Ver un modelo de aprendizaje automático en el trabajo a veces puede parecer mágico, pero en realidad es solo matemática. Muchas matemáticas Nada terriblemente lujoso, fíjate: estadísticas, teoría de la probabilidad, cálculo multivariante, álgebra lineal y algoritmos. OK, es un poco elegante, pero el punto es que hay muchas matemáticas que hacer. Un modelo estadístico razonablemente preciso de los pesos y sesgos de sus datos de entrenamiento no se calcula en el reverso de un sobre. Se calcula en chips de computadora, y a medida que aumenta el volumen de datos y la demanda de información a partir de esos datos, también lo hace la demanda de silicio cada vez más rápido capaz de reducir esos números.
En un cierto nivel de complejidad computacional, las unidades de procesamiento central regulares no lo cortan. Harán bien las matemáticas, pero tardarán mucho en hacerlo. Las tarjetas gráficas se diseñaron para operaciones informáticas paralelas masivas, como renderizar y controlar el número multiplicado de píxeles en nuestras pantallas visuales cada vez más densas; y da la casualidad de que esa arquitectura vergonzosamente paralela está bien adaptada para hacer matemáticas de aprendizaje automático rápidamente.
Pero hay muchas aplicaciones en las que ejecutar un montón de unidades de procesamiento de gráficos (GPU) en un centro de datos no es práctico. Tome un vehículo autónomo, por ejemplo: no tiene sentido canalizar todos los datos que se transmiten desde las cámaras a bordo y los sensores LIDAR a un servicio en la nube, espere a que se procese y luego vuelva a conectarlo a la computadora a bordo de un automóvil. A 60 millas y hora, ese tipo de latencia podría ser letal.
A medida que el mundo se basa más en los datos y nuestra tecnología utiliza la inferencia para responder mejor, se requiere una nueva generación de chips de computadora para que ocurra toda la magia matemática. A una cierta escala de complejidad computacional, o en situaciones donde el consumo eléctrico debe mantenerse al mínimo, las GPU tampoco lo reducen.
Con sede en Tel Aviv, Israel, Hailo es una de varias compañías que compiten por su lugar en el mercado competitivo de chips de inteligencia artificial especializados creados para la informática en el borde: aplicaciones automotrices, dispositivos móviles, AI- dispositivos domésticos aumentados y casos de uso industrial.
Hoy, la compañía anunció que recaudó $ 60 millones en fondos de la Serie B. La ronda fue dirigida por patrocinadores existentes, pero contó con la participación de nuevos inversores estratégicos, incluido el brazo de riesgo de la empresa de robótica y automatización ABB , el conglomerado japonés de TI NEC Corporation y VC con sede en Londres Latitude Ventures .
La compañía dice que su nueva financiación “reforzará el despliegue global en curso de su innovador chip Hailo-8 Deep Learning y alcanzará nuevos mercados e industrias en todo el mundo”.
Hailo dice que su chip es capaz de realizar hasta 26 billones de operaciones por segundo, mientras que consume menos de 5 vatios a plena utilización. Hailo-8 admite marcos de aprendizaje automático populares como TensorFlow y Open Neural Network Exchange y cumple con varios estándares de cumplimiento para aplicaciones automotrices.
Según la compañía, la “Arquitectura de flujo de datos definida por la estructura del chip se traduce en un mayor rendimiento, menor potencia y latencia mínima, lo que permite una mayor privacidad y un mejor rendimiento para dispositivos inteligentes que operan en el borde, incluidos vehículos parcialmente autónomos, cámaras inteligentes, teléfonos inteligentes, drones y plataformas AR / VR “.
“Este inmenso voto de confianza de nuestros nuevos inversores estratégicos y financieros, junto con los existentes, es un testimonio de nuestra innovación innovadora y potencial de mercado”, dijo Orr Danon , CEO y cofundador de Hailo “Los nuevos fondos nos ayudarán a acelerar el despliegue de nuevos niveles de capacidades informáticas de vanguardia en dispositivos inteligentes e industrias inteligentes en todo el mundo, incluidas áreas como movilidad, ciudades inteligentes, automatización industrial, comercio minorista inteligente y más allá”.
Desde su creación en febrero de 2017, la compañía ha recaudado $ 88 millones en fondos totales, incluida la ronda anunciada hoy. En enero de 2019, la compañía cerró $ 8.5 millones en fondos de la Serie A liderados por la empresa de riesgo china Glory Ventures . No se revelaron detalles adicionales sobre los ingresos o la valoración de la empresa.
Ilustración: Li-Anne Dias
