דוגמיות ראשוניות של השבב יסופקו בחודשים הקרובים לבדיקת מעטפת הביצועים לחברות מובילות בעולם ביניהן יצרנים וספקים בולטים בענף הרכב וחברות מצלמות
| מימדי שבב ה-deep learning מדגם Hailo-8. איור: היילו |
חברת הסטארט-אפ Hailo מתל-אביב, המספקת שבבי AI, הוציאה לשוק את Hailo-8TM, מעבד ה-deep learning היעיל ביותר בעולם. Hailo מספקת בימים אלה דוגמיות של השבב שלה לשותפים נבחרים במגוון ענפים, בדגש על רכבים ומצלמות חכמות. השבב נבנה בארכיטקטורה חדשנית המאפשרת למכשירי קצה, דוגמת מכוניות אוטונומיות, מצלמות חכמות, סמארטפונים, רחפנים, פלטפורמות AR/VR ומחשוב לביש, להריץ יישומי deep learning שעד היום היה ניתן להריצם רק על גבי ענן מחשוב.
מעבד Hailo-8, שמספק ביצועים של עד 26 TOPS (Tera Operations Per Second), עולה באופן משמעותי על מעבדים אחרים ליישומי קצה מבחינת ביצועים ומספק שטח ויעילות הספק עדיפים בכמה סדרי גודל על פני פתרונות מובילים אחרים. השבב כולו, הכולל את כל הזכרונות הנדרשים, תופס שטח קטן יותר ממטבע של סנט אמריקני. Hailo תכננה ארכיטקטורה שנשענת על מאפייני הליבה של רשתות נוירונים. באמצעות ארכיטקטורה זו החברה מאפשרת כעת למכשירי קצה להריץ יישומי deep learning בהיקף מלא באופן יותר יעיל, אפקטיבי ועמיד ביחס לפתרונות קיימים, תוך צמצום ניכר בעלויות.
Hailo הוקמה בפברואר 2017 על ידי אור דנון, אבי באום והדר צייטלין, בוגרי יחידת עילית טכנולוגית של חיל המודיעין. דנון, המכהן כמנכ"ל Hailo, הוא חתן פרס ביטחון ישראל ובוגר תכנית "תלפיות". ה-CTO אבי באום מילא שורה של תפקידים בחברת Texas Instruments, בה עבד כ-13 שנה לאחר שירות באותה יחידה טכנולוגית. בין היתר שימש באום כ-CTO של תחום הקישוריות האלחוטית בחטיבת המעבדים המשובצים ב-TI וכיהן בתפקידי ניהול קבוצת ארכיטקטורה והנדסת מערכת. שותפתם להקמת החברה הדר צייטלין, המכהנת כמנהלת הפיתוח העסקי, היא בוגרת תכנית "תלפיות", שירתה כתשע שנים ביחידה הטכנולוגית, ובמהלך שירותה זכתה בפרס הרמטכ"ל למצוינות טכנולוגית. לפני הקמת Hailo, שימשה צייטלין כמנהלת המוצר הראשונה בחברת Via.
Hailo גייסה מהקמתה למעלה מ-24 מיליון דולר. בין המשקיעים בחברה: זהר זיסאפל, המשמש גם כיו"רHailo ; פלטפורמת ההשקעות OurCrowd; קרנות ההשקעות בטכנולוגיות רכב Maniv; Next Gear, הקרן הנלווית לאקסלרטור טכנולוגיות הרכב Drive; המנכ"ל לשעבר של חברת דלק מוטורס גיל אגמון, דלק מוטורס ו- Glory Ventures הסינית.
בהובלת צוותי הפיתוח של Hailo שותפים מהנדסי פיתוח חומרה ותוכנה בכירים, יוצאי קהיליית המודיעין וחברות דוגמת אינטל, ברודקום ומלאנוקס. החברה, מעסיקה מעל 50 עובדים ומגייסת עובדים נוספים לטובת פיתוח ארכיטקטורת החומרה והתוכנה שלה והן עבור עבודה מול בסיס הלקוחות המתרחב.
Hailo עובדת עם חברות מובילות בעולם, ביניהן יצרני OEM וחברות tier-1 בענף הרכב בתחומים דוגמת ADAS (מערכות מתקדמות לסיוע לנהג) וכן עם חברות בענפים דוגמת ערים חכמות ובתים חכמים בכדי לספק כוח עיבוד שיהפוך מכשירי קצה והתקני IoT לחכמים יותר. תעשיות אלה דורשות לעיתים קרובות שימוש במצלמות עתירות ביצועים בכדי לבצע משימות דוגמת פילוח סמנטי וזיהוי עצמים בזמן אמת – משימות שהשבב של Hailo יכול לבצע ברזולוציה גבוהה, תוך צריכת הספק של ואטים בודדים בלבד.
התכנון מחדש שביצעה Hailo מסלק בעיות של פיזור חום מיותר ומבטל את הצורך במערכות קירור בתעשיית הרכב. המבנה המתקדם של השבב מאפשר ביצועים גבוהים יותר, צריכת הספק נמוכה יותר וזמן השהיה מזערי, ובו בזמן מאפשר יותר פרטיות ואמינות במכשירי קצה חכמים.
על פי תוצאות ראשוניות המשוות בין שבב Hailo-8TM לבין שבב Xavier AGX של Nvidia, שמריץ רשתות נוירונים דוגמת ResNet-50, שבב Hailo-8 צורך כמעט פי 20 פחות הספק בעת ביצוע של אותן משימות.
אור דנון, מייסד משותף ומנכ"ל Hailo, מציין כי "המבנה היסודי של הארכיטקטורה הנוכחית של מעבדים משובצים פותח לפני כ-70 שנה ולוקה בחסרונות משמעותיים כשמדובר על deep learning. הפתרון ההוליסטי של Hailo מטפל בבעיות אלה באמצעות חשיבה מחדש על האלמנטים היסודיים בארכיטקטורה של המחשב – הזיכרון, הבקרה והעיבוד. הפתרון אף כולל ערכת פיתוח תוכנה (SDK) מקיפה שפותחה יחד עם החומרה".
דנון הוסיף: "בשנים האחרונות, היינו עדים לרשימה הולכת וגדלה של יישומים שהפוטנציאל שלהם שוחרר באמצעות deep learning, דבר שהתאפשר הודות למעבדי GPU בדרג של שרתים. עם זאת, ככל שתעשיות שונות מונעות ואפילו משובשות על ידי AI, קיים צורך מכריע בארכיטקטורה מתאימה שמחליפה את מעבדי העבר ומאפשרת ל-deep learning להריץ יישומים בקצה הרשת. השבב של Hailo תוכנן מהיסוד בכדי לעשות בדיוק את זה. אנו שמחים לעזור ללקוחות לדחוף את התקני הקצה שלהם לשיאים חדשים. עידן חדש של שבבים משמעותו עידן חדש של טכנולוגיה".
| {loadposition content-related} |
