Blaize presenta el Graph Streaming Processor (GSP) para cargas de trabajo de IA

TOKIO — La compañía de aceleradores de IA Blaize, anteriormente ThinCI, anunció que su Graph Streaming Processor (GSP) totalmente programable entrará en producción en volumen en Q2 2020.

La startup de seis años no ha revelado especificaciones detalladas, incluyendo consumo de energía y datos de benchmarks. Sin embargo, su chip de prueba —tapeado a mediados de 2018 y ejecutado en un enclave basado en Linux— ha sido desplegado en 16 proyectos piloto alrededor del mundo durante el último año, dijo el CEO y co‑fundador Dinakar Munagala.

Blaize caracteriza el GSP como ejecutando procesamiento directo de grafos, gestionando y ejecutando grafos de tareas on‑chip, y permitiendo paralelismo a nivel de tarea. En esencia, el GSP aborda cargas de trabajo de IA con las que GPUs, CPUs y DSPs han luchado para servir eficientemente.

Analistas de la industria han notado que esta propuesta hace eco de afirmaciones familiares de otros proveedores de procesadores de IA.

Kevin Krewell, analista principal en Tirias Research, dijo: “Conozco un poco sobre ThinCI, pero nunca recibí el pitch de arquitectura. Me alegro de que cambiaran el nombre.”

La falta de detalles técnicos sobre la arquitectura GSP en su presentación ha alimentado frustración y escepticismo entre analistas. Munagala, sin embargo, prometió una liberación completa de información en Q1 2020.

Entrando en listas de proveedores cualificados

La buena noticia para Blaize, según Munagala, es que una lista creciente de early adopters ya está usando su GSP. Durante el último año, Blaize ha enviado una unidad de escritorio equipada con el GSP. La unidad puede enchufarse a una toma de corriente y conectarse vía Ethernet. Científicos de datos, desarrolladores de software y hardware ya están evaluando funciones a nivel de sistema habilitadas por el GSP.

Blaize, con 87 millones de dólares en financiación, está respaldada por inversores y socios iniciales incluyendo Denso, Daimler y Magna. “También hemos estado generando ingresos del segmento automotriz durante unos años”, dijo Munagala.

Con un chip tapeado en mano, muchas startups enfrentan el dilema “¿Qué hacemos ahora?”. Richard Terrill, VP y desarrollo estratégico de negocio en Blaize, dijo a EE Times: “Ya pasamos esa etapa hace un año.”

Blaize se ha centrado en expandir su infraestructura reforzando un equipo de ingeniería que ahora totaliza 325 miembros en California, India y Reino Unido. Se está reubicando a nuevas instalaciones y contratando ingenieros de aplicaciones de campo en Japón y EMEA. “Mantenemos nuestro impulso”, dijo Munagala.

Para Blaize, el negocio GSP ya no se trata de competir en hojas de especificaciones. Se trata de entender cómo los clientes usarán el GSP en aplicaciones reales y medir el consumo de energía a nivel de sistema en esos contextos.

Blaize ha estado ocupado finalizando logística, obteniendo cualificación automotriz y asegurando que procesos internos y documentación cumplan estándares de certificación. “Ya completamos un proceso de auditoría y estamos en una lista de proveedores aprobados y cualificados de un cliente automotriz”, dijo Munagala. Este hito es crítico para fabricantes de coches y proveedores de nivel uno que prefieren socios con longevidad probada.

Blaize contrató 30 ingenieros en Reino Unido (en Kings Langley y Leeds) para enfocarse en desarrollo de producto automotriz. El equipo, compuesto por individuos altamente cualificados que trabajaron previamente en MIPS en ASICs basados en MIPS para Mobileye, aporta profunda experiencia en el dominio.

Computación de grafos

Aunque la IA abarca muchos tipos de redes neuronales, “todas las redes neuronales son basadas en grafos”, explicó Munagala. En teoría, esto permite a los desarrolladores construir múltiples redes neuronales y flujos de trabajo completos en una sola arquitectura. De ahí el eslogan de marketing del GSP: “100 % graph‑native”.

Blaize no está sola en el espacio de computación de grafos. Competidores como Graphcore, Mythic y la recientemente cerrada Wave Computing también han discutido optimizar y compilar grafos de flujo de datos para procesamiento de IA.

Terrill señaló: “La computación de grafos tiene una historia de más de 60 años.”

El GSP de Blaize se distingue de otros procesadores de flujo de datos basados en grafos en tres aspectos, según Munagala. Primero, el GSP es totalmente programable, capaz de manejar una amplia gama de tareas. Segundo, es dinámicamente reprogramable “en un solo ciclo de reloj”. Tercero, integra streaming para minimizar latencia. El mecanismo de streaming de datos reduce o elimina el movimiento de datos no computacional, entregando un multiplicador de eficiencia significativo.

El diseño graph‑native de la arquitectura GSP minimiza el movimiento de datos a DRAM externa. Solo la entrada inicial y la salida final requieren memoria externa; los datos intermedios permanecen on‑chip, reduciendo drásticamente el ancho de banda de memoria y el consumo de energía.

Los objetivos declarados para los sistemas Blaize son “la latencia más baja posible, reducción en requisitos de memoria y demanda energética a nivel de chip, placa y sistema”.

Preguntado sobre si el diseño de computación de grafos de Blaize es defensible por patentes, Munagala respondió: “Confiamos en nuestra cartera de patentes. Tenemos múltiples patentes concedidas y aplicaciones adicionales pendientes, reflejando años de investigación enfocada.”