谢丫丫

启动加速传感器上的AI

0
阅读(118) 评论(0)

加利福尼亚州圣何塞 - 启动AIStorm公司以1320万美元的A轮融资公开进入一个已经拥挤的机器学习市场。它声称其在传感器信号水平上处理神经网络任务的新技术将削弱竞争对手的功率和成本。

这家初创公司已经为模拟前端(AFE)提供65纳米硅片,并计划在今年年底前对多达六个不同的市场进行芯片采样。它声称其7×7毫米设备将提供2.5 TOPS和11.1 TOPS / W.

实际上,嵌入式处理器的每个供应商都已经加大了人工智能战略,以应对预期的机器学习应用浪潮,其中很多产品的首批产品已经上市。

AIStorm希望利用也将作为合作伙伴和客户的投资者在2020年将其产品大量投放市场。然而,今年,它必须为其新方法构建和演示编程技术。

“因为当人工智能数学出现时它们可用,业界闯入GPU,但我们希望消除边缘的GPU,因为我们相信我们可以使用更老的工艺技术以更低的功率水平提供相当于GHz +的数字处理,” David Schie,模拟芯片资深人士,是AIStorm的首席执行官和联合创始人。

为了实现这一结果,启动工作在Schie称之为电荷域,在从CMOS成像器等传感器数字化之前处理原始信号。

“我们正在电子水平上工作,增加电子,”而数字竞争对手将信号转换为“增加噪声,功率和延迟”的步骤,“他说。但AIStorm没有使用“传统的模拟乘法器,它采用不同的方式”,而不是模拟竞争对手Mythic和Syntiant使用它们,他们在闪存阵列中进行模拟处理。

例如,初创公司的芯片与投资者TowerJazz的CMOS传感器配合使用。“TowerJazz像素是我们输入层的一部分,因此电荷来自传感器,它们产生电子,我们繁殖并移动它们,”Schie补充道。

AIStorm的芯片目前使用流行的卷积神经网络,如ResNet。但是,AIStorm的目标是提供处理500万或以下重量的通用机器学习芯片。

它目前在标准IDE中开发神经网络应用程序,然后将代码移植到其芯片中。它正在构建桥梁工具,希望明年能够拥有直接在其芯片上开发应用程序的工具。它旨在与流行的AI框架(如TensorFlow)兼容。

这些概念起源于2013年的专利工作,用于使用小波实时处理生物识别信号。“然后人工智能爆炸,我们有这个独特的通用方法,所以去年,我们开了AIStorm商业化它,”他解释说。

Schie在多伦多大学学习模拟设计,并在生物识别ID和数字健康领域创立了他的第一家公司Linear Dimensions。后来,他进入了Maxim,Micrel和Semtech的管理职位,这些公司是他为AIStorm的联合创始人和员工所吸引的。

该创业公司希望在年底前为六大市场量身定制产品,包括生物识别,计算机视觉和ADAS。它的四个投资者旨在帮助他们的域中的芯片商业化。

例如,TowerJazz可以利用创业公司的芯片和自己的图像传感器来解决汽车,无人机,物联网和智能手机市场。“AIStorm方法所节省的反应时间可能意味着先进的驾驶员辅助系统检测物体与安全停车与致命碰撞之间的差异,”TowerJazz首席执行官Russell Ellwanger在一份新闻稿中表示。

其他投资者是Egis Technology--手机,游戏系统和ADAS的生物识别技术供应商 - 食品准备专家Meyer Corp,以及Schie的第一家创业公司Linear Dimensions。他们可能会参与专注于指纹和面部识别等用途的产品。

“这是第一次,AIStorm的方法允许我们实时智能地从传感器流中修剪数据并跟上大量的传感器输入任务,”Egis首席运营官Todd Lin在一份新闻声明中说。

TowerJazz传感器业务部总经理Avi Strum博士表示:“将传感器与成像仪结合起来并跳过昂贵的数字化过程非常有意义。” “对于我们的客户来说,这将为智能,事件驱动的操作和边缘的高速处理开辟新的可能性ICfans。”

A轮系列将于明年将初创公司的首批65至180纳米产品投入批量生产。AIStorm已经计划推出B系列产品,用于28纳米和更精细节点的后续产品。