carrauntoohil

От замысла до производства: SiMa.ai достигает безошибочного A0-чипа для физического ИИ

Грег Сорбер
(22 января 2026)

Перед компанией SiMa.ai стоял выбор.

Стартап из Кремниевой долины готовился к разработке второго поколения своих систем-на-кристалле — семейства Modalix. Проект был амбициозен до дерзости: единый кристалл, предлагаемый в различных вариантах производительности, с возможностью упаковки в pin-совместимый модуль (SoM), обеспечивающий простую интеграцию. Но этого было недостаточно. Modalix должен был не просто выполнять задачи многомодального машинного обучения и генеративного ИИ — он должен был делать это непосредственно на устройствах, на самом краю вычислительной инфраструктуры.

Вопрос стоял прямо: доверить ли разработку стороннему подрядчику или взять всё в собственные руки?

При создании первого поколения MLSoC компания опиралась на партнёра по turnkey ASIC и, имея всего 30 инженеров, достигла безошибочного A0-кремния. Логично было бы повторить тот же путь. Но стартапы живут не логикой, а смелостью решений — и SiMa.ai решила поднять планку собственных возможностей.

«Мы решили рискнуть чуть больше», — говорит вице-президент по аппаратной инженерии Шриви Дхруванараян. — «Мы взяли на себя весь процесс — от идеи до производства».

И риск оказался оправдан.

Всего за восемнадцать месяцев компания завершила полный цикл Customer-Owned Tooling — от начального RTL-описания до tape-out. И вновь — безошибочный A0-кремний.

По словам Дхруванараяна, ключевую роль сыграла компания Synopsys, предоставившая не только инструменты, но и экспертизу — цельную, глубоко интегрированную экосистему проектирования, верификации и финальной проверки.

«Можно было работать с несколькими поставщиками», — говорит он. — «Но Synopsys оказалась единственной, кто закрывал всё. Выбор был очевиден».

Игра на мощности и эффективности

Tape-out передового Modalix стал важной вехой. Не только для молодой компании, но и для всей эволюции так называемого «физического ИИ» — встроенного машинного интеллекта, работающего прямо в устройствах: роботах, дронах, умных камерах.

«Чип выполняет вывод моделей прямо на месте, без обращения к облаку», — объясняет Дхруванараян. — «И делает это с низким энергопотреблением, не жертвуя производительностью».

По утверждению SiMa.ai, Modalix — это первые в индустрии SoC для многомодального физического ИИ. Они поддерживают сверточные нейронные сети, трансформеры, большие языковые модели, мультимодальные системы и генеративный ИИ — при этом обеспечивая десятикратное превосходство по производительности на ватт.

В конфигурации из четырёх чипов система достигает до 200 TOPS, соперничая с лучшими GPU. А благодаря опциональному модулю SoM, включающему память, питание и интерфейсы, заказчики могут заменить GPU-решения без переработки своих плат.

«Наш модуль pin-совместим», — подчёркивает Дхруванараян. — «Можно просто заменить его и сразу получить выигрыш в производительности и энергопотреблении».

Судя по всему, стратегия работает.

«Модуль продаётся как горячие пирожки», — говорит он. — «Мы видим начало экспоненциального роста».

Архитектура интеллекта на краю

Но чтобы достичь этого переломного момента, пришлось решить множество инженерных задач — создать чип нужного размера и стоимости, не упустив окно возможностей.

«Для стартапа время выхода на рынок — это всегда вызов», — говорит Дхруванараян. — «В итоге у нас получился кристалл площадью 25 мм², оснащённый всем необходимым для серьёзной конкуренции».

Modalix построен как гетерогенная вычислительная система. Он включает CPU ARM AArch64, цифровой сигнальный процессор для компьютерного зрения и собственный программируемый ML-ускоритель — все размещены на отдельных «островах» внутри одного SoC.

Все ключевые IP-блоки — интерфейсы LPDDR5, PCIe 5.0, 10G Ethernet, USB, MIPI, а также средства криптографии и аппаратный корень доверия — были получены от Synopsys и тщательно интегрированы с собственными ML-ядрами. Физическая реализация использовала стандартные библиотеки и SRAM от того же поставщика.

«На этапе внедрения и верификации мы постоянно взаимодействовали с Synopsys», — отмечает он. — «Фактически они сопровождали нас на каждом шаге».

Особенно критичными оказались высокоскоростные интерфейсы и пропускная способность DRAM.

«Если посмотреть на современные ML-чипы с моделями на миллиарды параметров — памяти всегда не хватает», — говорит Дхруванараян. — «Ограничение почти всегда в производительности памяти».

Эмуляция взаимодействий

Не меньше сложностей возникло и на стороне программного обеспечения. Нужно было не только реализовать новые функции, но и сохранить совместимость с предыдущим поколением.

Гетерогенная архитектура требовала координации трёх вычислительных блоков, трёх компиляторов и управления потоками данных через память.

Команда использовала системы эмуляции Synopsys ZeBu, чтобы ещё до появления физического чипа оптимизировать взаимодействие железа и софта.

«Именно на эмуляторе они впервые “встретились”», — говорит Дхруванараян. — «Это позволило провести глубокий анализ производительности и энергопотребления».

С помощью ZeBu удалось запускать модели семейства Llama ещё до изготовления чипа — что дало уверенность в корректности архитектуры и зрелости ПО.

«Самое поразительное — показатели производительности и энергии отличались от реальных всего на несколько процентов», — добавляет он.

Для достижения успеха A0 компания задействовала полный набор инструментов EDA от Synopsys — от компиляции и формальной проверки до анализа питания и физической валидации.

Ускорение продолжается

И это только начало.

Параллельно с разработкой третьего поколения MLSoC, ещё более ориентированного на большие языковые модели, компания работает над автомобильным чиплетом в сотрудничестве с Synopsys.

«Интерес уже огромный», — говорит Дхруванараян. — «И, возможно, мы создадим полноценный автомобильный SoC».

Сделав ставку на собственные силы и выбрав правильного партнёра, SiMa.ai не просто создала безошибочный A0-кремний — она приблизила новую эпоху физического искусственного интеллекта.

# cd /usr/platform/SUNW,Netra-240/sbin
# ./scadm userpassword admin
Password: foobar
Re-enter Password: foobar

scadm: malformed password
        A valid password is between 6 and 8 characters,
        has at least two alphabetic characters, and at
        least one numeric or special character. The
        password must differ from the user's login name
        and any reverse or circular shift of that login
        name.

# ls /usr/platform
sun4u                           SUNW,Sun-Fire-V210
sun4u-us3                       SUNW,Sun-Fire-V215
sun4v                           SUNW,Sun-Fire-V240
SUNW,A70                        SUNW,Sun-Fire-V245
SUNW,Netra-210                  SUNW,Sun-Fire-V250
SUNW,Netra-240                  SUNW,Sun-Fire-V440
SUNW,Netra-440                  SUNW,Sun-Fire-V445
SUNW,Netra-CP2300               SUNW,Sun-Fire-V490
SUNW,Netra-CP3010               SUNW,Sun-Fire-V890
SUNW,Netra-T12                  SUNW,Ultra-2
SUNW,Netra-T4                   SUNW,Ultra-250
SUNW,Serverblade1               SUNW,Ultra-30
SUNW,SPARC-Enterprise           SUNW,Ultra-4
SUNW,Sun-Blade-100              SUNW,Ultra-5_10
SUNW,Sun-Blade-1000             SUNW,Ultra-60
SUNW,Sun-Blade-1500             SUNW,Ultra-80
SUNW,Sun-Blade-2500             SUNW,Ultra-Enterprise
SUNW,Sun-Fire                   SUNW,Ultra-Enterprise-10000
SUNW,Sun-Fire-15000             SUNW,UltraAX-i2
SUNW,Sun-Fire-280R              SUNW,UltraSPARC-IIe-NetraCT-40
SUNW,Sun-Fire-480R              SUNW,UltraSPARC-IIe-NetraCT-60
SUNW,Sun-Fire-880               SUNW,UltraSPARC-IIi-Netract
SUNW,Sun-Fire-T200