه ماهه چهارم سال جاری در دسترس مشتریان قرار می‌گیرد.

در حالی که همه مشتریان SiMa عمومی نشده‌اند، اوایل این ماه شراکت با سازمان تولیدی TRUMPF را اعلام کرد که از این تراشه‌ها برای توسعه لیزرهای مجهز به هوش مصنوعی استفاده می‌کند. هنگامی که DCD در اوایل ژوئیه ۲۰۲۴ با معاون ارشد مهندسی و عملیات SiMa Gopal Hegde صحبت کرد، او فاش کرد که تراشه نسل دوم مبتنی بر فناوری فرآیند ۶ نانومتری TSMC ظرف چند روز به این شرکت خواهد رسید.

هگد کهنه کار صنعت تراشه و کارآفرین سریالی است که چهار سال پیش پس از حضور در مارول، که استارتاپی را خریداری کرده بود، به SiMa پیوست که قبلاً در آن کار کرده بود. او به ما می گوید که SiMa به طور خاص بازار لبه جاسازی شده را هدف قرار داده است، که شرکت آن را به عنوان لایه بین ابر و دستگاه‌های شخصی توصیف می‌کند.

SiMa  معتقد است که این بخش در حال حاضر حدود ۴۰ میلیارد دلار ارزش دارد و در این بازار، شرکت به برنامه‌های کاربردی در مراقبت‌های بهداشتی، خرده‌فروشی هوشمند، وسایل نقلیه خودران، دولت و رباتیک نگاه می‌کند. هگد می‌گوید: «هوش مصنوعی واقعاً در مراکز داده و ابر رشد کرده است، اما تقریباً ۱۰ سال طول کشید تا این اتفاق بیفتد. او می‌گوید این اتفاق در مورد هوش مصنوعی Edge نیز افتاده است، جایی که مجموعه‌ای از الزامات باعث شده است صنعت نسبتاً کند حرکت کند.

 

 

Hegde  سه چالش اصلی را شناسایی می‌کند!

هزینه، سهولت اجرا و عدم تجربه. Hegde می‌گوید SiMa با سایر شرکت‌های هوش مصنوعی در بازار متفاوت است، زیرا علاوه بر تلاش برای رسیدگی به مسائل هزینه و تجربه، راه‌حل نرم‌افزار Palette آن رویکردی بدون کد برای توسعه برنامه‌های یادگیری ماشین ارائه می‌دهد. او می‌گوید: «ما واقعاً روی زیرساخت‌های نرم‌افزاری مورد نیاز برای پیاده‌سازی هوش مصنوعی و یادگیری ماشین تمرکز می‌کنیم، که تفاوت اصلی بین ما و بسیاری از شرکت‌های دیگر است. بسیاری از رقبای ما سیلیکون عالی تولید می‌کنند و در بسیاری از موارد سیلیکون آن‌ها ممکن است بهتر از سیلیکون ما باشد. اما هیچ‌کس نرم‌افزاری مانند نرم‌افزار ما ندارد و هیچ‌کس به اندازه ما تلاش نمی‌کند که مشکل را به طور جامع حل کند تا نیازهای مشتریان خود را برآورده کند.»

این نیازهای مشتری شامل چالش‌های ناشی از حجم کاری پیچیده‌تر هوش مصنوعی است که هگد می‌گوید اکثر فروشندگان تراشه با «افزودن سخت‌افزار بیشتر و امیدواری رفع مشکل به آن پاسخ داده‌اند» متأسفانه، او می‌گوید، این گزینه برای مشتریان SiMa نیست، زیرا آن‌ها نمی‌توانند، برای مثال، پردازنده گرافیکی ۱ کیلوواتی بلک‌ول آینده انویدیا را روی Edge به کار ببرند، زیرا اکثر دستگاه‌هایی که برای اهداف Edge AI مستقر می‌شوند، مصرف انرژی تک یا دو رقمی پایینی دارند. البته، انویدیا نیز پیشنهادات Edge خود را دارد، از جمله پردازنده گرافیکی ۴۰-۶۰ واتی Nvidia A2 Hegde می‌گوید: «ما سیلیکون را پیچیده‌تر نمی‌کنیم، اما در حال بهبود قابلیت‌های پردازش و یادگیری ماشین هستیم. با نسل دوم [تراشه] خود، قدرت پردازشی دو برابر نسل اول داریم، بنابراین می‌تواند برنامه‌های پیچیده‌تری را پشتیبانی کند، و راه حل این مشکل با نرم‌افزار است.»

او افزود که برایSiMa، «نوآوری کلیدی» ارتباط زیادی با نحوه توسعه نرم‌افزار زنجیره ابزار ساختمان دارد که به شرکت اجازه می‌دهد تا شبکه‌ها را بسیار کارآمد بدون نیاز به استقرار سخت‌افزار بیشتر مدیریت کند. او می‌گوید این رویکرد کاملاً در تضاد با برخی از شرکت‌های بزرگ تراشه مانند Nvidia، Intel  و AMD است که به‌سادگی «هسته‌های GPU بیشتری را برای مشکل یا حافظه گران‌تر استفاده می‌کنند» که در نهایت سخت‌افزار را پیچیده‌تر و انرژی‌زاتر می‌کند و گران‌تر در عوض، با توزیع نرم افزار، SiMa  کارایی بسیار بیشتری دارد.

هگد می‌گوید: «ما در حال افزایش عملکرد به ازای هر وات این تراشه هستیم و شاهد بهبود بیش از ۵۰ درصدی هستیم. در مقایسه با نسل قبلی ما در پلتفرم شبیه‌سازی، در طول عمر محصول طی دو سال گذشته، ما فقط با ایجاد تغییراتی در نرم‌افزار، عملکرد را بیش از ۳۰ درصد بهبود بخشیده‌ایم.

 

بهبود دو برابری عملکرد در هر وات!‌

در نتیجه، طی ۱۲ ماه آینده، شرکت انتظار دارد شاهد بهبود عملکرد در هر وات تقریباً دو برابر شود. رقابت با انویدیا تقریباً غیرممکن است که در مورد تراشه‌های هوش مصنوعی بدون اشاره به انویدیا صحبت کنیم و در حالی که هگد می‌گوید سخت است که غول پردازنده‌های گرافیکی را صرفاً به دلیل تسلط کامل آن به عنوان یک رقیب نبینیم، در نهایت این دو شرکت دو پایگاه مشتری بسیار متفاوت را هدف قرار داده‌اند، مانند پایین‌ترین مشتری انویدیا راه‌حل برق همان مصرف برق را به عنوان پیشنهاد برتر SiMa ارائه می دهد.

و در حالی که انویدیا رکوردهای محک زدن عملکرد MLPerf را برای بارهای کاری ابری به ثبت رسانده است، هگد می گوید که عملکرد شرکت در مورد عملکرد Edge بالا نمی رود. در آگوست ۲۰۲۳، SiMa  اولین حضور خود را در MLPerf  در دور نسخه ۱/۳ انجام داد و با کیت Jetson Xavier NX انویدیا (۱۰-۴۰ وات) در تست بنچ‌مارک بسته Edge ResNet۵۰ به رقابت پرداخت SiMa  توانست تاخیر، راندمان انرژی و عملکرد کلی بهبود یافته را نشان دهد Hegde می‌گوید: «وقتی Nvidia بارهای کاری Edge را اجرا می‌کند، در واقع عملکرد چندان خوبی ندارند زیرا برای Edge بهینه نشده‌اند. بنابراین ما به MLPerf روی آوردیم تا اساساً با آن‌ها رقابت کنیم و در سه ارسال SingleStream، MultiStream و  Offline، در واقع هر بار آن‌ها را شکست دادیم.»

 

انویدیا در رده بسته Edge شرکت نمی‌کند!‌

Hegde  می‌گوید انویدیا دیگر در رده بسته Edge شرکت نمی‌کند، در عوض تلاش‌های خود را بر پروژه‌های دیگری متمرکز می‌کند که شرکت همچنان به رکورد زدن ادامه می‌دهد. با این حال، در حالی که SiMa قبلاً در قلمرو خود از Nvidia پیشی گرفته است، برخلاف دیگر استارت‌آپ‌های پیشرفته تراشه‌های هوش مصنوعی که شروع به بررسی ورود آینده به مرکز داده کرده‌اند، Hegde  خاطرنشان می‌کند که این مسیری نیست که SiMa در نظر گرفته است.

جاه طلبی ما این است که یک بازیگر کلیدی در بازار لبه‌های جاسازی شده باشیم و می‌خواهیم با پرداختن به سه موضوع اصلی که در مورد آن‌ها صحبت کرده‌ایم، به آن برسیم: هزینه، سهولت استفاده و استقرار و تسریع در پایان به پایان درخواست کامل شد در هر سه مورد، کاری که ما انجام می‌دهیم بسیار متفاوت از کاری است که انویدیا انجام می‌دهد و با کارهایی که همه رقبای ما انجام می‌دهند بسیار متفاوت است.»

بسیاری از رقبای ما سیلیکون عالی می‌سازند و در بسیاری از موارد سیلیکون آن‌ها ممکن است بهتر از ما باشد، اما هیچ‌کس نرم‌افزاری مانند ما ندارد و هیچ‌کس به اندازه ما تلاش نمی‌کند که مشکل را به‌طور جامع حل کند تا نیازهای مشتریانمان را برآورده کند.

مشتریان

رویکرد SiMa در تضاد مستقیم با برخی از شرکت‌های بزرگ تولید تراشه، مانند انویدیا، اینتل و AMD است که به سادگی هسته‌های گرافیکی بیشتر یا حافظه گران‌تر را به مشکل اضافه می‌کنند.

 

سخن پایانی

هوش مصنوعی که این روزها تحولات عظیمی را در صنایع مختلف ایجاد کرده است، در صنعت ساخت تراشه نیز تاثیر به سزایی داشته است. همانطور که در این مقاله توضیح داده شده است، صاحبان این صنایع به سمت تولیدات تراشه‌هایی می‌روند که با فناوری edge تطابق داشته باشد و بتوان از آن‌ها در زمینه‌های مختلفی استفاده کرد.

 

 

آیا این مطلب برای شما مفید بود؟


0 بازخورد

نظرات کاربران


آبگینه پرداز شرق