Lattice Semiconductor’den Segment Pazarlama Direktörü Hussein Osman – Röportaj Serisi

Hussein Osman, yirmi yılı aşkın süredir sensör, işlem ve bağlantı çözümlerini entegre eden silikon ve yazılım ürünleri piyasaya sürmekte uzmanlaşmış bir yarı iletken endüstrisi veteranıdır. Son beş yıl içinde, Lattice Semiconductor’de sensAI çözüm stratejisi ve pazara sürme çabalarını yöneterek yüksek performanslı AI/ML uygulamaları oluşturdu. Bay Osman, California Polytechnic State Üniversitesi’nden Elektrik Mühendisliği lisans derecesi aldı.

Lattice Semiconductor (LSCC ) iletişim, bilgi işlem, endüstriyel, otomotiv ve tüketici piyasalarında kullanılan düşük güç programlanabilir çözümler sağlar. Şirketin düşük güç FPGAları ve yazılım araçları, uygulamalardan Buluta kadar geliştirme hızlandırmasına ve inovasyona yardımcı olmak için tasarlanmıştır.

Kenar AI, şirketlerin bulut tabanlı AI işlemeden alternatifler araması nedeniyle ivme kazanıyor. Bu değişimin yarı iletken endüstrisini nasıl etkileyeceğini ve Lattice Semiconductor’un bu dönüşümdeki rolünü nasıl görüyorsunuz? 

Kenar AI kesinlikle ivme kazanıyor ve bu, tüm pazarları gerçekten devrimleştirme potansiyeline sahip olması nedeniyle. Geniş bir yelpazedeki sektörlerdeki organizasyonlar, daha hızlı, daha verimli ve daha güvenli operasyonlar sağlamak için Kenar AI’ye yöneliyor – özellikle gerçek zamanlı uygulamalarda. Bu, çoğu insanın odaklandığı parça: Kenar AI’nin iş operasyonlarını nasıl değiştirdiği. Ancak, aynı anda gerçekleşen başka bir yolculuk var ve bu, uygulamadan çok önce başlıyor.

Kenar AI’deki inovasyon, orijinal ekipman üreticilerinin, AI modellerini çalıştırabilen sistem bileşenlerini tasarlamalarına yol açıyor – ayak izi kısıtlamalarına rağmen. Bu, hafif, optimize edilmiş algoritmalar, özel donanım ve performansı tamamlayıcı ve/veya güçlendirici diğer gelişmeleri içerir. İşte burada Lattice Semiconductor devreye giriyor.

Alan Programlanabilir Kapı Dizileri (FPGAlar) düşük güçte çalışır ve tasarımcıların sistem gereksinimlerini karşılamalarına yardımcı olur – gecikme, güç, güvenlik, bağlantı, boyut ve daha fazlası. Misyon açısından kritik Otomotiv, Endüstriyel ve Tıbbi uygulamaları işlevsel tutabilen cihazlar oluşturmak için mühendislerin üzerine inşa edeceği bir temel sağlar. Bu, bizim için bir odak alanı ve müşterilerin zorlukları aşmasına yardımcı olmak ve Kenar AI çağını güvenle karşılamalarına yardımcı olmak için heyecan verici.

İşletmeler Kenar AI’yi uygularken hangi ana zorluklarla karşılaşıyor ve FPGAlar’ın geleneksel işlemciler veya GPU’lardan daha etkili bir şekilde bu sorunları nasıl ele aldığını görüyorsunuz?

Sanırım bazı zorluklar gerçekten evrensel – herhangi bir teknoloji ilerledikçe. Örneğin, Kenar AI’nin gücünü kullanmaya çalışan geliştiriciler ve işletmeler, kaynak yönetimi, güvenlik endişeleri ve Edge AI ekosistemlerinin donanım mimarileri ve hesaplama gereksinimlerinin çeşitliliği gibi ortak zorluklarla karşılaşabilir.

FPGAlar, paralel işlem, düşük güç tüketimi, donanım düzeyinde güvenlik özellikleri ve yeniden yapılandırılabilirlik kombinasyonu yoluyla bu ana sorunları ele alır. Bu özellikler, pazarlama sloganları gibi görünebilir, ancak Kenar AI’nin en önemli ağrı noktalarını çözmek için gereklidir.

FPGAlar geleneksel olarak köprüleme ve I/O genişletme gibi işlevler için kullanılmıştır. Onları Kenar AI uygulamalarına özellikle uygun kılan nedir?

Evet, doğru, FPGAlar bağlantılılık alanında uzmanlaşmışlardır ve bu, onları Kenar AI uygulamaları için güçlü kılar. FPGAlar, çeşitli cihazlar ve iletişim protokolleri ile arayüze izin veren özelleştirilebilir I/O bağlantı noktalarına sahiptir. Ayrıca, köprüleme ve sensör birleştirme gibi işlevleri gerçekleştirebilir ve farklı sistem bileşenleri arasında, eski ve yeni standartlar dahil olmak üzere, veri değişimini, toplama ve senkronizasyonunu sağlar.

FPGAlar, Edge AI uygulamalarında düşük güç tüketimi, esneklik ve gerçek zamanlı işlem yetenekleri açısından GPU’lara ve ASIC’lere göre nasıl karşılaştırılır?

GPU’lar ve ASIC’ler gibi donanımın, Edge AI uygulamalarını desteklemek için gerekli hesaplama gücüne sahip olduğunu inkar etmiyorum. Ancak FPGAlar, gecikme ve esneklik gibi diğer alanlarda bu bileşenlerin üzerinde bir avantaj sağlar. Örneğin, hem GPU’lar hem de FPGAlar paralel işlem yapabilir, ancak GPU donanımı, belirli Edge uygulamalarını desteklemek için FPGAlar kadar uygun değildir.

Lattice FPGA’ları otomotiv, endüstriyel otomasyon ve IoT gibi alanlarda uçta yapay zekâ destekli karar vermeyi nasıl geliştiriyor?

FPGA’ların paralel işleme yetenekleri iyi bir başlangıç noktasıdır. Sıralı işlemcilerden farklı olarak FPGA mimarisi, yapılandırılabilir mantık bloklarının farklı işlemleri aynı anda yürütmesi sayesinde yapay zekâ hesaplamaları dahil birçok görevi paralel gerçekleştirebilir. Bu, otonom araçlar, akıllı endüstriyel robotlar, akıllı ev cihazları ve sağlık giyilebilirleri gibi gerçek zamanlı uygulamalar için gereken yüksek veri akışını ve düşük gecikmeyi sağlar. Ayrıca belirli yapay zekâ iş yüklerine göre özelleştirilebilir, modeller ve gereksinimler değiştikçe sahada kolayca yeniden programlanabilir. Donanım düzeyindeki güvenlik özellikleri de yapay zekâ destekli sistemleri açılıştan veri işlemeye kadar korur.

Lattice FPGA’larının Edge AI performansını, güvenliğini veya verimliliğini önemli ölçüde artırdığı gerçek kullanım örnekleri nelerdir?

Özellikle ilgi çekici örneklerden biri, mühendislerin yeni nesil akıllı ve yapay zekâ destekli robotlara güç vermek için Lattice FPGA’larını kullanmasıdır. Akıllı robotlar güvenli otomasyon için gerçek zamanlı, cihaz üzerinde işleme gerektirir; Edge AI da tam olarak bunu sağlar. Bu yardımcı sistemlere talep artarken işlevleri de daha karmaşık ve gelişmiş hale geliyor. Lattice ekibi yakın tarihli bir konferansta FPGA kullanan akıllı bir robotun bir topun yörüngesini izleyip havada yakalayabildiğini gösterdi. Bu, doğru teknolojilerle kurulan makinelerin ne kadar hızlı ve hassas olabileceğini ortaya koydu.

Donanım açısından dikkat çekici olan, tasarım yaklaşımının bu uygulamalara uyum sağlamak üzere değişmesidir. Geliştiriciler yalnızca CPU’lara veya geleneksel işlemcilere güvenmek yerine FPGA’ları sisteme dahil ediyor. FPGA’lar daha fazla ve daha çeşitli sensör ve aktüatörle arayüz kurabilir; sensörlerin yakınında düşük seviyeli işleme yaparak ana hesaplama motorunu daha gelişmiş işlemler için serbest bırakabilir.

Kenar AI’de AI çıkarımı talebinin artmasıyla, Lattice FPGAlarının, daha büyük yarı iletken şirketleri tarafından geliştirilen özel AI çiplerine karşı rekabetçi kalmasını nasıl sağlıyorsunuz?

AI çiplerinin peşinde koşmanın, yarı iletken endüstrisinin büyük bir bölümünü sürüklediğini inkar edemem – Nvidia (NVDA ) gibi şirketlerin, video oyunu grafik kartlarından AI endüstrisi devlerine nasıl dönüştüğüne bakın. Ancak Lattice, pazarın daha da doygun hale gelmesi rağmen bizi ayıran benzersiz güçlere sahiptir.

FPGAlar sadece talebin artması nedeniyle yatırım yaptığımız bir bileşen değil, aynı zamanda temel ürün gamımızın kritik bir parçasıdır. FPGA tekliflerimizin gücü – gecikme, programlanabilirlik, güç tüketimi ve ölçeklenebilirlik – yıllarca süren teknik geliştirme ve iyileştirme sonucunda ortaya çıktı. AI tasarımlarında ve ötesinde FPGAların kullanımını optimize etmek için endüstri lideri bir dizi yazılım ve çözüm yığını sunuyoruz.

FPGAların programlanabilirliği, AI modellerinin ve iş yüklerinin evrimleşmesine uyum sağlamadaki rolleri nedir?

Sabit fonksiyonlu donanımdan farklı olarak, FPGAlar devreye alındıktan sonra yeniden yapılandırılabilir ve yeniden programlanabilir. Bu adaptasyon, özellikle değişen AI modellerini ve iş yüklerini desteklemede, en büyük farklılaştırıcısıdır. AI manzarasının ne kadar dinamik olduğunu düşünürsek, geliştiricilerin algoritmik güncellemeleri, büyüyen veri kümelerini ve diğer önemli değişiklikleri meydana geldiğinde desteklemeye ihtiyaç duyarlar.

Lattice FPGAları, Edge AI dağıtımlarında performans, güç tüketimi ve maliyet arasında denge kurulmasına nasıl yardımcı olur?

Sonuçta, geliştiricilerin performans ve olanaklar arasında seçim yapmaları gerekmemelidir. Evet, Edge uygulamaları çoğu zaman hesaplama kısıtlamaları, güç kısıtlamaları ve artan gecikme ile engellenir. Ancak Lattice FPGAları ile geliştiriciler, esnek, enerji verimli ve ölçeklenebilir donanıma sahip olurlar – bu, bu zorlukları hafifletmeye yetecek kadar güçlüdür. Özelleştirilebilir I/O arayüzleri, çeşitli Edge uygulamalarına bağlantı sağlar ve karmaşıklığı azaltır.

AI donanımının gelecek 5-10 yıl içinde nasıl evrileceğini öngörüyorsunuz, özellikle Kenar AI ve güç verimli işlem açısından?

Kenar cihazlarının, AI ve ML algoritmalarının hesaplamalı ve enerji taleplerini karşılayabilmek için daha hızlı ve daha güçlü olması gerekecek – özellikle bu uygulamalar daha yaygın hale geldikçe. Edge uygulamalarını destekleyen dinamik donanım bileşenlerinin yetenekleri, daha küçük, daha akıllı ve daha entegre hale gelerek uyum sağlamalıdır. FPGAlar, düşük gecikme ve düşük güç özelliklerini daha yüksek talepler için genişletmelidir.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Lattice Semiconductor‘i ziyaret edebilir.