Microchip s’empare de Neuronix AI Labs
L’Américain compte ainsi exploiter la technologie de cette start-up pour augmenter la puissance de traitement de ses solutions à faible consommation en périphérie de réseau, qui utilisent des algorithmes IA/ML et sont déployées sur ses FPGA de milieu de gamme.
Deuxième acquisition en moins d’une semaine pour Microchip Technology. Après le rachat la semaine dernière du Coréen VSI, un spécialiste de la connectivité Adas et du cockpit numérique, l’Américain a cette fois-ci accroché la start-up Neuronix AI Labs à son tableau de chasse. Le montant de la transaction n’a pas été dévoilé.
Neuronix AI Labs fournit une technologie d’optimisation des réseaux neuronaux qui permet de réduire la puissance, la taille et les calculs pour des tâches telles que la classification d’images, la détection d’objets et la segmentation sémantique, tout en conservant une grande précision.
© Microchip Technology
Microchip compte ainsi exploiter cette technologie pour augmenter de plusieurs fois la puissance de traitement de ses solutions à faible consommation en périphérie de réseau, qui utilisent des algorithmes IA/ML et sont déployées sur ses circuits programmables, en particulier ses FPGA et ses SoC PolarFire de milieu de gamme, dans des applications de vision par ordinateur utilisant des systèmes soumis à des contraintes de coût, de taille et de puissance.
« La technologie Neuronix combinée à notre flux de conception VectorBlox produit une augmentation de l’efficacité des performances du réseau neuronal et offre des performances Gops/W exceptionnelles dans nos FPGA et SoC PolarFire basse consommation, assure Bruce Weyer, vice-président de l’unité commerciale FPGA de Microchip. Les concepteurs de systèmes seront désormais en mesure de concevoir et de déployer du matériel à faible encombrement qui était auparavant difficile à construire en raison de contraintes de taille, thermiques ou électriques. »
Microchip estime notamment que cette technologie permettra aux concepteurs d’exploiter des capacités de traitement parallèle à partir d’algorithmes d’IA standard sans nécessiter une connaissance approfondie du flux de conception FPGA. Elle a par ailleurs été conçue pour permettre la mise à jour et à niveau des CNN (Convolutional Neural Network) à la volée sans avoir besoin de reprogrammer le matériel.
