Krishna Rangasayee ผู้ก่อตั้งและซีอีโอของ SiMa.ai – ซีรีส์สัมภาษณ์

Krishna Rangasayee เป็นผู้ก่อตั้งและซีอีโอของ SiMa.ai ในช่วงก่อนหน้านี้ Krishna曾任 COO ของ Groq และ Xilinx เป็นเวลา 18 ปี โดยได้รับตำแหน่งผู้นำอาวุโสหลายตำแหน่ง รวมถึง Senior Vice President และ GM ของธุรกิจโดยรวม และ Executive Vice President ของการขายทั่วโลก ในช่วงเวลาที่เขาทำงานที่ Xilinx Krishna ได้เติบโตธุรกิจให้ถึง 2.5 พันล้านดอลลาร์ในรายได้ โดยมีอัตรากำไรขั้นต้น 70% ในขณะเดียวกันก็สร้างรากฐานสำหรับการเติบโตที่ยั่งยืนเป็นเวลา 10 ไตรมาสติดต่อกัน และการขยายตลาด ในช่วงก่อนหน้านี้เขาทำงานในตำแหน่งวิศวกรและธุรกิจที่ Altera Corporation และ Cypress Semiconductor เขามีเอกสิทธิ์เฉพาะบุคคลมากกว่า 25 รายการ และเคยดำรงตำแหน่งในคณะกรรมการบริษัทที่จดทะเบียนและไม่จดทะเบียน

สิ่งใดที่ดึงดูดคุณให้สนใจการเรียนรู้ของเครื่องจักรในตอนแรก?

ฉันศึกษาตลาด embedded edge และ cloud มาเป็นเวลา 20 ปี ฉันเห็นนวัตกรรมมากมายใน cloud แต่ไม่มากนักในการทำให้การเรียนรู้ของเครื่องจักรเป็นจริงที่ embedded edge เป็นตลาดที่มีขนาดใหญ่กว่า 40,000 ล้านดอลลาร์ที่ยังไม่ได้รับการบริการอย่างดี และใช้เทคโนโลยีเก่ามาเป็นเวลาหลายทศวรรษ

ดังนั้น เราจึงเริ่มทำสิ่งที่ไม่มีใครทำมาก่อน – ทำให้การเรียนรู้ของเครื่องจักรเป็นเรื่องง่ายสำหรับ embedded edge

คุณสามารถแบ่งปันเรื่องราวการก่อตั้ง SiMa ได้หรือไม่?

ในอาชีพการงาน 20 ปีของฉัน ฉันยังไม่เคยเห็นนวัตกรรมทางสถาปัตยกรรมเกิดขึ้นในตลาด embedded edge แต่ความต้องการการเรียนรู้ของเครื่องจักรที่ embedded edge เพิ่มขึ้นใน cloud และ IoT สิ่งนี้แสดงให้เห็นว่าแม้ว่าบริษัทต่างๆ ต้องการการเรียนรู้ของเครื่องจักรที่ embedded edge แต่เทคโนโลยีที่จะทำให้สิ่งนี้เป็นจริงก็ยังไม่ดีพอ

ดังนั้น ก่อนที่ SiMa.ai จะเริ่มออกแบบ เราจึงต้องเข้าใจความท้าทายที่ใหญ่ที่สุดของลูกค้า แต่การทำให้พวกเขาสละเวลาในการให้ข้อมูลที่มีค่าและตรงไปตรงมาเป็นเรื่องที่ท้าทาย ด้วยความช่วยเหลือของทีมและความสัมพันธ์ในอดีต เราสามารถสร้างความเข้าใจที่ลึกซึ้งเกี่ยวกับจุดอ่อนของลูกค้าและพัฒนาแนวคิดในการแก้ปัญหาเหล่านั้น

เราได้พบกับลูกค้ามากกว่า 30 รายและถามคำถามพื้นฐานสองคำถาม: “สิ่งที่ท้าทายที่สุดในการปรับขนาดการเรียนรู้ของเครื่องจักรไปที่ embedded edge คืออะไร?” และ “เราจะช่วยคุณได้อย่างไร?” หลังจากการอภิปรายมากมายเกี่ยวกับวิธีที่พวกเขาต้องการเปลี่ยนแปลงอุตสาหกรรมและฟังความท้าทายของพวกเขาในการบรรลุเป้าหมาย เราได้เข้าใจถึงจุดอ่อนของพวกเขาและพัฒนาแนวคิดในการแก้ปัญหาเหล่านั้น ซึ่งรวมถึง:

• การได้รับประโยชน์จากการเรียนรู้ของเครื่องจักรโดยไม่ต้องมีการเรียนรู้ที่ยากลำบาก
• การรักษาแอปพลิเคชันแบบดั้งเดิมพร้อมกับการนำการเรียนรู้ของเครื่องจักรมาใช้ในอนาคต
• การทำงานร่วมกับโซลูชันที่มีประสิทธิภาพสูงและต่ำพลังงานใน môi trườngที่ใช้งานง่าย

เรารู้สึกว่าเราต้องส่งมอบวิธีการที่ลดความเสี่ยงและแบ่งออกเป็นขั้นตอนเพื่อช่วยลูกค้าของเรา ในฐานะสตาร์ทอัพ เราต้องนำเสนอสิ่งที่น่าสนใจและแตกต่างจากทุกคน ไม่มีบริษัทอื่นที่ตอบสนองความต้องการที่ชัดเจนนี้ ดังนั้นเราจึงเลือกวิธีนี้

SiMa.ai ประสบความสำเร็จในการออกแบบจากศูนย์เป็นแพลตฟอร์ม Machine Learning System-on-Chip (MLSoC) ที่เป็นซอฟต์แวร์เป็นหลักและถูกสร้างขึ้นมาเพื่อการเรียนรู้ของเครื่องจักรโดยเฉพาะ ด้วยการผสมผสานระหว่างซิลิคอนและซอฟต์แวร์ การเรียนรู้ของเครื่องจักรสามารถเพิ่มลงในแอปพลิเคชัน embedded edge โดยการกดปุ่มเพียงปุ่มเดียว

คุณสามารถแบ่งปันความมุ่งมั่นของคุณเกี่ยวกับวิธีการที่การเรียนรู้ของเครื่องจักรจะเปลี่ยนแปลงทุกสิ่งที่จะอยู่ที่ embedded edge ได้หรือไม่?

บริษัทส่วนใหญ่ที่ทำการเรียนรู้ของเครื่องจักรมุ่งเน้นไปที่ตลาดที่เติบโตอย่างรวดเร็ว เช่น cloud และการขับขี่อัตโนมัติ แต่สิ่งที่ต้องการเทคโนโลยีการเรียนรู้ของเครื่องจักรที่ดีที่สุดคือหุ่นยนต์ จรวดน้ำมัน ค้าปลีกที่ไม่มีการเสียส่วนต่าง เมืองอัจฉริยะ และการผลิตอัตโนมัติ

ส่วนตลาดที่กำลังเติบโตเหล่านี้รวมกับความไม่พอใจในการใช้การเรียนรู้ของเครื่องจักรที่ embedded edge ทำให้เรามองเห็นโอกาสที่ดี SiMa.ai มุ่งเน้นไปที่การแก้ปัญหานี้ในแบบที่แตกต่างออกไป เราต้องการทำให้การนำการเรียนรู้ของเครื่องจักรมาใช้ได้จริง

สิ่งใดที่ขัดขวางการปรับขนาดการเรียนรู้ของเครื่องจักรที่ embedded edge มาโดยตลอด?

การเรียนรู้ของเครื่องจักรต้องรวมเข้ากับระบบแบบดั้งเดิมได้อย่างง่ายดาย บริษัท Fortune 500 และสตาร์ทอัพต่างๆ ลงทุนอย่างหนักในการแพลตฟอร์มเทคโนโลยีปัจจุบัน แต่ส่วนใหญ่จะไม่เขียนโค้ดใหม่ทั้งหมดหรือเปลี่ยนแปลงโครงสร้างพื้นฐานทั้งหมดเพื่อรวมการเรียนรู้ของเครื่องจักร ดังนั้นจึงต้องมีเทคโนโลยีที่ช่วยให้การรวมโค้ดแบบดั้งเดิมและการเรียนรู้ของเครื่องจักรเข้ากับระบบได้อย่างง่ายดาย

ไม่มี “ช่องใหญ่” มีเพียงลูกค้าขนาดใหญ่ที่จะขยับเข็มทิศ ดังนั้นเราจึงไม่มีทางเลือกอื่นนอกจากต้องรองรับลูกค้ามากกว่า 1,000 รายเพื่อปรับขนาดการเรียนรู้ของเครื่องจักรและนำประสบการณ์นี้ไปสู่พวกเขา เราได้พบว่าลูกค้าเหล่านี้ต้องการการเรียนรู้ของเครื่องจักร แต่พวกเขาไม่มีความสามารถในการได้รับประสบการณ์การเรียนรู้เพราะพวกเขาไม่มีความสามารถภายในและฐานความรู้พื้นฐาน

SiMA สามารถลดการบริโภคพลังงานได้อย่างมากเมื่อเทียบกับคู่แข่งได้อย่างไร?

MLSoC ของเราคือเครื่องยนต์หลักที่ทำให้ทุกสิ่งเป็นไปได้ มันสำคัญที่จะแยกความแตกต่างว่าเราไม่ได้สร้างการเร่งการเรียนรู้ของเครื่องจักร สำหรับเงิน 2 พันล้านดอลลาร์ที่ลงทุนในสตาร์ทอัพ edge ML SoC ทุกคนตอบสนองด้วยการเร่งการเรียนรู้ของเครื่องจักรเป็นแก่นหลัก สิ่งที่ผู้คนไม่ได้รับรู้คือการย้ายจาก SoC แบบดั้งเดิมไปสู่สภาพแวดล้อมการเรียนรู้ของเครื่องจักรต้องใช้ MLSoC เพื่อให้ผู้ใช้สามารถรันโค้ดแบบดั้งเดิมได้ตั้งแต่วันแรกและปรับใช้ความสามารถของตนในลักษณะที่ลดความเสี่ยงและแบ่งออกเป็นขั้นตอน

สิ่งใดที่เป็นลำดับความสำคัญหลักของตลาดสำหรับ SiMa?

เราระบุตลาดหลักหลายแห่ง บางแห่งมีรายได้เร็ว hơnแห่งอื่น มีเวลาในการสร้างรายได้เร็วที่สุดคือ smart vision หุ่นยนต์ อุตสาหกรรม 4.0 และจรวด ตลาดที่ต้องใช้เวลาในการสร้างรายได้มากกว่าเนื่องจากการรับรองและมาตรฐานคือการขับขี่อัตโนมัติและการใช้งานทางการแพทย์

การเปลี่ยนแปลงกลยุทธ์การใช้งานจาก edge ไปยัง cloud มีประโยชน์อย่างไร?

แอปพลิเคชัน edge ต้องการการประมวลผลที่ทำที่ địa phương สำหรับหลายแอปพลิเคชัน ไม่มีเวลาให้ข้อมูลไปที่ cloud และกลับมา การเรียนรู้ของเครื่องจักรเป็นเรื่องพื้นฐานในแอปพลิเคชัน edge เนื่องจากการตัดสินใจต้องทำในเวลาจริง เช่น ในการขับขี่อัตโนมัติและหุ่นยนต์

ทำไมบริษัทควรพิจารณาใช้ SiMa แทนผู้ให้บริการอื่น?

วิธีการที่เป็นเอกลักษณ์ของเราในการใช้ซอฟต์แวร์เป็นหลักและรวมกับโซลูชันฮาร์ดแวร์ที่สมบูรณ์ เรามุ่งเน้นไปที่การแก้ปัญหาที่เรียกว่า Any, 10x และ Pushbutton เป็นแก่นหลักของปัญหา củaลูกค้า

คุณต้องการแบ่งปันสิ่งอื่นใดเกี่ยวกับ SiMa หรือไม่?

ในช่วงแรกของการพัฒนา MLSoC เรากำลังผลักดันขอบเขตของเทคโนโลยีและสถาปัตยกรรม เรากำลังเดินไปในทิศทางที่ตรงกันข้ามกับคำแนะนำทั่วไป การเดินทางในการค้นหาวิธีแก้ปัญหาและนำไปใช้ได้ไม่ง่าย

ชัยชนะที่ยิ่งใหญ่ล่าสุดของเราได้รับการยืนยันถึงความแข็งแกร่งและความเป็นเอกลักษณ์ของเทคโนโลยีที่เราสร้างขึ้น ในเดือนเมษายน 2023 SiMa.ai ได้เอาชนะผู้นำตลาดใน MLPerf Benchmark การแสดงผลในหมวด Edge Power ที่ปิด เรารู้สึกภูมิใจที่จะเป็นสตาร์ทอัพแรกที่เข้าร่วมและได้รับผลลัพธ์ที่ชนะใน MLPerf Benchmark ที่ได้รับการยอมรับมากที่สุดในอุตสาหกรรม

เริ่มต้นด้วยความมุ่งมั่นที่สูงและจนถึงทุกวันนี้ ฉันภูมิใจที่จะบอกว่าความมุ่งมั่นนั้นยังคงไม่เปลี่ยนแปลง MLSoC ของเราถูกสร้างขึ้นเพื่อไปขัดแย้งกับมาตรฐานอุตสาหกรรมในการส่งมอบการเรียนรู้ของเครื่องจักรที่ embedded edge

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม SiMa.ai เพื่อเรียนรู้เพิ่มเติม