BoolSi Haalt 6 Miljoen Dollar Op Om Software Om Te Zetten in Aangepaste Silicium Met AI

Hardware-acceleratie heeft lange tijd dramatische prestatieverbeteringen beloofd, maar toegang tot die verbeteringen heeft traditioneel gespecialiseerde expertise in chipontwerp vereist. Het in Boston gevestigde startupbedrijf BoolSi wil die vergelijking veranderen. Het bedrijf heeft een seedronde van 6 miljoen dollar aangekondigd onder leiding van Fine Structure Ventures, met deelname van Pillar VC, Fifth Quarter Ventures en Coalition Ventures, terwijl het werkt aan het maken van aangepaste hardware-acceleratie toegankelijk voor software-ontwikkelaars.

De financiering zal de lancering van de private beta van BoolSi later dit jaar ondersteunen en de ontwikkeling van een platform versnellen dat software automatisch omzet in hardware-acceleratoren die draaien op Field Programmable Gate Arrays (FPGAs), zonder dat engineers hardwarebeschrijvingstalen of traditionele chipontwerpworkflows hoeven te leren.

De Weg Van Code Naar Hardware Opnieuw Voorstellen

Het hart van de aanpak van BoolSi is een eenvoudig idee: software-ontwikkelaars zouden hardware-niveau prestatieverbeteringen moeten kunnen bereiken zonder hardware-ingenieurs te worden.

In plaats van broncode regel voor regel te vertalen naar digitale circuits, traint BoolSi machine learning-modellen om het gedrag van een programma te leren. Zodra het systeem de transformatie tussen invoer en uitvoer begrijpt, convergeert het neurale netwerk naar een volledig digitaal circuit dat kan worden geanalyseerd, geverifieerd en geoptimaliseerd met behulp van bestaande chipontwerptools. Volgens het bedrijf is de resulterende hardware geen benadering van de oorspronkelijke code, maar een exacte implementatie van het gedrag.

Het bedrijf beschrijft dit als een nieuwe compilatie-laag die tussen software en silicium zit. Ontwikkelaars identificeren een rekenkundig brandpunt in C, C++, of andere ondersteunde talen, en BoolSi genereert een aangepaste hardware-accelerator naast de benodigde implementatie-artefacten. Het resultaat is een co-processor die specifiek is aangepast aan die workload.

Waarom FPGAs Eruit Springen

De initiële focus van BoolSi ligt op FPGAs, een categorie van herconfigureerbare chips die na de productie kunnen worden aangepast. FPGAs zijn steeds belangrijker geworden in robotica, edge AI en ingebedde systemen, omdat ze gespecialiseerde workloads kunnen uitvoeren met veel lagere latentie en stroomverbruik dan traditionele CPUs.

Ondanks hun voordelen blijft FPGA-ontwikkeling moeilijk voor de meeste software-teams. Bestaande tools vereisen vaak expertise in hardwarebeschrijvingstalen zoals Verilog of VHDL, waardoor een steile leercurve ontstaat die de adoptie beperkt. BoolSi probeert die barrière volledig te verwijderen door hardwaregeneratie te behandelen als een compilerprobleem in plaats van een hardware-ontwerpprobleem.

Van Maanden Aan Ingenieurswerk Tot Een Middag

Een van de meest opvallende voorbeelden van het bedrijf betreft een 10.000-regel C-bibliotheek voor reguliere expressies die wordt gebruikt om e-mailadressen in een tekststroom te identificeren. Wanneer deze op een ARM Cortex-A9-processor draait, is de workload voltooid in 2,66 milliseconden. Gecompileerd naar een door BoolSi gegenereerde hardware-accelerator, daalt de uitvoertijd tot 0,325 milliseconden. Het gebruik van acht parallelle hardware-agenten vermindert de latentie verder tot 0,042 milliseconden, wat een verbetering van 63 keer ten opzichte van de CPU-baseline vertegenwoordigt.

De bredere visie gaat verder dan geïsoleerde acceleratietaken. BoolSi gelooft dat veel moderne toepassingen herhalende lussen, protocolhandlers, controle-systemen en verwerkingskernen bevatten die kunnen profiteren van toegewijd hardware. In plaats van ontwikkelaars te dwingen deze componenten opnieuw te schrijven in gespecialiseerde hardwaretalen, wil het bedrijf dat de oorspronkelijke software zelf fungeert als specificatie.

Robotica En Ingebedde Systemen Eerst

BoolSi richt zich initieel op ingebedde ontwikkelaars die werken in robotica, waar latentie, stroomefficiëntie en real-time prestaties vaak bepalen of een product slaagt. Toepassingen zoals sensorfusie, motorcontrole, optische stroomschattings- en modelvoorspellende controle zijn natuurlijke kandidaten voor hardware-acceleratie.

Het langetermijndoel van het bedrijf is aanzienlijk groter. Het voorziet een toekomst waarin elke CPU wordt gekoppeld aan herconfigureerbare logica die kan worden aangepast aan de workloads die ernaast draaien. Naarmate AI-ondersteunde softwareontwikkeling de tijd die nodig is om toepassingen te maken, vermindert, kan de volgende grote productiviteitssprong komen van het automatisch omzetten van die toepassingen in gespecialiseerd hardware.

Als die visie haalbaar blijkt, kan het onderscheid tussen software-engineering en hardware-engineering minder rigide worden dan het vandaag is. Voorlopig richt het bedrijf zich op het bewijzen dat aangepaste silicium net zo toegankelijk kan worden als het schrijven van code.