Ny tilnærming til kant-KI prosessorer

Sørkoreanske AnalogAI har valgt memBrain SAGE IP fra Microchip-eide Silicon Storage Technology (SST) som kjerneteknologi i selskapets første prosessorer for kant-KI-applikasjoner. Teknologien skal gjøre det mulig å både trene og kjøre KI-modeller direkte på enheten, samtidig som effektforbruket holdes under én watt.

AnalogAI utvikler prosessorer basert på analog «compute-in-memory» (aCIM), der beregningene utføres i selve minnet. Ifølge selskapet gjør dette det mulig å oppnå høy ytelse med svært lavt energiforbruk, noe som er viktig i applikasjoner som humanoide roboter, droner og autonome kjøretøy.

Den valgte memBrain SAGE-plattformen bygger på SSTs SuperFlash-teknologi og fungerer som inferensmotor i AnalogAIs første produkter. En sentral målsetting er at kant-KI-systemene skal kunne tilpasse seg endringer i omgivelsene i sanntid uten å være avhengige av skybasert behandling.

Microchip fremhever at memBrain SAGE er utviklet for analog KI-akselerasjon med optimaliserte minneceller, DAC- og ADC-kretser samt spesialisert styrelogikk. Teknologien er allerede implementert i 40 nm- og 28 nm-prosesser, mens en 22 nm-versjon er på veikartet.

For AnalogAI var raskere utviklingstid og dokumentert silisiumteknologi avgjørende faktorer ved valget. Selskapet mener analog beregning i minnet er et voksende felt som kan åpne for nye typer kant-KI-systemer som fortsetter å lære og tilpasse seg etter utrulling.

Teknologien retter seg mot fysiske kant-KI-applikasjoner der lavt effektforbruk, høy ytelse og lokal læring er avgjørende, og illustrerer den økende interessen for analog KI-maskinvare som et alternativ til tradisjonelle digitale KI-akseleratorer.