Minkälaisilla laitearkkitehtuureilla neuroverkkojen prosessointi olisi kaikkein tehokkainta? DSP:llä? Grafiikkaprosessoreilla? Kalifornialainen Blaize uskoo, että sen kehittämä uusi suoritin on tehokkain ratkaisu.
Blaize tunnettiin aiemmin nimellä Thinci. Sen kehittämä prosessoriarkkitehtuuri on GSP eli Graph Stremaing Processor. Periaate on yksinkertainen: valtaosa neuroverkoista perustuu graafien käsittelyyn. Blaizen GSP on tähän laskentaan optimoitu prosessori alusta alkaen.
Markkinoille on useita startuppeja, jotka puhuvat samantyyppisestä neuroverkkolaskennasta. Blaize kuitenkin sanoo, että heidän arkkitehtuurinsa on ensimmäinen natiivi GSP-arkkitehtuuri. Yhtiö onkin monia muita pidemmällä, sillä he ovat jo toimittaneet asiakkaille Linux-työasemia, joilla GSP-pohjaisia sovelluksia voi kehittää.
Blaizen prosessori pystyy prosessoimaan useita neuroverkkoja rinnakkain ja kokoisia työprosesseja yhdessä järjestelmässä. Lisäksi se tukee laajaa valikoimaa erilaisia heterogeenisia laskentaprosesseja.
Alusta on täysin ohjelmoitava, joten se mahdollistaa optimoitujen tekoälymallien, prosessien ja sovellusten kehittämisen. Nykyisiin AI-alustoihin verrattuna Blaize lupaa 10-100-kertaisen parannuksen suorituskykyyn, tehonkulutukseen, laskennan latenssiin, sekä laitteiden kokoon ja hintaan.
Ensimmäisiä järjestelmiä Blaizen suorittimen pohjalta on kehitetty jo viime vuodesta alkaen esimerkiksi autoelektroniikkaa, konenäköön ja yritysten palvelinlaskentaan.
Saksalaislähtöinen Ubitium on kehittänyt innovatiivisen prosessoriarkkitehtuurin, joka yhdistää eri suorittimien (CPU, GPU, DSP, FPGA) toiminnot yhteen siruun. Yrityksen mukaan tämä uusi RISC-V-arkkitehtuuriin perustuva ratkaisu mullistaa yli 50 vuotta vanhan suorittimien suunnittelun.
Moni uusi sähköauton omistaja kokee toimintasädeahdistusta. Tätä ongelmaa autonvalmistajat voivat helpottaa siirtymällä piipohjaista IGBT-piireissä piikarbidiopohjaisiin siruihin. auton vetoinvertterissä.
