Die Form der nächsten KI-Kante

0
31
Die Form der nächsten KI-Kante

Hören Sie auf dem Future of Work Summit am 12. Januar 2022 von CEOs, CEOs und anderen Top-Führungskräften auf C-Ebene und Chief Data Officers sowie KI-Strategien. erfahren Sie mehr


Die Welt der Halbleiter wird oft nicht auf den Kopf gestellt. Offensichtlich tritt eine ähnliche Verschiebung auf, wenn eine Fülle von Startups durch neuronale Netze mit geringer Leistung herausgefordert wird.

Diese Start-ups versuchen, auf neuronalen Netzwerken basierendes maschinelles Lernen vom Cloud-Rechenzentrum zu eingebetteten Systemen vor Ort zu verlagern – zu dem, was heute als „The Edge“ bezeichnet wird. Damit Chips in dieser neuen Welt funktionieren, werden neue Wege zum Einrichten von Neuronen, zum Entwerfen von Speicherpfaden und zum Zusammenbauen auf Hardware erforderlich sein.

Die Entwicklung dieser neuen Formel wird die hellsten Köpfe der Elektrotechnik herausfordern. Aber der Vorstoß für fortschrittliche künstliche Intelligenz hat begonnen. Es hat unzählige Startups hervorgebracht, darunter Axelera.AI, Deep Vision, EdgeQ, Hailo, Sima.ai und viele mehr.

Es gibt viele Möglichkeiten für innovative KI-Startups

Der Antrieb, so das Analystenunternehmen ABI Research, ist die Notwendigkeit einer lokalen Datenverarbeitung, einer geringen Latenz und der Vermeidung häufiger Anrufe an KI-Chips in der Cloud. Als Anreiz nennt das Unternehmen auch besseren Datenschutz. Alle werden als Chance für aufstrebende Unternehmen im hochmodernen KI-Chipmarkt angesehen, der nach Schätzungen von ABI im Jahr 2026 auf 28 Milliarden US-Dollar anwachsen wird, mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 28,4 % von 2021 bis 2026.

Dieses Wachstum erfordert Designs, die über führende KI-Anwendungen hinausgehen, beispielsweise solche, die Katzen und Hunde erkennen und in leistungsstarken Cloud-Rechenzentren gebaut werden. Dieses Bestreben, Anwendungsfälle zu erweitern, sollte die Optimisten auf Eis legen.

“Chips herzustellen ist eine Sache, aber sie in vielen verschiedenen Arten von neuronalen Netzen zum Laufen zu bringen, eine andere. Wir sind noch nicht durchgekommen”, sagte Marianne Verhelst, Schaltungs- und Systemforscherin an der Katholischen Universität Leuven und dem Imec Technology Center in Belgien, sowie ein Mitglied der TinyML Foundation, das mit VentureBeat gesprochen hat.

“Es ist immer noch eine wirklich großartige Zeit, in diesem neuen Bereich aktiv zu sein”, fügt Verhelst hinzu, der auch Berater des niederländischen Unternehmens Axelera.AI ist. Das Unternehmen sicherte sich kürzlich eine Startfinanzierung in Höhe von 12 Millionen US-Dollar vom Sicherheitsinfrastrukturanbieter Bitfury, um Edge-KI-Chips zu verfolgen.

Worauf kommt es beim Design dieser neuen Chipgeneration an? Chip-Designer und ihre Kunden müssen sich dieser Frage nun gleichermaßen stellen. In einem Interview klärte Fairhelst die dringendsten Punkte, wie sie sie sah:

  • Die Form des neuronalen Netzes ist wichtig. Die Wiederverwendung von Datenpunkten spart Energie bei der neuronalen Verarbeitung, aber unterschiedliche neuronale Schemata führen zu unterschiedlichen Design-Kompromissen. Sie müssen entscheiden, wie flexibel und programmierbar Ihr System sein soll – dies beeinflusst die Leistung des Leistungsbereichs. “Die Menge, die Sie für ein bestimmtes Datenelement verwenden können, hängt stark von der spezifischen Architektur Ihrer neuronalen Netzwerkschicht ab”, sagte Verhelst. “Es stellt sich heraus, dass dies keine einzelne Architektur kann.” [handle] Effizient alle Arten von neuronalen Netzen. Es stellt sich die Frage, ob man die Datenflusskontrolle so flexibel gestalten kann, dass sie verschiedenen neuronalen Schichten zugeordnet werden kann.”
  • Die Gedächtnispfadhierarchie ist wichtig. Das Ziel beim Entwerfen eines Speicherpfads für die neuronale Verarbeitung besteht darin, den Prozessor mit Daten zu versorgen. „Mit dem Mooreschen Gesetz können wir viele Vielfache auf einen Chip legen. Das ist der einfache Teil“, sagt Verhelst. „Die Herausforderung besteht darin, sie alle in jedem Taktzyklus mit den notwendigen Daten zu versorgen, und dafür braucht man einen Speicher Hierarchie mit genügend Bandbreite, in der die Daten auf verschiedenen Ebenen wiederverwendet werden Je nachdem, wie oft Sie die Daten zurück benötigen, kann dies die Leistung stark beeinträchtigen.“
  • Die Algorithmusplanung ist wichtig. Code zu kompilieren, um effizient auf Kernhardware zu laufen, ist eine ewige Forschungsaufgabe. Während dies jedoch eine Kunst ist, die für traditionelle integrierte Schaltkreise fast perfektioniert wurde, ist sie für Edge-KI-Chips noch in Arbeit. Verhelst sagte: „Compiler-Strings sind noch nicht ausgereift. Es gibt keinen einheitlichen Kompilierungsfluss, obwohl die Leute versuchen, ihn mit Initiativen wie EVM und Glow zu entwickeln. Das Problem ist, dass jeder Accelerator anders aussieht Kernel-Funktionen für bestimmte Beschleuniger.” Und das ist wirklich eine schmerzhafte Handarbeit.”

Diese Dinge bestimmen Designentscheidungen in Axelera AI. Das Unternehmen bereitet die Markteinführung mit einem Beschleunigerchip vor, der sich auf analoge In-Memory-Verarbeitung, neuronale Netze für Switches und eine Datenstromarchitektur mit einem Verbrauch von weniger als 10 Watt konzentriert.

„Wir haben In-Memory-Computing, ein neues technologisches Paradigma, kombiniert und dies mit einer Datenflussarchitektur kombiniert, die viel Flexibilität auf kleinem Raum bei minimalem Stromverbrauch bietet“, sagt Fabrizio Del Maffeo, Co- Gründer und CEO von Axelera. Dies ist jedoch ein Beschleuniger, der mit einem “unspezifizierten” Satz von CPUs arbeiten kann.

Del Maffeo nennt Vision-Systeme, Smart Cities, Fertigung, Drohnen und Einzelhandel als Ziele der Edge-KI-Bemühungen.

Der Wettbewerb um eine Lösung am Rande der KI ist hart, aber Unternehmer wie Del Maffeo und Ingenieure wie Fairhelst werden die Herausforderung mit Begeisterung annehmen.

“Es ist eine sehr aufregende Zeit für Hardware, Chips, Designer und Start-ups”, sagte Verhelst. “Erstmals seit zwei Jahrzehnten rücken Geräte wieder wirklich in den Mittelpunkt.”

Es besteht kein Zweifel, dass es interessant ist, bei der Geburt einer neuen IC-Architektur dabei zu sein.

VentureBeat

Die Mission von VentureBeat ist es, die digitale Stadtarena für technische Entscheidungsträger zu sein, um Wissen über transformative Technologien und Transaktionen zu erlangen. Unsere Website bietet wichtige Informationen zu Datentechnologien und -strategien, die Sie bei der Führung Ihrer Organisationen unterstützen. Wir laden Sie ein, Mitglied unserer Community zu werden, um Zugang zu erhalten:

  • Aktualisierte Informationen zu Themen, die Sie interessieren
  • Unsere Newsletter
  • Klassifizierte Inhalte für einen Vordenker und ermäßigter Zugang zu unseren preisgekrönten Veranstaltungen, wie zum Beispiel Konvertieren 2021: erfahren Sie mehr
  • Netzwerkfunktionen und mehr

Mitglied werden

LEAVE A REPLY

Please enter your comment!
Please enter your name here