BoolSi Samlar In 6 Miljoner Dollar För Att Omvandla Programvara Till Anpassad Kisel Med Hjälp Av AI

Maskinacceleration har länge lovat dramatiska prestandaförbättringar, men att komma åt dessa förbättringar har traditionellt sett krävt specialiserad expertis inom chipdesign. Bostonbaserade startupföretaget BoolSi syftar till att ändra på den ekvationen. Företaget har meddelat en seedrunda på 6 miljoner dollar ledd av Fine Structure Ventures, med deltagande från Pillar VC, Fifth Quarter Ventures och Coalition Ventures, medan de arbetar för att göra anpassad maskinacceleration tillgänglig för programvaruutvecklare.

Finansieringen kommer att stödja lanseringen av BoolSis privata beta senare i år och accelerera utvecklingen av en plattform som automatiskt konverterar programvara till maskinacceleratorer som körs på fältprogrammerbara gate arrays (FPGAs), utan att kräva att ingenjörer lär sig hårdvarubeskrivningsspråk eller traditionella chipdesignarbetsflöden.

Att Omdefiniera Vägen Från Kod Till Hårdvara

I hjärtat av BoolSis tillvägagångssätt ligger en enkel idé: programvaruutvecklare bör kunna uppnå hårdvarunivås prestandaförbättringar utan att bli hårdvaruingenjörer.

I stället för att översätta källkod rad för rad till digitala kretsar, tränar BoolSi maskinlärningsmodeller för att lära sig beteendet hos ett program. När systemet förstår transformationen mellan indata och utdata, konvergerar neuronnätverket till en fullständigt digital krets som kan analyseras, verifieras och optimeras med hjälp av befintliga chipdesignverktyg. Enligt företaget är den resulterande hårdvaran inte en approximation av den ursprungliga koden, utan en exakt implementering av dess beteende.

Företaget beskriver detta som ett nytt kompilationslager som ligger mellan programvara och kisel. Utvecklare identifierar en beräkningshetta i C, C++ eller andra stödda språk, och BoolSi genererar en anpassad maskinaccelerator tillsammans med de erforderliga distributionsartefakterna. Resultatet är en co-processor som är anpassad specifikt för den arbetsbelastningen.

Varför FPGAs Är Viktiga

BoolSis initiala fokus ligger på FPGAs, en kategori av omkonfigurerbara chip som kan anpassas efter tillverkning. FPGAs har blivit allt viktigare inom robotteknik, edge AI och inbäddade system, eftersom de kan utföra specialiserade arbetsbelastningar med mycket lägre latens och effektåtgång än traditionella CPU:er.

Trots deras fördelar kvarstår FPGA-utveckling som svår för de flesta programvaruteam. Befintliga verktyg kräver ofta expertis inom hårdvarubeskrivningsspråk som Verilog eller VHDL, vilket skapar en brant inlärningskurva som begränsar antagandet. BoolSi försöker att ta bort den barriären helt genom att behandla hårdvarugenerering som ett kompilationsproblem snarare än ett hårdvarudesignproblem.

Från Månader Av Ingenjörsarbete Till En Eftermiddag

Ett av företagets mer slående exempel involverar en 10 000-raders C-regular uttrycksbibliotek som används för att identifiera e-postadresser i en textström. Körande på en ARM Cortex-A9-processor, slutfördes arbetsbelastningen på 2,66 millisekunder. Kompilerad till en BoolSi-genererad maskinaccelerator, minskade exekveringstiden till 0,325 millisekunder. Användning av åtta parallella maskinagenter minskade latensen ytterligare till 0,042 millisekunder, vilket representerar en 63-faldig förbättring jämfört med CPU-baslinjen.

Den bredare visionen sträcker sig bortom isolerade accelereringsuppgifter. BoolSi tror att många moderna applikationer innehåller upprepade slingor, protokollhanterare, kontrollsystem och bearbetningskärnor som kan dra nytta av dedikerad maskinvara. I stället för att tvinga utvecklare att om skriva dessa komponenter i specialiserade maskinspråk, vill företaget att den ursprungliga programvaran i sig ska fungera som specifikationen.

Robotik Och Inbäddade System Först

BoolSi riktar sig initialt till inbäddade utvecklare som arbetar med robotteknik, där latens, effekteffektivitet och realtidsprestanda ofta avgör om en produkt lyckas. Applikationer som sensorfusion, motorstyrning, optisk flödesestimering och modellbaserad styrning är naturliga kandidater för maskinacceleration.

Företagets långsiktiga ambition är betydligt större. De ser en framtid där varje CPU är parat med omkonfigurerbar logik som kan anpassas för de arbetsbelastningar som körs bredvid den. När AI-assisterad programvaruutveckling fortsätter att minska den tid som krävs för att skapa applikationer, hävdar BoolSi att den nästa stora produktivitetshöjningen kan komma från att automatiskt konvertera dessa applikationer till specialiserad maskinvara.

Om den visionen visar sig vara genomförbar, kan skillnaden mellan programvaruutveckling och maskinvaruutveckling bli mindre rigid än den är idag. För tillfället är företaget fokuserat på att bevisa att anpassad kisel kan bli lika tillgänglig som att skriva kod.