Noll
De miljarder enheter som förväntas utvecklas under de kommande åren på “kanten” av nätverk, såsom autonoma fordon och inbyggda Internet-på-Saker, presentera tillverkare med ett dilemma: tillverkare vill lägga till smarta enheter via maskininlärning, men de kan inte veta exakt vad som ska lägga fram de testa deras neurala nätverk och se vad som fungerar ute på marknaden.
Kommer in för att rädda dagen, så de har hävdat, är en sex-årig nystartat företag som heter Efinix, baserat i Santa Clara. Företaget har varit att förfina konsten av programmerbara marker. Det säger nu att dess kunder kan använda dess delar i sig att först testa en marknad för AI, och sedan, när rätt neurala nät utvecklas, massproducera marker för att tjäna dem nät.
Också: AI Start Cornami avslöjar detaljer om neurala nätet chip
Bolagets verkställande direktör, Sammy Cheung, tog lite tid att prata med ZDNet om Efinix teknik vid sidan av Linley Grupp Faller Processor Konferens i förra veckan, är värd ärevördiga halvledare analys fast Linley Grupp.
“En kund till mig är en kamera företag från Taiwan, säger Cheung. “Varje modell av den anslutna kameran som de designar och säljer kan inledningsvis att finnas tiotusentals enheter.”
“De visste inte hur man ska gå efter en marknad för produkter med miljontals enheter; nu kan de gå efter något mycket högre volym.”
Uppgift AI på dessa edge-enheter är “slutsats,” den del av maskinen lärande när det neurala nätet använder det som det har lärt sig under utbildningen fas att leverera svar på nya problem. Medan Nvidias GPU marker dominerar utbildningen fas av lärande i datacentret, enheter ute i vildmarken, på kanten, som förlitar sig på batteri, måste low-power marker för att utföra slutledning mycket effektivt.
Marknaden för inferens marker i kant design är svullnad med konkurrenter. Två andra, Cornami, och Flex Logix, som har täckts av ZDNet nyligen.
Efinix lösning är något som kallas “Quantum”, som kombinerar “Fpga: er” på ena sidan, chips vars kretsar kan omprogrammeras, med “ASICs,” chips vars ledningar är fast vid tillverkning tid.
Också: AI start Flex Logix svartabörshajar betydligt högre prestanda än Nvidia
Cheung proposition är att leverantörer som den anslutna kameran maker kan först börja med Efinix s Fpga: er att prova på olika neurala nät, ändra kretsar som neurala nätverk utvecklas. När en leverantör har blivit bekväm med sin design, kan de flytta till företagets Quantum combo chip som använder både FPGA och ASIC-kretsar, och få bättre prestanda för deras färdiga mönster.
Efinix anspråk på överlägsenhet prestanda i trånga makt budgetar för sin FPGA marker i förhållande till Intel och Xilinx för neurala nätverk applikationer. Denna bild förklarar de viktigaste aspekterna företaget säger avskiljer sin teknik.
Efinix Inc.
Fpga: er har blivit en alltmer populär metod för lärande: Microsoft använder dem för “Snilleblixt” neurala net-projektet som driver många av sina moln-baserade tjänster såsom Bing och Cortana. Den FPGA-marknaden domineras i år av Intel och Xilinx: Microsoft bygger Hjärnvågorna på en Intel del.
Men både Altera och Xilinx har ignorerat den nya kanten marknaden. De håller på att bygga enorma marker som kräver tiotals watt, medan Efinix siktar på enheter som kan ha endast en watt i att utföra neurala nätverk acceleration. “Altera och Xilinx klassiskt inriktad på high-end marknaden, säger Cheung. “De skulle aldrig kunna gå mainstream.”
Medan Fpga: er klassiskt är en kostsam metod, Cheung säger utvecklingskostnader med sina delar är “mycket lägre” än för traditionella Fpga: er, och endast ca 25% dyrare än att göra en ASIC, som traditionellt är den billigare lösning.
Också: Google säger ” exponentiell tillväxt av AI är föränderliga natur beräkna
Nyckeln till Quantum-tekniken, som Cheung förklarade vid konferensen, är de tusentals beräkna “element” som utgör chip. En traditionell FPGA har kluster av datorer att göra “föröka-samla ihop” matematik som ett neurala nätet kräver. De omger att beräkna med trådar som “vägen” av signaler mellan kluster. Men för att design, som ett schackbräde, slutar producera trafikstockningar uppgifter färdas från en del av chip till en annan.
I fall av Efinix s del, varje kluster kan utföra antingen beräkna eller routing-funktion. Vad det betyder är att områden av chip kan omfördelas från knastrande nummer för att flytta data som behövs, som frigör nya vägar i en stad gata plan. Som avlastar trafik sylt av data.
Bland chip startup-företag, som vanligtvis få $100 miljoner euro eller mer i stöd, 40-person Efinix kör en stram fartyg. Hittills har bolaget fått strax under $26 miljoner euro, inklusive pengar från Samsung Electronics, i en Serie A omgång av finansiering som leds av angel investerare, en Serie B förra året, och en bryggfinansiering på $9,5 miljoner i år.
“Vi chockade bankirer genom att bara höja $26 miljoner, säger Cheung med ett leende.
Cheung förväntar sig Efinix har ett skott nästa år vänder förluster till break-even.
Tidigare och relaterade täckning:
Vad är AI? Allt du behöver veta
En verkställande guide till artificiell intelligens, från maskininlärning och allmänna AI att neurala nätverk.
Vad är djupt lärande? Allt du behöver veta
Lowdown på djupt lärande: från hur det förhåller sig till de bredare fält av maskinen lärande genom hur man kommer igång med det.
Vad är lärande? Allt du behöver veta
Denna guide förklarar vad lärande är, hur den är relaterad till artificiell intelligens, hur det fungerar och varför det är viktigt.
Vad är cloud computing? Allt du behöver veta om
En introduktion till cloud computing rätt från grunderna upp till IaaS och PaaS, hybrid, offentliga och privata moln.
Relaterade artiklar:
Det finns ingen roll för AI eller data vetenskap: det här är ett lagarbete Start Släkt ger strimma av hopp för AI i robotik AI: vy från Chief Data Vetenskap Kontor Salesforce intron Einstein Röst, en AI röst assistent för företag att det inte är Det jobb AI är förstört som stör mig, det är de som växer Hur Facebook skalor AI
Relaterade Ämnen:
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem
0