Escuche a los CIO, CTO y otros ejecutivos senior y de nivel C sobre datos y estrategias de inteligencia artificial en la Cumbre sobre el futuro del trabajo este 12 de enero de 2022. Aprende más


No es frecuente que el mundo de los semiconductores se ponga patas arriba. Está claro que se está produciendo una transformación similar a medida que una sobreabundancia de empresas emergentes asume el desafío de las redes neuronales de bajo poder.

Estas empresas emergentes están tratando de moverse aprendizaje automático basado en redes neuronales desde el centro de datos en la nube hasta los sistemas integrados en el campo, hasta lo que ahora se llama «el borde.» Hacer que los chips funcionen en este nuevo mundo requerirá nuevas formas de configurar neuronas, diseñar rutas de memoria y compilar en hardware.

El establecimiento de esta nueva fórmula desafiará a los mentes más brillantes de la ingeniería eléctrica. Pero ha comenzado el impulso para la IA de vanguardia. Ha generado innumerables nuevas empresas, incluidas Axelera.AI, Visión profunda, EdgeQ, Hailo, Sima.ai, y muchos más.

Abundan las oportunidades para las nuevas empresas de inteligencia artificial de vanguardia

Lo que impulsa esto, según la firma de analistas ABI Research, es la necesidad de procesamiento de datos local, baja latencia y evitar llamadas repetidas a chips de IA en la nube. La firma también cita una mejor privacidad de los datos como un impulso. Todo se ve como una apertura para los advenedizos en un mercado de chipset AI de vanguardia que las estimaciones de ABI crecerán a $ 28 mil millones en 2026, para una tasa de crecimiento anual compuesta (CAGR) del 28,4% de 2021 a 2026.

Ese crecimiento requerirá diseños que vayan más allá de las aplicaciones de inteligencia artificial pioneras, como las que reconocen imágenes de gatos y perros, creadas en centros de datos en la nube ricos en energía. Esa búsqueda para expandir los casos de uso debería hacer que los optimistas se detengan.

“Hacer chips es una cosa, pero hacer que funcionen en muchos tipos de redes neuronales es otro. Todavía no hemos llegado allí ”, dijo Marian Verhelst, investigadora de circuitos y sistemas en la Katholieke Universiteit Leuven y el centro tecnológico Imec en Bélgica, así como miembro de la Fundación TinyML, que habló con VentureBeat.

“Aún así, es un momento genial para estar activo en este nuevo dominio”, agrega Verhelst, quien también es asesor de Axelera.AI, con sede en Holanda. La compañía ganó recientemente $ 12 millones en Fundacion de semillas del proveedor de infraestructura de seguridad Bitfury para perseguir chips Edge AI.

¿Qué importa a la hora de diseñar esta nueva generación de chips? Los diseñadores de chips y sus clientes ahora necesitan explorar la cuestión. En una entrevista, Verhelst describió los puntos apremiantes tal como los vio:

  • La forma de la red neuronal es importante. La reutilización de los puntos de datos ahorra energía en el procesamiento neuronal, pero diferentes esquemas neuronales conducen a diferentes compensaciones de diseño. Debe decidir qué tan flexible y programable por software desea que sea su sistema, y ​​eso afecta el rendimiento del área de potencia. Verhelst dijo: “Cuánto puede usar un elemento de datos específico depende en gran medida de la topología específica de su capa de red neuronal. Resulta que no hay una sola arquitectura que pueda [handle] todo tipo de redes neuronales de manera eficiente. Es una cuestión de si puede hacer que su control de flujo de datos sea lo suficientemente flexible como para que se pueda asignar a una amplia variedad de capas neuronales «.
  • La jerarquía de la ruta de la memoria es importante. Mantener el procesador alimentado con datos es el objetivo al diseñar una ruta de memoria para el procesamiento neuronal. Verhelst dijo: “Con la ley de Moore, podemos poner muchos multiplicadores en un chip. Esa es la parte fácil. El desafío es proporcionarles a todos los datos necesarios en cada ciclo de reloj y, para ello, necesita una jerarquía de memoria con suficiente ancho de banda, donde los datos se reutilizan en diferentes niveles dependiendo de la frecuencia con la que los necesite nuevamente. Eso realmente puede afectar el rendimiento «.
  • El mapeo de algoritmos es importante. Compilar código para que se ejecute de manera eficiente en el hardware subyacente es una especie de búsqueda eterna. Sin embargo, si bien este es un arte casi dominado por los circuitos integrados convencionales, todavía es un trabajo en progreso para los chips Edge AI. Verhelst dijo: “Las cadenas de compiladores realmente aún no están maduras. No existe un flujo de compilación estandarizado, aunque la gente está tratando de desarrollarlo con iniciativas como EVM y Glow. El problema es que cada acelerador se ve diferente. La gente tiene que crear sus propias funciones de kernel de bajo nivel para aceleradores específicos. Y este es un trabajo manual realmente doloroso «.

Estos asuntos impulsan las decisiones de diseño en Axelera AI. La compañía se está preparando para salir al mercado con un chip acelerador centrado en el procesamiento analógico en memoria, redes neuronales de transformadores y arquitectura de flujo de datos mientras consume menos de 10 vatios.

“Reunimos la computación en memoria, que es un nuevo paradigma en tecnología, y fusionamos esto con una arquitectura de flujo de datos, lo que brinda mucha flexibilidad en un espacio reducido, con un consumo de energía reducido ”, dijo el cofundador y CEO de Axelera, Fabrizio Del Maffeo, quien enfatizó que este es un acelerador que puede funcionar con una variedad“ agnóstica ”de CPU.

Del Maffeo cita los sistemas de visión, las ciudades inteligentes, la fabricación, los drones y el comercio minorista como objetivos para los esfuerzos de Edge AI.

La competencia para forjar una solución en el borde de la IA es dura, pero empresarios como Del Maffeo e ingenieros como Verhelst aceptarán el desafío con entusiasmo.

“Es un momento muy interesante para el hardware, los chips, los diseñadores y las nuevas empresas”, dijo Verhelst. «Por primera vez en un par de décadas, el hardware vuelve a ser el centro de atención».

Sin duda, es interesante estar presente cuando nace una nueva arquitectura de CI.

VentureBeat

La misión de VentureBeat es ser una plaza urbana digital para que los responsables de la toma de decisiones técnicas obtengan conocimientos sobre tecnología transformadora y realicen transacciones. Nuestro sitio ofrece información esencial sobre tecnologías y estrategias de datos para guiarlo a medida que dirige sus organizaciones. Te invitamos a convertirte en miembro de nuestra comunidad, para acceder a:

  • información actualizada sobre los temas de su interés
  • nuestros boletines
  • contenido exclusivo de líderes de opinión y acceso con descuento a nuestros preciados eventos, como Transformar 2021: Aprende más
  • funciones de red y más

Hágase miembro

Author

Write A Comment