Шестгодишната стартираща компания Efinix създаде интригуващ обрат в FPGA технологията, доминирана от Intel и Xiliinx; компанията се надява нейните енергийно ефективни чипове да стартират пазара за вграден AI в Интернет на нещата.
Милиардите устройства, които се очаква да се разпространят през следващите години на „ръба“ на мрежите, като например автономни превозни средства и вграден интернет на нещата, поставят производителите пред затруднение: производителите искат да добавят интелигентност към устройствата чрез машина учат, но не могат да знаят какво точно да добавят, докато не тестват своите невронни мрежи и не видят какво работи там в пазар.
Идва, за да спаси положението, както те твърдят, е шестгодишна стартираща компания на име Efinix, базирана в Санта Клара. Компанията усъвършенства изкуството на програмируемите чипове. Сега той казва, че неговите клиенти могат да използват неговите части, за да тестват първо пазара за AI и след това, след като бъдат разработени правилните невронни мрежи, да произвеждат масово чипове, които да обслужват тези мрежи.
Също така: AI Startup Cornami разкрива подробности за чипа на невронната мрежа
Главният изпълнителен директор на компанията, Сами Чеунг, отдели известно време, за да говори с ZDNet за технологията на Efinix на в кулоарите на Linley Group Fall Processor Conference миналата седмица, организирана от уважаваната фирма за анализ на полупроводници The Linley Group.
„Моят клиент е компания за фотоапарати от Тайван“, обяснява Чеунг. „Всеки модел свързана камера, който те проектират и продават, първоначално може да бъде само десетки хиляди единици.“
„Те не знаеха как да преследват пазар за продукти с милиони единици; сега те могат да преследват нещо много по-голямо.“
Задачата на AI на тези крайни устройства е „извод“, частта от машинното обучение, когато невронната мрежа използва това, което е научила по време на фазата на обучение, за да предостави отговори на нови проблеми. Докато GPU чиповете на Nvidia доминират във фазата на обучение на машинното обучение в центъра за данни, устройствата в дивата природа, на ръба, която разчита на захранване от батерията, се нуждае от чипове с ниска мощност, за да извършва много изводи ефективно.
Пазарът на чипове за изводи в крайните изчисления се изпълва с конкуренти. други двама, Корнами, и Flex Logix, бяха обхванати от ZDNet наскоро.
Решението на Efinix е нещо, наречено "Quantum", което съчетава "FPGA", от една страна, чипове, чиято схема може да бъде препрограмирана, с "ASIC", чипове, чието окабеляване е фиксирано по време на производството.
Също: AI стартиращата компания Flex Logix рекламира значително по-висока производителност от Nvidia
Предложението на Cheung е, че доставчици като производителя на свързани камери могат първо да започнат с FPGA на Efinix, за да изпробват различни невронни мрежи, променяйки веригата с развитието на невронните мрежи. След като доставчикът се почувства комфортно с дизайна си, той може да премине към комбинирания чип Quantum на компанията, който използва както FPGA, така и ASIC схеми, и да получи по-голяма производителност за своите готови проекти.
Efinix претендира за превъзходна производителност при тесни енергийни бюджети за своите FPGA чипове в сравнение с Intel и Xilinx за невронни мрежови приложения. Тази графика обяснява основните аспекти, които според компанията отличават нейната технология.
FPGA се превърнаха във все по-популярен подход за машинно обучение: Microsoft ги използва за проектът за невронна мрежа "Brainwave", който захранва много от базираните на облак услуги като Bing и Кортана. Пазарът на FPGA е доминиран от години от Intel и Xilinx: Microsoft изгражда Brainwave върху част от Intel.
Но и Altera, и Xilinx пренебрегнаха нововъзникващия ръбов пазар. Те изграждат огромни чипове, които изискват десетки вата, докато Efinix се стреми към устройства, които могат да имат само един ват мощност, за да извършват ускорение на невронни мрежи. „Altera и Xilinx класически се фокусираха върху пазарите от висок клас“, казва Чунг. "Те никога не успяха да станат мейнстрийм."
Докато FPGA класически са скъп подход, Cheung казва, че разходите за разработка с неговите части са "много по-ниски" от за традиционните FPGA и само около 25% по-скъпо от производството на ASIC, което традиционно е по-евтино решение.
Също: Google казва, че „експоненциалният“ растеж на AI променя природата на изчисленията
Ключът към технологията Quantum, както Cheung обясни на конференцията, са хилядите изчислителни „елементи“, които изграждат чипа. Традиционният FPGA има клъстери от изчисления, които правят математиката „умножаване-натрупване“, която изисква една невронна мрежа. Те обграждат това изчисление с кабели, които "маршрутизират" сигналите между клъстерите. Но този дизайн, подобно на шахматна дъска, в крайна сметка създава задръствания, докато данните пътуват от една част на чипа към друга.
В случая на частта на Efinix, всеки клъстер може да изпълнява или функцията за изчисление, или функцията за маршрутизиране. Това означава, че областите на чипа могат да бъдат пренасочени от изчерпване на числа към преместване на данни, ако е необходимо, като освобождаване на нови пътища в план на градска улица. Това облекчава задръстванията от данни.
Сред стартиращите компании за чипове, които обикновено получават подкрепа от 100 милиона долара или повече, Efinix с 40 души управлява стегнат кораб. Към днешна дата компанията е получила малко под 26 милиона долара, включително пари от Samsung Electronics, в серия A кръг от финансиране, воден от ангелски инвеститори, серия B миналата година и мостово финансиране от $9,5 милиона тази година.
„Шокирахме банкерите, като събрахме само 26 милиона долара“, казва Чеунг с усмивка.
Cheung очаква, че Efinix ще има шанс през следващата година да превърне загубите си в рентабилност.
Предишно и свързано покритие:
Какво е AI? Всичко, което трябва да знаете
Изпълнително ръководство за изкуствен интелект, от машинно обучение и общ AI до невронни мрежи.
Какво е дълбоко обучение? Всичко, което трябва да знаете
Ниското ниво на дълбокото обучение: от това как се свързва с по-широкото поле на машинното обучение до това как да започнете с него.
Какво е машинно обучение? Всичко, което трябва да знаете
Това ръководство обяснява какво представлява машинното обучение, как е свързано с изкуствения интелект, как работи и защо има значение.
Какво е облачно изчисление? Всичко, за което трябва да знаете
Въведение в облачните изчисления от основите до IaaS и PaaS, хибриден, публичен и частен облак.
Свързани истории:
- Няма една роля за AI или науката за данни: това е екипно усилие
- Startup Kindred носи частица надежда за AI в роботиката
- AI: Гледката от Главния офис за наука за данни
- Salesforce представя Einstein Voice, AI гласов асистент за предприятия
- Не ме притесняват работните места, които AI унищожава, а тези, които растат
- Как Facebook мащабира AI