AI Chip Company heeft zijn ontbinding aangekondigd

Het is bekendgemaakt dat de AI-halfgeleiderstartup LeapMind op 31 juli 2024 wordt opgeheven.

Soichi Matsuda, directeur en CEO van het bedrijf, zei in een e-mail aan geïnteresseerde partijen: "Wij geloven dat we, om AI daadwerkelijk te gebruiken, zowel software als hardware moeten overwegen, en bovendien zijn er maar weinig bedrijven zoals die." "Er zijn zulke ideeën over de hele wereld, dus we worden constant uitgedaagd om te denken dat ze waardevol zijn, maar we zijn erg teleurgesteld dat we hun waarde nog niet hebben kunnen bewijzen", legt uit dat ze besloten om dat te doen. Een bedrijf vrijwillig ontbinden terwijl het nog over contanten en deposito's beschikt om het risico op wanbetaling te voorkomen.

Vanaf augustus is het de bedoeling dat de Vennootschap de normale liquidatieprocedure start, waarbij de heer Matsuda zal optreden als vertegenwoordigende vereffenaar.

LeapMind begint met de ontwikkeling van nieuwe AI-chips

Volgens de officiële website van het bedrijf verandert de maatschappij voortdurend naarmate de technologie vordert. Snelle innovatie in apparatuur en de proliferatie van infrastructuur hebben het mogelijk gemaakt om grote hoeveelheden data te verzamelen en te gebruiken. Met de praktische toepassing van machine learning is de nauwkeurigheid van analyses toegenomen en is het gebruik van data bekender geworden. De stroom van datacycli, d.w.z. betere data gegenereerd door apparaten die slimmer worden door machine learning, zal sneller worden dan ooit tevoren, waardoor het leven van mensen gemakkelijker wordt.

LeapMind was een van de eerste bedrijven die deze toekomst voorspelde en is sinds 2012 actief in de machine learning-sector.

LeapMind zei dat de technische mogelijkheden en visie van het bedrijf door veel bedrijven en organisaties zeer geprezen zijn, en dat het heeft deelgenomen aan veel projecten die machine learning gebruiken, maar helaas zijn er niet veel gevallen vertaald naar sociale implementatie. Er zijn twee problemen. Het eerste is het bouwen van praktische machine learning-modellen. Om machine learning te gebruiken om tot nu toe onoplosbare taken op te lossen, moeten we hoogwaardige machine learning-modellen ontwikkelen. Het tweede is een computeromgeving die machine learning-modellen daadwerkelijk laat draaien. Er is geen duidelijk apparaat dat het daadwerkelijk laat werken met beperkt gebruik, zoals aan de rand.

Om de maatschappij te verbeteren door het gebruik van machine learning-apparaten, gelooft LeapMind dat bedrijven twee uitdagingen moeten overwinnen. Door klanten en problemen te goeder trouw te blijven aanpakken met collega's met verschillende vaardigheden, konden we problemen op twee manieren oplossen: "het ontwikkelen van hoogwaardige machine learning-modellen" en "het ontwikkelen van snelle, efficiënte hardware-IP". "Ik kwam met het antwoord.

Door zowel aan de software- als hardwarekant te werken, kunnen we het onmogelijke mogelijk maken. Deze toekomst is binnen handbereik. Wij geloven dat we door de wereld te voorzien van de belangrijkste technologieën van de toekomst, een humanere manier van leven kunnen creëren.

Op basis van deze achtergronden en overwegingen kondigde LeapMind in oktober vorig jaar aan dat het nieuwe AI-chips zou ontwikkelen om de computerverwerking van AI-modellen te versnellen en toonaangevende kosten-batenverhoudingen na te streven.

Ze zeggen dat door de recente toename in de omvang en computationele complexiteit van AI-modellen, waaronder grootschalige taalmodellen (LLM's), de kosten voor het trainen van geavanceerde AI-modellen aanzienlijk zijn gestegen vergeleken met 10 jaar geleden. Deze stijgende kosten vormen een groot knelpunt in de ontwikkeling van AI.

Om een ​​goed AI-model te creëren, is een groot aantal processors nodig voor parallel computing. Het leveren van een groot aantal processors vereist een groot budget. Als u een kosteneffectieve processor kunt gebruiken, kunt u betere AI-modellen ontwikkelen, zelfs met hetzelfde budget. Met andere woorden, de processorkarakteristieken die nodig zijn voor AI-leren verschuiven van absolute prestaties naar prijs-prestatie.

In het licht van deze omstandigheden begon LeapMind met de ontwikkeling van nieuwe processorhalfgeleiders (hierna te noemen "AI-chips") voor AI-leren en -inferentie, waarbij de technologie werd toegepast die we hebben verzameld bij de ontwikkeling van edge AI-versnellers. De nieuwe AI-chip richt zich op AI-modelleren en -inferentie, met een compute performance-doelstelling van 2 PFLOPS (petaflops) en 10 keer de prijs/prestatie van GPU's met vergelijkbare prestaties. Het product zal naar verwachting uiterlijk in 2025 worden verzonden.

 

Volgens rapporten heeft de nieuwe AI-chip de volgende kenmerken: Ontworpen voor het leren en redeneren van AI-modellen · Nadruk op expressies met een laag bitsbereik, zoals FP8 Open Source Drivers en Compilers Wanneer het leren en redeneren van AI-modellen als computationele taken wordt beschouwd, heeft het volgens hen de volgende kenmerken: · Matrixvermenigvuldiging is een computationeel knelpunt, is eenvoudig te paralleliseren en heeft weinig voorwaardelijke vertakkingen.

LeapMind benadrukt dat het bedrijf niet streeft naar het verbeteren van de prestaties van computers voor algemeen gebruik, maar de bovenstaande functies gebruikt om specifiek te worden ontworpen voor AI-modelleren en redeneren. Omdat er bijvoorbeeld weinig voorwaardelijke branches in het programma zitten, kan het aantal transistors worden verminderd door de branch prediction unit weg te laten.

De reden om low-level expressies zoals fp8 te benadrukken is dat, volgens hen, de computationele bottleneck van AI-modellen matrixvermenigvuldiging is, wat veel vermenigvuldiging en optelling inhoudt. Vermenigvuldigers zijn doorgaans grote circuits, maar door een datatype te gebruiken met een lagere bitbreedte dan voorheen, zoals FP8, kun je het aantal benodigde transistoren verminderen. Bovendien is het mogelijk om effectief gebruik te maken van DRAM-bandbreedte, wat de laatste jaren een bottleneck is geworden, omdat de verwerkte data klein is.

Wat betreft open-source drivers en compilers, dit komt omdat het ontwikkelen van AI-modellen een geavanceerde software stack vereist die niet door één bedrijf kan worden geleverd. Er is al een open-source software ecosysteem met meerdere bedrijven, en om deel uit te maken van dit ecosysteem is het belangrijk om je aan te sluiten bij de community als open-source software.

In het kader van het LeapMind-programma zal het bedrijf hardwarespecificaties zoveel mogelijk openbaar maken en software zoals drivers en compilers onder een OSI-conforme licentie uitbrengen.