AI-X™

 

AI-X™

中小企業向けエッジAIのトータルソリューション

最適化されたAIチップソリューション

 
 

AI-X™は、ジルファルコン・テクノロジー(GTI)の高性能アクセラレーターチップを搭載した完全なAI開発ツールセットであり、スマートデバイス上でのディープニューラルネットワーク開発を実現するためのエンドツーエンドのチップレベルの最適化ソリューションを、また、GTIチップ上でCNNベースのモデルを開発するための効率的なSW-HWデザインフレームワークを提供します。AI-X™は、「使いやすい」GTIのタグ付けとデータラベリング(Gtag)、GTIに最適化されたカスタムアルゴリズムとモデル(Gnet)、GTIの高性能チップ(Gchip)を活用することで、AI製品の開発期間を短縮し、チップ上のリソースを最大限に活用し、CPU負荷を最小限に抑え、性能効率を高め、消費電力を削減することができます。 AI-X™は、エンドツーエンドのハードウェアソリューションとソフトウェアソリューションを組み合わせて、ユーザーの未加工データにラベルを付けてクリーンアップし、効果的で最適化されたAIモデルとアルゴリズムを作成することで、GTIチップを搭載したスマートデバイスにAI需要の課題を迅速に展開し、そしてそれらをGTIアクセラレーターチップ上に移植することができます。

 

要覧:

 
  • オンチップパフォーマンスの最適化
  • 全体的なハードウェア/ソフトウェアの最適化
  • CPU使用率の削減
  • 比類のないTOPS
  • 超低電力
  • 量子化を意識したトレーニング
  • スケーラブルなアーキテクチャー
  • 高精度のデータラベリング
  • 大規模なオンデマンドデータセットの生成
  • より優れたモデルをより迅速に構築
 

アプリケーション:

  • エッジAIビジョンデバイス
  • 家電
  • AI-カメラセンサー
  • 自動車

トータルソリューションの提供:

  • 「使いやすい」プラットフォームでAIの機能を最大限に活用する
  • 製品対応のAIチップに対する高い障壁を取り除く
  • AIチップ設計の課題に対するビジョンベースのソリューションを構築する
  • 固有のビジネスニーズに対応した効果的なカスタムモデルを迅速に構築する
  • GtagGnetGchip間のシームレスな統合を最大限に活用する
  • 「ワンクリック」のGtagラベリングとアノテーション機能により、より優れたモデルをより迅速に構築できます
  • 「ワンクリック」のGnetカスタムモデルによるオンチップパフォーマンスの最適化の活用
  • Gchipアクセラレーターチップによる高性能・マルチチップ機能の活用
  • 量子化を意識したトレーニングとモデルのプルーニングの活用
  • 消費電力、速度、精度、およびCPU負荷の軽減を共同で最適化

主なメリット:

  • Gtag: データのタグ付けとラベリング
    • ビデオ、画像、テキストのラベリング
    • 高品質で最も正確なデータラベリング
    • ソーシング、クリーニング、未加工データのラベリング
    • データラベリングの生産性を100倍向上させる
  • Gnet: 共同パフォーマンスの最適化
    • 消費電力(250mW以下)
    • CPU使用率/ランタイム(10%未満)
    • 推論速度 (FPS, 3倍)
    • 精度 (SOTAと同等)
  • Gchip: 高性能アクセラレーターチップ
    • 比類のないTOPS/W
    • 統合されたオンチップメモリ
    • スケーラブルなマルチチップアーキテクチャー
    • テンソル演算で多数の計算を実行

AI-X

クラス最高のエンドツーエンド製品ソリューションでAIパフォーマンスを強化

スマートデバイス上のAI開発者向けのワンストップショップソリューション

GTIアクセラレーターチップを搭載

開発のためのフルスタックソリューション

AI-X™を支える重要なステップ

生産性の向上

「ワンクリック」ソリューション

 

ユーザーデータ

 
 
ユーザーデータは、特定のデータセット、未加工データ、部分的にラベルリングされたデータ、または前処理されたデータ/機能からの画像/ビデオで構成できます

Gtag:データのクリーンアップとラベル付け

未加工データ(画像/オブジェクト)のより正確なラベリング、トレーニング/量子化のための顧客データのクリーニング、およびGTIの広範なデータセットを利用したデータソーシングのための広範なタグ付け機能を提供します

Gnet:パフォーマンスが最適化されたNNモデル

画像分類(GnetFC)、オブジェクト検出(GnetDet)、オブジェクトセグメンテーション(GnetSeg)の最適化モデルは、オンチップ電力効率、CPU使用率の削減、推論速度の向上、精度の向上のために共同で最適化されています

Gchip: モデルをGTIコプロセッサーに移植する

 

事前にトレーニングされたモデルは、GTIチップに簡単にインポートできます。 GTIコプロセッサー(2803、5801、および2801)は、大容量のオンチップメモリとスケーラブルなマルチチップソリューションにより、比類のないパフォーマンス効率(TOPS/W)と推論速度(FPS)を提供します