芯片设计初创公司 Baya Systems Inc. 今日宣布完成 3600 万美元融资,用于支持其业务增长并加速软件产品组合的开发,以满足新兴"芯片组"经济的需求。
本轮 B 轮融资由 Maverick Silicon 和 Synopsys Inc. 领投,现有投资者 Matrix Partners 和 Intel Capital 也参与其中。
随着人工智能的发展,所谓的芯片组或片上系统 (SoC) 变得越来越受欢迎,因为 AI 需要极其高效的数据移动和计算密度。SoC 将各种半导体组件结合在一起,包括中央处理器、图形处理器、神经网络加速器和其他类型的芯片,以创建更高效的计算平台。然而,将如此多的不同组件放在单个硅片上的挑战之一是需要确保各个部件之间能够快速移动数据的高效设计。
芯片制造商通过将片上网络 (NoC) 技术与其 SoC 集成来解决这个问题。NoC 是专门的组件,可以在芯片上移动数据,同时最大限度地减少连接所有组件所需的资源。
它们跨越 SoC,但挑战在于多芯片实现——即公司希望连接大型 SoC 集群以运行更强大的应用程序和工作负载。简而言之,当 NoC 需要与其他 NoC 通信时,效果并不理想。
Baya Systems 表示,他们开发了一种"革命性的"芯片组优化 NoC 和物理链路 (PHY) 互连解决方案来解决这个挑战。该公司表示,虽然现在可以通过 PHY 连接单个芯片组上的 NoC,但这样做效率低下。
这就是为什么该公司提出了一种新方法,将各种 NoC 整合到一个"统一结构"中,使其像单个智能全局 NoC 一样运作。根据 Baya Systems 的说法,其技术有助于降低延迟,提高 NoC 间通信的带宽和吞吐量,同时在多芯片设计中提供更大的流量路由灵活性。
Baya Systems 创始人兼首席执行官 Sailesh Kumar 博士表示,复杂 SoC 和结合 CPU、GPU 及其他加速器的芯片组的设计师通常会依赖"暴力"解决方案,他认为这是不可持续的。
"存在太多风险,例如高昂的重新设计成本、扩展困难,以及可能推出性能不佳的产品,"他说。"Baya 以性能为中心的软件方法,结合我们独特的传输和模块化结构 IP,从一开始就设计用于生产在构建时就正确的复杂多芯片解决方案,并简化设计流程。"
Baya Systems 表示,其技术优化并简化了芯片组通信,使系统设计师能够专注于系统的增值部分。换句话说,芯片设计师可以转而专注于使其芯片组变得更强大。
Maverick Silicon 董事总经理 Andrew Homan 表示,AI 的挑战不在于提供计算能力,而在于实现无缝数据移动。"Baya Systems 团队凭借 WeaverPro、WeaveIP 和其他解决方案,在行业中独特地填补了这一关键空白,"他说。
Baya Systems 表示,其软件的早期采用者包括 AI 芯片初创公司 Tenstorrent Inc.,该公司最近筹集了 6.93 亿美元的后期融资,以推动其与 Nvidia Corp. 竞争的雄心。该公司正在基于 RISC-V 架构设计更经济的 AI 加速器,消除了对高内存带宽等昂贵组件的需求。
该初创公司表示,计划在今年晚些时候宣布与更多芯片制造商的合作。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。