Blaize は、自社の GSP が「直接グラフ処理、オンチップのタスク グラフ管理と実行、およびタスクの並列処理」が可能であると説明しています。つまり、Blaize は、AI、GPU、CPU、DSP では以前は満たせなかった処理要求を満たすように GSP を設計しました。
組み込み AIプロセッサーを担当する多くの業界アナリストにとって、これは以前に聞いたことのあるトピックです。
Tirias Research の主任アナリストである Kevin Krewell 氏は、「ThinCI については知っていましたが、アーキテクチャについてはまったく知りませんでした。名前が変更されてうれしいです」と述べています。
GSP のスライドには GSP のアーキテクチャに関する技術的な詳細が欠如しており、技術アナリスト コミュニティに不満と懐疑的な見方を引き起こしています。ただし、ムンガガラ氏は2020年の第1四半期に情報を公開すると約束した。
GSP アーキテクチャは、一連のグラフィックス ストリーム プロセッサ、専用数学プロセッサ、ハードウェア制御、およびさまざまなタイプのデータ キャッシュで構成されます。同社は、GSP が「真のタスクレベルの並列処理、オフチップメモリの最小限の使用、深さ優先のハードウェアグラフスケジューリング、完全にプログラマブルなアーキテクチャ」を提供できると主張している。
認定サプライヤーのリストを入手する
Munagala 氏の見解では、Blaize にとって良いニュースは、多数の初期顧客がすでに GSP を使用していることです。Blaize は 1 年前から GSP を搭載したデスクトップを出荷してきました。電源コンセントに差し込んでイーサネットに接続するだけです。データサイエンティスト、ソフトウェアおよびハードウェアの開発者はすでに、GSP によって実現されるシステムレベルの機能を評価しているとムナガラ氏は述べました。
ブレイズは8,700万ドルの資金を調達しており、デンソー、日本のダイムラー、マグナなどの初期投資家やパートナーから支援を受けている。「数年前、私たちはまだ自動車分野で利益を上げていました」とムナガラ氏は語った。
テープを手にした多くのスタートアップは、「これから何をするのか?」というジレンマに直面しています。「我々は1年前にその段階を過ぎていた」とブレイズの副社長兼戦略的事業開発マネージャーのリチャード・テリル氏はEE Timesに語った。
Blaize は、エンジニアリング チーム (現在従業員 325 名) を強化し、カリフォルニア、インド、英国に事業を拡大することで、インフラストラクチャの構築に焦点を移しました。Blaize は新しい施設に移転し、日本と EMEA でフィールド アプリケーション エンジニアの採用を開始しました。「我々はこの勢いを維持している」とムナガラ氏は語った。
Blaize にとって、GSP ビジネスは、もはや Powerpoint プレゼンテーション仕様で競合他社と競合することではありません。それは、顧客がどのアプリケーションに GSP をどのように使用するか、そして特定の用途で「システム レベルで」どのくらいの電力が消費されているかを把握することです。
Blaize は、自社の製品を自動車業界の標準に準拠させ、内部プロセスと文書が認証されていることを確認するなど、自社の物流を理解することに熱心に取り組んでいます。「当社は監査プロセスを経ており、認定サプライヤーの承認リストに載っています」とムナガラ氏は述べた。これは自動車メーカーや自動車メーカーの各層が通過しなければならないプロセスであり、製品を提供するのに十分長く続かない新興企業はむしろ避けたいと考えている。
ブレイズは英国で約 30 人のエンジニアを雇用し、キングス ラングレーとリーズに拠点を置き、自動車の製品開発に取り組んでいます。Imagination が MIPS を廃止したとき、彼らは結束の固いエンジニア チームでした。「これらは、MIPS ベースの ASIC をモービルアイの自動車規格に適合させるために MIPS に協力した、高度な資格を持つ人々のグループです」とムナガラ氏は説明しました。
グラフコンピューティング
組み込み AI はさまざまな種類のニューラル ネットワークに登場しますが、「すべてのニューラル ネットワークはグラフベースです」とムナガラ氏は説明しました。理論的には、これにより開発者はグラフネイティブ構造を活用して、複数のニューラル ネットワークとワークフロー全体を単一のアーキテクチャ上に構築できます。したがって、同社の GSP に対する新しいマーケティング戦略は「100% グラフィックス ローカリゼーション」です。
ただし、Blaize はグラフ コンピューティングの分野における正確なユニコーンではありません。Graphcore、Mythic、そして今は失敗した Wave Computing はすべて、組み込み AI 処理における「データフロー グラフの最適化と編集」について話しています。
「確かに、グラフ コンピューティングは 60 年以上前から存在しています」とテリル氏は言いました。
Blaize GSP は、他のグラフベースのデータフロー プロセッサとは 3 つの点で異なるとムナガラ氏は述べています。まず、「当社の GSP は完全にプログラム可能」であり、「さまざまなタスク」を実行できます。
2 番目に、「単一クロック サイクルで動的に再プログラム可能」です。
3つ目は、「ストリーミング統合を提供する」ことで、遅延を最小限に抑えることが可能になります。同氏は、非計算データの移動を最小限に抑えるか排除する「データフロー メカニズム」を通じて、大幅な効率の向上がもたらされると説明した。
GSP アーキテクチャのグラフィックス ネイティブな性質により、外部 DRAM との間のデータ移動が最小限に抑えられます。外側には最初の入力と最後の出力のみが必要で、その間にあるものはすべて一時的な中間データにすぎません。これにより、メモリ帯域幅と消費電力が大幅に削減されます。
Blaize システムの目標は、「チップ、ボード、システム レベルでレイテンシを可能な限り低く抑え、メモリ要件とエネルギー要件を削減する」ことです。
Blaize のグラフィックス コンピューティング設計が特許対象となるかどうかとの質問に対し、Mungala 氏は次のように答えました。「私たちは自分たちの特許ポートフォリオに非常に自信を持っています。私たちはいくつかの特許を取得しており、いくつかは承認され、いくつかは申請中ですが、私たちはそれを何年も続けています。」
Embedded Internet of Things は多くのことを学ぶ必要があります。間違ったルートと内容を学習すると給与が上がります。
データ パッケージを全員で共有すると、約 150 G になります。その中の学習コンテンツ、対面聖典、プロジェクトは比較的新しく、完全なものです。(クリックすると、受け取る小さなアシスタントが見つかります)
