AI สามารถทําให้คุณเป็นมหาเศรษฐีในปี 2025 ได้หรือไม่?

บริษัทชิปให้ความสําคัญเป็นพิเศษกับนวัตกรรมซอฟต์แวร์ เช่น การเพิ่มประสิทธิภาพคอมไพเลอร์เพื่อปรับปรุงประสิทธิภาพ

SiMa กล่าวว่า MLSoC ซึ่งแสดงไว้ที่นี่ในแพ็คเกจ เป็นชิปตัวแรกที่สร้างขึ้นตามวัตถุประสงค์เพื่อจัดการไม่เพียง แต่การดําเนินการคูณเมทริกซ์ของ AI ในกรณีการใช้งานแบบฝังตัว แต่ยังรวมถึงฟังก์ชันดั้งเดิมของคอมพิวเตอร์วิทัศน์ที่ต้องทํางานในแอปพลิเคชันเดียวกัน  

ภายในภูมิทัศน์ที่กว้างมากของชิปคอมพิวเตอร์ปัญญาประดิษฐ์ผลิตภัณฑ์เพื่อให้บริการตลาด "เอดจ์" ซึ่งครอบคลุมโดรนอุปกรณ์อินเทอร์เน็ตของสรรพสิ่งโทรศัพท์และสภาพแวดล้อมเซิร์ฟเวอร์ที่ใช้พลังงานต่ําเป็นพื้นที่ที่อุดมสมบูรณ์สําหรับผู้ขายในฐานะหนึ่งในพื้นที่ที่พัฒนาน้อยกว่าในตลาดเมื่อเทียบกับเทคโนโลยีศูนย์ ข้อมูล

ตามที่ ZDNet รายงานเมื่อต้นปีนี้ สตาร์ทอัพหลายสิบแห่งได้รับเงินทุนหลายสิบล้านทุนเพื่อสร้างชิปสําหรับ AI ในมือถือและการใช้งานคอมพิวเตอร์แบบฝังตัวอื่นๆ เนื่องจากตลาดขอบมีถิ่นฐานน้อยกว่า จึงมีหลายวิธีที่ผู้ขายจะเข้าหาปัญหา

เมื่อวันอังคาร SiMa dot ai สตาร์ทอัพชิป AI ได้เปิดตัวสิ่งที่เรียกว่า MLSoC อย่างเป็นทางการ ซึ่งเป็นระบบบนชิปสําหรับการเร่งความเร็วโครงข่ายประสาทเทียมด้วยการใช้พลังงานที่ต่ํากว่า บริษัทโต้แย้งว่าชิปใหม่ซึ่งเริ่มจัดส่งให้กับลูกค้าเป็นส่วนเดียวที่ "สร้างขึ้นตามวัตถุประสงค์" เพื่อจัดการงานโดยเน้นที่งานคอมพิวเตอร์วิทัศน์เป็นอย่างมากเช่นการตรวจจับการมีอยู่ของวัตถุในฉาก 

"ทุกคนกําลังสร้างตัวเร่งการเรียนรู้ของเครื่อง และแค่นั้นเพียงอย่างเดียว" Krishna Rangasayee ผู้ร่วมก่อตั้งและซีอีโอของ SiMa.ai กล่าวในการให้สัมภาษณ์กับ ZDNet 

"สิ่งที่แตกต่างอย่างมากเกี่ยวกับตลาดเอดจ์แบบฝังตัว" เทียบกับคลาวด์คอมพิวติ้ง Rangasayee กล่าวคือ "ผู้คนกําลังมองหาตัวแก้ปัญหาแอปพลิเคชันแบบ end-to-end" แทนที่จะเป็นเพียงชิปสําหรับฟังก์ชันการเรียนรู้ของเครื่อง

"พวกเขากําลังมองหาประสบการณ์ระบบบนชิปที่คุณสามารถเรียกใช้แอปพลิเคชันทั้งหมดบนชิปได้" 

คู่แข่ง Rangasayee กล่าวว่า "จัดการกับปัญหาที่แคบ" โดยทําหน้าที่โครงข่ายประสาทเทียมของแมชชีนเลิร์นนิง เท่านั้น

"ทุกคนต้องการ ML แต่มันเป็นส่วนหนึ่งของปัญหาโดยรวม ไม่ใช่ปัญหาทั้งหมด" Rangasayee กล่าว

สร้างขึ้นด้วยกระบวนการผลิต 16 นาโนเมตรของ Taiwan Semiconductor ชิป SiMa.ai มีหลายส่วนที่สร้างขึ้นเป็นชิปเดียว ชิ้นส่วนประกอบด้วยตัวเร่งการเรียนรู้ของเครื่องและชื่อรหัสว่า "Mosaic" ซึ่งทุ่มเทให้กับการคูณเมทริกซ์ซึ่งเป็นรากฐานของการประมวลผลโครงข่ายประสาทเทียม

นอกจากนี้ยังมีคอร์โปรเซสเซอร์ ARM A65 ซึ่งมักพบในรถยนต์ และหน่วยการทํางานที่หลากหลายเพื่อช่วยในงานเฉพาะของแอปพลิเคชันการมองเห็น รวมถึงโปรเซสเซอร์คอมพิวเตอร์วิทัศน์แบบสแตนด์อโลน ตัวเข้ารหัสวิดีโอ และตัวถอดรหัส หน่วยความจําบนชิป 4 เมกะไบต์ และชิปการสื่อสารและการเข้าถึงหน่วยความจําจํานวนมาก รวมถึงอินเทอร์เฟซกับวงจร หน่วยความจํา LPDDR32 4 บิต

ฮาร์ดแวร์ชิปมาพร้อมกับซอฟต์แวร์ SiMa.ai เพื่อให้ง่ายต่อการปรับแต่งประสิทธิภาพและจัดการกับปริมาณงาน อื่นๆ อีกมากมาย

รายละเอียดเพิ่มเติมเกี่ยวกับ MLSoC สามารถดูได้ที่เว็บไซต์ ของ SiMa.ai

ผลิตภัณฑ์ของ SiMa.ai มุ่งเป้าไปที่ตลาดที่หลากหลาย รวมถึงหุ่นยนต์ โดรน ยานยนต์ไร้คนขับ ระบบอัตโนมัติทางอุตสาหกรรม และการใช้งานในตลาดการดูแล สุขภาพและรัฐบาล

ตลาดของรัฐบาลเป็นผู้นําเทคโนโลยีนี้มาใช้อย่างรวดเร็วเป็นพิเศษ Rangasayee กล่าว

"ฉันได้เรียนรู้ที่บริษัทก่อนหน้านี้ว่าซอฟต์แวร์มีความสําคัญเพียงใด และสิ่งนี้จะขึ้นอยู่กับความแข็งแกร่งของซอฟต์แวร์ของเรา" Krishna Rangasayee ซีอีโอของ SiMa กล่าว "ใช่ ซิลิกอนของเรายอดเยี่ยมมาก และเราภูมิใจกับมันมาก และหากไม่มีซิลิกอน คุณก็ไม่ใช่บริษัท" เขากล่าว "แต่สําหรับฉัน นั่นเป็นหน้าที่ที่จําเป็น ไม่ใช่เพียงพอ ฟังก์ชันที่เพียงพอคือการมอบประสบการณ์ ML ที่ง่ายดาย"

"ฉันประหลาดใจที่ภาครัฐเคลื่อนไหวเร็วแค่ไหน" Rangasayee ตั้งข้อสังเกตว่าความประทับใจทั่วไปคือรัฐบาลต้องใช้เวลาห้าถึงเจ็ดปีในการจัดหาเทคโนโลยีใหม่ แต่สิ่งต่าง ๆ เกิดขึ้นเร็วกว่านั้นมาก การใช้งานที่รัฐบาลให้ความสนใจเป็นพิเศษ เช่น การใช้ถัง ML บนเครื่องบินและเครื่องตรวจจับที่ค้นหาอุปกรณ์ระเบิดชั่วคราว เขากล่าวว่า ดาวเทียมเป็นแอปพลิเคชั่นที่มีแนวโน้มเช่นกัน

"มันเป็นตลาดมูลค่าหลายล้านล้านดอลลาร์ที่ยังคงใช้เทคโนโลยีอายุหลายทศวรรษ" Rangasayee สังเกตถึงแอปพลิเคชัน ต่างๆ ของพลเรือนและรัฐบาล

ระบบคอมพิวเตอร์วิทัศน์จํานวนมากในปัจจุบันสําหรับยานอัตโนมัติและแอพพลิเคชั่นอื่น ๆ กําลังใช้ "สถาปัตยกรรมที่เก็บโหลดแบบดั้งเดิมสถาปัตยกรรม Von Neumann" Rangasayee กล่าวโดยอ้างถึงการออกแบบพื้นฐานของชิปคอมพิวเตอร์ส่วนใหญ่ในตลาด 

เขากล่าวว่าวิธีที่ชิปที่ใช้สําหรับแมชชีนเลิร์นนิงและสําหรับคอมพิวเตอร์ยังไม่ก้าวหน้าในแง่ของวิธีที่พวกเขาคํานวณแบนด์วิดท์และข้อมูลรวมกัน 

"เรามี ML SoC ที่ไม่เหมือนใคร ซึ่งเป็นระบบบนชิปตัวแรกที่เข้าใจ ML ดังนั้นผู้คนจึงสามารถทําคอมพิวเตอร์วิทัศน์แบบคลาสสิก และแก้ปัญหาเดิมนอกเหนือจาก ML ในสถาปัตยกรรมเดียว" Rangasayee กล่าว

SiMa.ai ได้รับเงินร่วมลงทุน 150 ล้านดอลลาร์ในหลายรอบจาก Fidelity Management & Research ที่ปรึกษาการลงทุนให้กับ Fidelity ยักษ์ใหญ่ด้านกองทุนรวม และ Dell Technologies Capital เป็นต้น Lip-Bu Tan คนวงในในอุตสาหกรรมชิปมาอย่างยาวนาน อดีตหัวหน้าบริษัทซอฟต์แวร์ออกแบบชิป Cadence Design อยู่ในคณะกรรมการบริหารของ SiMa.ai

คําว่า "sima" เป็นการทับศัพท์ของคําภาษาสันสกฤตสําหรับ "ขอบ" 

นอกจาก Rangasayee แล้ว Moshe Gavrielov อดีตซีอีโอของ Xilinx ยังเป็นประธานบริษัทอีกด้วย 

คําว่า Edge AI ได้กลายเป็นคําที่ครอบคลุมเพื่ออ้างถึงทุกสิ่งที่ไม่ได้อยู่ในศูนย์ข้อมูล แม้ว่าอาจรวมถึงเซิร์ฟเวอร์ที่อยู่ริมศูนย์ข้อมูล มีตั้งแต่สมาร์ทโฟนไปจนถึงอุปกรณ์ฝังตัวที่ดูดพลังงานไมโครวัตต์โดยใช้เฟรมเวิร์ก TinyML สําหรับ AI บนมือถือจาก Google 

SiMa.ai ต้องเผชิญหน้ากับคู่แข่งมือถือและแบบฝังตัวจํานวนมาก ในตลาดขอบ คู่แข่ง ได้แก่ AMD ซึ่งปัจจุบันเป็นแม่ของ Xilinx ยักษ์ใหญ่ด้านทรัพย์สินทางปัญญา ARM, Qualcomm, Intel และ Nvidia อย่างไรก็ตาม บริษัท เหล่านั้นมักจะมุ่งเน้นไปที่ชิปขนาดใหญ่ที่ทํางานด้วยพลังงานที่มากกว่ามากในลําดับหลายสิบวัตต์

ชิป SiMa.ai มีสิ่งที่ผู้สร้างกล่าวว่าเป็นหนึ่งในงบประมาณพลังงานที่ต่ําที่สุดของชิปใด ๆ ในตลาดเพื่อทํางานทั่วไปให้เสร็จสมบูรณ์ เช่น ResNet-50 ซึ่งเป็นโครงข่ายประสาทเทียมที่พบบ่อยที่สุดสําหรับการประมวลผลงาน ImageNet ในการติดฉลากรูปภาพ

SiMa นําเสนอ MLSoC บนบอร์ดประเมินผลสําหรับการทดสอบการใช้งาน

บริษัทกล่าวว่าชิ้นส่วนนี้สามารถดําเนินการได้ 50 ล้านล้านต่อวินาทีหรือ "เทราแอคชั่น" ที่ดึงพลังงาน 10 เทราแอคชั่นต่อวินาทีต่อวัตต์ นั่นหมายความว่าชิ้นส่วนจะใช้พลังงาน 5 วัตต์เมื่อทํางานโครงข่ายประสาทเทียม แม้ว่าอาจสูงขึ้นเมื่อใช้งานฟังก์ชันอื่นๆ

ชิปประเภทที่ทํางานที่ไม่กี่วัตต์ทําให้ SiMa.ai อยู่ในบริษัทของสตาร์ทอัพมากมาย รวมถึง Hailo Technologies, Mythic, AlphaICs, Recogni, EdgeCortix, Flex Logix, Roviero, BrainChip, Syntiant, Untether AI, Expedera, Deep AI, Andes และ Plumerai เพื่อตั้งชื่อที่ชัดเจนที่สุด

บริษัทเดียวที่อยู่ "อยู่ในสายตาของเรา" Rangasayee กล่าวคือ Hailo และ Mythic แต่ "ความแตกต่างที่สําคัญของเราคือพวกเขากําลังสร้างตัวเร่งความเร็ว ML เท่านั้น เรากําลังสร้าง ML SoC เต็มรูปแบบ"

ด้วยการสร้างคอร์ ARM และ วงจรภาพเฉพาะของ SiMai.ai พร้อมกับโค้ดโครงข่ายประสาทเทียม Mosaic ลูกค้าจะมีความสามารถมากขึ้นในการเรียกใช้โปรแกรมที่มีอยู่ในขณะที่เพิ่มโค้ดจากเฟรมเวิร์ก ML ยอดนิยม เช่น PyTorch และ TensorFlow 

"สิ่งที่น่าสนใจสําหรับฉันคือความต้องการที่ถูกกักขังไว้สําหรับแพลตฟอร์มที่สร้างขึ้นตามวัตถุประสงค์เพื่อรองรับมรดกนั้นค่อนข้างสูง"  Rangasayee กล่าวกับ ZDNet "พวกเขาสามารถเรียกใช้แอปพลิเคชันได้เกือบตั้งแต่วันแรก นั่นเป็นข้อได้เปรียบที่ยิ่งใหญ่ที่เรามี" 

"เราเป็นบริษัทแรกที่ถอดรหัสรหัสในการแก้ปัญหาคอมพิวเตอร์วิทัศน์ เพราะเราไม่สนใจฐานโค้ด อาจเป็นใน C++ อาจเป็น Python หรือเฟรมเวิร์ก ML ใดก็ได้" Rangasayee อธิบาย เขากล่าวว่าการสนับสนุนอย่างกว้างขวางสําหรับโปรแกรมทําให้บริษัทมีแนวโน้มที่จะมองตัวเองว่าเป็น "เกาะเอลลิส" ของชิป "ให้เรายากจนของคุณ ให้เราเหนื่อยล้า ... เราจะเอาพวกเขาทั้งหมด!" เขากล่าว 

การสนับสนุนในวงกว้างนั้นหมายความว่าบริษัทมีลูกค้าหลายหมื่นคนมากกว่าแค่เฉพาะกลุ่ม Rangasayee ยืนยัน

อีกประเด็นหนึ่งที่ได้รับความนิยมของชิปตาม Rangasayee คือมันมีประสิทธิภาพมากกว่าชิ้นส่วน ที่เทียบเคียงได้ถึงสิบเท่า

"สิ่งที่ลูกค้าของเราสนใจคือเฟรมต่อวินาทีต่อวัตต์" ในแง่ของเฟรมภาพสําหรับพลังงานทุกวัตต์ Rangasayee กล่าว "เราอย่างน้อย 10 [ครั้ง] ของใคร" เขากล่าว "เรากําลังแสดงให้เห็นถึงสิ่งนั้นทุกวันต่อลูกค้าของเราทุกคน" 

บริษัทยังไม่ได้เสนอข้อมูลจําเพาะเกณฑ์มาตรฐานตามคะแนนเกณฑ์มาตรฐาน MLPerf ที่อ้างถึงอย่างกว้างขวาง แต่ Rangasayee กล่าวว่าบริษัทตั้งใจที่จะทําเช่นนั้นต่อไป ในอนาคต

"ตอนนี้ ลําดับความสําคัญคือการทําเงิน" Rangasayee กล่าว "เราเป็นบริษัทขนาดเล็กมาก" ที่มีพนักงาน 120 คน "เราไม่สามารถอุทิศทีมเพื่อทํา MLPerf เพียงลําพังได้" 

"คุณสามารถปรับแต่งเกณฑ์มาตรฐานได้มากมาย แต่ผู้คนสนใจเกี่ยวกับประสิทธิภาพแบบ end-to-end ไม่ใช่แค่เกณฑ์มาตรฐาน MLPerf

"ใช่ เรามีตัวเลข และใช่ เราทําได้ดีกว่าใคร แต่ในขณะเดียวกัน เราไม่ต้องการใช้เวลาในการสร้างเกณฑ์มาตรฐาน เราต้องการแก้ปัญหาของลูกค้าเท่านั้น" 

แม้ว่าการประกาศเมื่อวันอังคารจะเกี่ยวกับชิป แต่ SiMa.ai ให้ความสําคัญเป็นพิเศษกับความสามารถของซอฟต์แวร์ รวมถึงสิ่งที่เรียกว่า "เทคนิคการเพิ่มประสิทธิภาพคอมไพเลอร์แบบใหม่" ซอฟต์แวร์นี้ทําให้สามารถรองรับ "เฟรมเวิร์กที่หลากหลาย" รวมถึง TensorFlow, PyTorch และ ONNX ซึ่งเป็นไลบรารีการเขียนโปรแกรมที่โดดเด่นซึ่งแมชชีนเลิร์นนิงใช้ในการพัฒนาและฝึกโครงข่ายประสาทเทียม

บริษัทกล่าวว่าซอฟต์แวร์ของตนช่วยให้ผู้ใช้สามารถ "เรียกใช้แอปพลิเคชันคอมพิวเตอร์วิทัศน์ เครือข่ายใดๆ โมเดลใดๆ เฟรมเวิร์ก เซ็นเซอร์ ความละเอียดใดๆ " 

Rangasayee กล่าวว่า "คุณอาจใช้เวลามากกับใบสมัครเดียว แต่คุณจะทําให้ลูกค้าหลายพันคนไปถึงเส้นชัยได้อย่างไร นั่นเป็นปัญหาที่ยากขึ้นจริงๆ"

ความพยายามด้านซอฟต์แวร์ของบริษัท Rangasayee กล่าวว่าประกอบด้วยสองสิ่ง: นวัตกรรมคอมไพเลอร์ใน "ส่วนหน้า" และระบบอัตโนมัติใน "แบ็กเอนด์"

คอมไพเลอร์จะรองรับ "การโต้ตอบมากกว่า 120 รายการ" ซึ่งให้ "ความยืดหยุ่นและความสามารถในการปรับขนาด" ในการนําแอปพลิเคชันหลายประเภทเข้าสู่ชิปมากกว่าปกติ

ส่วนแบ็กเอนด์ของซอฟต์แวร์ใช้ระบบอัตโนมัติเพื่อให้แอปพลิเคชันต่างๆ สามารถ "แมปเข้ากับประสิทธิภาพของคุณ" ได้มากขึ้น แทนที่จะ "รอผลลัพธ์หลายเดือน"

"บริษัทส่วนใหญ่กําลังให้มนุษย์เข้ามาในวงเพื่อให้ได้ประสิทธิภาพที่เหมาะสม" Rangasayee กล่าว "เรารู้ว่าเราต้องทําให้เป็นระบบอัตโนมัติด้วยวิธีที่ชาญฉลาดเพื่อให้ได้ประสบการณ์ที่ดีขึ้นในไม่กี่นาที"

นวัตกรรมซอฟต์แวร์นั้นได้รับการออกแบบมาเพื่อใช้ประโยชน์จาก "ปุ่มกด" MLSoC เขากล่าว เพราะ "ทุกคนต้องการ ML; ไม่มีใครต้องการเส้นโค้งการเรียนรู้" นั่นเป็นแนวทางที่ Xilinx อดีตนายจ้างของ Rangasayee ได้พยายามทําให้ชิป AI แบบฝังตัวเป็นมิตรกับผู้ใช้มากขึ้น

"ฉันได้เรียนรู้ที่บริษัทก่อนหน้านี้ว่าซอฟต์แวร์มีความสําคัญเพียงใด และนี่จะขึ้นอยู่กับความแข็งแกร่งของซอฟต์แวร์ของเราจริงๆ" Rangasayee กล่าว "ใช่ ซิลิกอนของเรายอดเยี่ยมมาก และเราภูมิใจกับมันมาก และหากไม่มีซิลิกอน คุณก็ไม่ใช่บริษัท" 

"แต่สําหรับฉัน นั่นเป็นหน้าที่ที่จําเป็น ไม่ใช่หน้าที่ที่เพียงพอ ฟังก์ชันที่เพียงพอคือการมอบประสบการณ์ ML ที่ง่ายดาย"