Krishna Rangasayee, Damezrîner & CEO ya SiMa.ai - Rêzeya Hevpeyvînê

Krishna Rangasayee Damezrîner û CEO ye SiMa.ai. Berê, Krishna 18 salan COO yê Groq û li Xilinx bû, ku wî gelek rolên serkirdayetiya payebilind girt, di nav de cîgirê serokê payebilind û GM ya karsaziya giştî, û cîgirê serokê kargêriya firotanê ya cîhanî. Dema ku Krishna li Xilinx bû, karsazî bi dahata 2.5 mîlyar dolarî bi% 70% marjînal mezin kir û di heman demê de bingehek ji 10+ çaryeka mezinbûna domdar a domdar û berfirehkirina pişka bazarê ava kir. Berî Xilinx, wî li Altera Corporation û Cypress Semiconductor gelek rolên endezyar û karsaziyê girt. Ew xwediyê 25+ patentên navneteweyî ye û di desteya birêvebirên pargîdaniyên giştî û taybet de kar kiriye.

Di destpêkê de çi we bala fêrbûna makîneyê kişand?

Ez ji van 20 salên çûyî xwendekarê bazarên qerax û ewr ên bicîbûyî me. Min bi ton nûbûnî di ewr de dît, lê pir hindik ji bo ku fêrbûna makîneyê li devê rê veke. Ew bazarek 40 mîlyar $+ ya ku bi girseyî kêm hatî xizmet kirin e ku bi dehsalan li ser teknolojiya kevn dimîne.

Ji ber vê yekê, me dest bi tiştek kir ku tu kesî berê nekiribû - ji bo keviya binavkirî ML-ya Effortless çalak bikin.

Ma hûn dikarin çîroka genesis li pişt SiMa parve bikin?

Di karîyera xweya 20+ de, min hîna nebûbû şahidê nûbûna mîmarî ku li sûka perdeya vegirtî diqewime. Lêbelê, hewcedariya ML-ê li kêleka vegirtî di ewr û hêmanên IoT de zêde bû. Ev îspat dike ku dema ku pargîdanî li ser ML-ê li ser lingan daxwaz dikin, teknolojiya ku vê yekê rastiyek çêdike pir hişk e ku bi rastî bixebite.

Ji ber vê yekê, berî ku SiMa.ai dest bi sêwirana me bike, girîng bû ku em kêşeyên herî mezin ên xerîdarên me fam bikin. Lêbelê, girtina wan ku wextê xwe bi destpêkek qonaxek destpêkê re derbas bikin da ku bertekên watedar û rast derxînin dijwariya wê bixwe bû. Xwezî, tîmê û min karîbû tora xwe ji têkiliyên berê yên ku me dikaribû vîzyona SiMa.ai bi pargîdaniyên armanckirî yên rast re zexm bike.

Me bi zêdetirî 30 xerîdar re hevdîtin kir û du pirsên bingehîn jê pirsîn: "Pirsgirêkên herî mezin ên ku ML-ê berbi qeraxa pêvekirî ve dihejînin çi ne?" û "Em çawa dikarin alîkariyê bikin?" Piştî gelek nîqaşan li ser ka wan çawa dixwest pîşesaziyê ji nû ve şekil bikin û guhdarîkirina dijwariyên wan ji bo bidestxistina wê, me têgihîştinek kûr a xalên êşa wan bi dest xist û li ser çawaniya çareserkirina wan ramanan pêş xist. Di nav wan de hene:

• Bidestxistina feydeyên ML-ê bêyî kelek fêrbûna hişk.
• Parastina serîlêdanên mîras digel pêkanînên ML-ê yên paşerojê.
• Di hawîrdorek bikarhêner-heval de bi çareseriyek performansa bilind, kêm-hêza xebitîn.

Zû zû, me fêm kir ku em hewce ne ku nêzîkatiyek qonaxek kêmkirî ya xetereyê peyda bikin da ku alîkariya xerîdarên xwe bikin. Weke destpêkek neçar mabû ku em tiştek wusa bibandor û ji her kesê cihêreng bînin. Tu pargîdaniyek din vê hewcedariya zelal çareser nedikir, ji ber vê yekê ev riya ku me hilbijart bû.

SiMa.ai bi mîmarkirina ji erdê ve yekem platforma nermalava-navendî, armanc-çêkirî ya Pergala Fêrbûna Makîneyê-li-Chip (MLSoC) ve hatî çêkirin, bi dest xist. Bi tevhevbûna xwe ya silicon û nermalavê, fêrbûna makîneyê naha dikare bi pêlkirina bişkokekê li ser sepanên peravê yên pêvekirî were zêdekirin.

Ma hûn dikarin vîzyona xwe parve bikin ka fêrbûna makîneyê dê çawa her tiştî ji nû ve şekil bike da ku li ber derê be?

Piraniya pargîdaniyên ML balê dikişînin ser bazarên mezinbûna bilind ên wekî ewr û ajotina xweser. Lêbelê, ew robotîk, dron, firotgeha bêserûber, bajarên jîr, û otomasyona pîşesaziyê ne ku teknolojiya herî dawî ya ML-yê daxwaz dikin ku karîgeriyê baştir bikin û lêçûn kêm bikin.

Van sektorên ku mezin dibin digel bêhêviyên heyî yên ku ML-ê li peravê vegirtî bicîh dikin ji ber vê yekê em bawer dikin ku dem bi fersendê gihîştiye. SiMa.ai bi awayekî bi temamî cuda nêzî vê pirsgirêkê dibe; em dixwazin pejirandina berbelav bikin rastiyek.

Çi heya nuha rê li ber fêrbûna makîneya pîvazkirinê li peravê girtiye?

Pêdivî ye ku fêrbûna makîneyê bi hêsanî bi pergalên mîras re were yek kirin. Pargîdaniyên Fortune 500 û destpêkan bi hev re di platformên teknolojiya xweya heyî de gelek veberhênan kirine, lê piraniya wan dê hemî koda xwe ji nû ve nenivîsin an jî binesaziya xwe ya bingehîn bi tevahî sererast nekin da ku ML-ê yek bikin. Ji bo kêmkirina metirsiyê dema ku sûdên ML-ê werdigire, pêdivî ye ku teknolojiyek hebe ku destûrê bide yekbûna bêkêmasî ya koda mîras û ML-ê di pergalên wan de. Ev rêyek hêsan diafirîne ku meriv van pergalan pêşve bibe û bicîh bike da ku hewcedariyên serîlêdanê çareser bike dema ku feydeyên ji îstîxbarata ku fêrbûna makîneyê tîne peyda dike.

Soketên mezin tune ne, xerîdarek mezin tune ku derziyê bihejîne, ji ber vê yekê me neçar ma ku em piştgiriyê bidin hezar zêde xerîdar da ku bi rastî fêrbûna makîneyê mezin bikin û bi rastî ezmûnê ji wan re bînin. Me kifş kir ku van xerîdar xwedan xwesteka ML-yê ne lê kapasîteya wan tune ku ezmûna fêrbûnê bistînin ji ber ku ew nebûna kapasîteya hundurîn a avakirinê ne û ne xwediyê bingeha zanîna bingehîn a navxweyî ne. Ji ber vê yekê ew dixwazin ezmûna ML-ê bicîh bikin lê ji bo ku wiya bêyî qursa fêrbûna perdeya pêvekirî bikin û ya ku bi rastî zû gihîştiye ev e ku divê em vê ezmûna ML-ê ji xerîdaran re pir hêsan bikin.

Çawa SiMA dikare li gorî hevrikan ew qas xerckirina hêzê kêm bike?

MLSoC me motora bingehîn e ku bi rastî her tiştî dike, girîng e ku em cûda bikin ku em bilezkerek ML ava nakin. Ji bo 2 mîlyar dolarên ku di destpêkên ML SoC de hatine veberhênan, bersiva pîşesaziyê ya her kesî ji bo nûbûnê bloka bilezkerê ML-yê wekî bingehek an çîpek bûye. Tiştê ku mirov nas nakin ev e ku meriv mirovan ji SoC-ya klasîk berbi jîngehek ML-ê veguhezîne ku hûn hewceyê jîngehek MLSoC-yê ne, da ku mirov bikarin ji roja yekê ve koda mîrasê bimeşînin û hêdî-hêdî bi rengek kêmkirina xetereyê kapasîteya xwe di nav pêkhateyek ML-ê de bicîh bikin an jî rojekê ew bikar bînin. 'bi karanîna nêzîkatiyek dîtbariya komputerê ya klasîk dabeşkirina semantîkî dikin û roja din ew dikarin wê bi karanîna nêzîkatiyek ML-ê bikin, lê bi rengekî din em rê didin xerîdarên xwe ku pirsgirêka xwe bi cîh bikin û dabeş bikin wekî ku ew guncan dibînin bi karanîna vîzyona komputerê ya klasîk, pêvajoya ARM ya klasîk a pergalê, an hesabek ML-ya heterojen. Ji bo me ML ne hilberek dawî ye û ji ber vê yekê bilezkerek ML bi serê xwe serketî nabe, ML jêhatîbûnek e û ew amûrek e ji bilî amûrên din ên ku em mişteriyên xwe çalak dikin da ku bi karanîna metodolojiya bişkojka bişkokê, ew bikar bînin. dikarin sêwirana xwe ya pêş-pêvajoyê, paş-pêvajoyê, analîtîk, û lezkirina ML-ê hemî li ser yek platformek dubare bikin dema ku performansa serîlêdana berfireh a pergalê di hêza herî kêm de peyda dike.

Ji bo SiMa hin pêşengên bazarê yên bingehîn çi ne?

Me gelek bazarên sereke destnîşan kirine, ku hin ji wan ji yên din zûtir di hatinê de ne. Dema herî zû ya dahatiyê vîzyona jîr, robotîk, pîşesazî 4.0, û dron e. Bazarên ku ji ber kalîte û hewcedariyên standard hinekî zêdetir wext digirin serîlêdanên otomotîv û lênihêrîna tenduristî ne. Me di hemî yên jorîn de bi lîstikvanên top ên her kategoriyê re xebitî.

Girtina wêneyê bi gelemperî, digel analîtîkên li ser ewr, li ber devê ye. Feydeyên guheztina vê stratejiya bicîhkirinê çi ne?

Serîlêdanên Edge hewce ne ku pêvajoyek herêmî were kirin, ji bo gelek serîlêdanan dem têrê nake ku dane biçin ewr û paşde. Kapasîteyên ML-ê di serîlêdanên derî de bingehîn e ji ber ku biryar pêdivî ye ku di wextê rast de bêne girtin, mînakî di sepanên otomotîvê û robotîkê de ku divê biryar zû û bi bandor werin hilanîn.

Çima divê pargîdanî li hember hevrikên we çareseriyên SiMa bifikirin?

Metodolojiya meya bêhempa ya nêzîkatiyek nermalava navendî ya ku bi çareseriyek hişk a bêkêmasî ve hatî pakêt kirin. Me bala xwe daye ser çareseriyek bêkêmasî ku tiştê ku em dixwazin jê re dibêjin Any, 10x û Pushbutton wekî bingeha pirsgirêkên xerîdar vedibêje. Teza orîjînal a ji bo pargîdaniyê ev e ku hûn bişkokek bixin û hûn WOWek bistînin! Tecrûbe bi rastî pêdivî ye ku heya nuqteyekê were veguheztin ku hûn dixwazin bi hezaran pêşdebiran wê bikar bînin, lê hûn nexwazin ku ew hemî jîneyên ML-yê bin, hûn nexwazin ku ew hemî qat bi qat biguhezînin. kodkirina destan ji bo ku hûn performansa xwestinê bistînin, hûn dixwazin ku ew di asta herî bilind a abstraksiyonê de bimînin û bi watedar zû zû ML-ya bêhêz bicîh bikin. Ji ber vê yekê teza pişta ku çima me li ser vê yekê girt têkiliyek pir xurt bi pîvanbûnê re bû ku ew bi rastî hewce dike ku ezmûnek ML-ya bêhêz be û ne hewce ye ku gelek girtina dest û tevlêbûna karûbaran ku dê rê li ber pîvandinê bigire.

Me sala yekem derbas kir ku serdana 50 zêdetir xerîdar li seranserê cîhanê kir ku em fêm bikin ka hûn hemî ML-ê dixwazin lê hûn wê bi cîh nakin. Çima? Tiştê ku tê pêşiya we ku hûn bi watedar ML-ê bicîh bikin û an jî ya ku tê xwestin ku hûn bi rastî ML-yê bixin nav birêkûpêkek pîvanê û ew bi rastî tê ser sê stûnên bingehîn ên têgihîştinê, ya yekem HER. Wekî pargîdaniyek pêdivî ye ku em pirsgirêkan çareser bikin ji ber berfirehiya xerîdar, û berfirehiya modelên karanîna digel cûdahiya di navbera torên ML, senzor, rêjeya çarçoveyê, çareseriyê de. Ew cîhanek pir cihêreng e ku her bazar xwedan sêwiranên dawiya pêşiyê bi tevahî cihêreng e û heke em bi rastî tenê perçeyek teng jê bistînin, em nikanin ji hêla aborî ve pargîdaniyek ava bikin, bi rastî pêdivî ye ku em kavilek biafirînin ku bikaribe di navberek pir berfireh de bigire. ji qadên serîlêdanê, hema bêje kaşê wekî Girava Ellis ya her tiştê vîzyona komputerê bifikirin. Dibe ku mirov di tensorflowê de bin, ew dikarin Python bikar bînin, ew dikarin senzorek kamerayê bi çareseriya 1080 bikar bînin an jî dibe ku ew senzorek çareseriya 4K be, bi rastî ne girîng e ka em dikarin wan hemî homojen bikin û bînin û heke hûn nedin dawiya pêşiyê bi vî rengî hebe wê hingê hûn ne xwediyê pargîdaniyek pîvanbar in.

Stûna duyemîn 10x e, ku tê vê wateyê ku di heman demê de pirsgirêkek heye ku çima xerîdar nikaribin platformên derûdorê bi cih bikin û biafirînin ji ber ku her tişt vegerek e ku meriv modelek an boriyek nû ava bike. Pirsgirêka duyemîn bê guman wekî destpêkek pêdivî ye ku em tiştek pir balkêş, pir balkêş bînin cîhê ku her kes û her kes amade ye ku xetereyê bigire heya ku hûn destpêkek li ser bingeha metrîka performansa 10x bin. Yek girîngiya teknîkî ya sereke ku em li ser çareserkirina pirsgirêkên dîtina kompîturê disekinin, çarçoveyên per çirkeyê yên metrîka watt e. Pêdivî ye ku em ji her kesê din bi mentiqî çêtir bin da ku em bikarin nifşek an du li pêş bimînin, ji ber vê yekê me ev yek wekî beşek ji nêzîkatiya xweya nermalava navendî girt. Vê nêzîkbûnê platformek hesabker a heterojen afirand da ku mirov bikaribe tevahiya boriyê dîtina komputerê di yek çîpê de çareser bike û li gorî çareseriyên din 10x radest bike. Stûna sêyem a Pushbutton ji hêla hewcedariya pîvandina ML-ê li kêleka vegirtî bi awayek watedar ve tê rêve kirin. Zincîrên amûrê ML pir nûjen in, bi gelemperî têne şkestin, ti pargîdaniyek bi rastî ezmûnek nermalava ML-ya pola cîhanî ava nekiriye. Wekî din, me pê nas kir ku ji bo sûka pêvekirî girîng e ku meriv tevliheviya koda bicîbûyî veşêre û di heman demê de pêvajoyek dubare bide wan ku zû vegerin û platformên xwe nûve bikin û xweşbîn bikin. Xerîdar bi rastî hewceyê ezmûnek bişkojka ku di çend hûrdeman de li hember çend mehan bersivek an çareseriyek dide wan da ku bigihîjin ML-ya bêhêz. Any, 10x, û bişkojk pêşnîyarên nirxa sereke ne ku ji me re bi rastî eşkere bûne ku ger em li ser van sê tiştan karekî bibandor bikin, em ê bê guman derziyê li ser ML-ya bêhêz bigerin û ML-ê li qeraxa bicîbûyî bihejînin.

Tiştek din heye ku hûn dixwazin li ser SiMa parve bikin?

Di pêşkeftina destpêkê ya platforma MLSoC de, me sînorên teknolojî û mîmariyê derdixist. Em tev-li ser platformek nermalava navendî diçûn, ku ew nêzîkatiyek bi tevahî nû bû, ku li dijî hemî şehrezayiya kevneşopî derket. Rêwîtiya di naskirina wê de û dûv re pêkanîna wê dijwar bû.

Serkeftinek berbiçav a vê dawiyê hêz û bêhempabûna teknolojiya ku me ava kiriye piştrast dike. SiMa.ai di Nîsana 2023-an de bi serkêşiya pêşengê meya MLPerf Benchmark-ê ya pêşîn de di kategoriya Hêza Kevirê Girtî de serpêhatiyek girîng bi dest xist. Em şanaz in ku yekem destpêk e ku beşdar dibe û encamên serketî di pîvana herî populer û naskirî ya pîşesaziyê ya MLPerf ya Resnet-50 de ji bo performans û hêza me bi dest dixe.

Me bi hêviyên bilind dest pê kir û heta îro, ez bi serbilindî dibêjim ku vîzyon neguheriye. MLSoC-ya me ji bo ku li dijî normên pîşesaziyê derkeve ji bo peydakirina çareseriyek ML-ya şoreşgerî ji sûka qeraxê ya pêvekirî re armanc hatî çêkirin.

Spas ji bo hevpeyivîna hêja, xwendevanên ku dixwazin bêtir fêr bibin divê biçin SiMa.ai.