台积电看好、性能击败辉达！不到5岁夺50家客户，SiMa.ai有何来头？

▼

生成式 AI 的横空出世，点燃硅谷湾区科技巨头在新赛道上的竞争，疯抢 AI 商机。军火库则是远在太平洋另一头的中国台湾，小岛上掌握了全球近 6 成的先进制程产能，以及 8 成的服务器出货。美商想做生意，必须与台厂携手才能前行。

今年4月，在MLPerf所公布的测试结果中，专攻嵌入式机器学习（ML）SoC（系统单晶片）新创SiMa.ai（下称SiMa），在性能和功率上击败业界领导者辉达（NVIDIA）同类型产品。9月，相同的测试结果公布，再次证明SiMa技术实力。

嵌入式指的是为特定应用所设计晶片，常见于工业电脑、无人机、工厂自动化或是电脑视觉等边缘运算当中。然而自AI发展以来，于嵌入式系统中融合机器学习的进展缓慢。看准这点，创办人瑞格沙易（Krishna Rangasayee）因此创业。

“人们很惊讶我们只用16奈米就可以做到这项结果。”现年54岁的瑞格沙易，曾效力于赛灵思（Xilinx）长达18年，对嵌入式市场非常熟悉，曾先后担任总经理和执行副总裁，并在2018年创办SiMa。至今为止，SiMa已获得2亿美元的注资。

图／ 邱品蓉摄影

最近一笔的1,300万美元，投资人包含一家名为VentureTech Alliance 基金。路透社指出，该公司与台积电关系紧密，台积资料则显示持股高达98％。此外，SiMa 目前也已有超过50家客户正进行晶片测试。成立短短5年，SiMa是如何以新创之姿，踏入高门槛的边缘运算市场？

止2痛点！推新系统、无程式码平台

市场研究机构顾能（Gartner）预估，边缘运算市场规模将从2021年的18.9亿美元，成长至2026年的58.4亿美元，但高技术门槛让玩家非常少。在创业前，瑞格沙易特别耗费半年多进行痛点调查。最后发现，硬件系统的老旧以及难用的软件程式，是阻碍嵌入式机器学习的2大障碍。

首先，瑞格沙易指出，现有的硬件系统已不适用于发展机器学习，“AI无法被加入过时的系统（legacy）中，阻碍创新发展。”为克服这点，SiMa打造全新晶片系统，并推出ML SoC（机器学习系统单晶片）平台，用每秒消耗多少瓦数的标准，来检视晶片的性能和功耗，“对客户来说最大的价值，就是能省下不少成本。”

过去在讲到嵌入式或工业应用，首先会想到的是能高度客制化的FPGA。不过，FPGA能源效率不佳，“我们是在供电只有可能5瓦的情况下开发晶片，不是50瓦。”虽然很多新创透过做ML加速器试图解决这个问题，但瑞格沙易相信必须透过晶片系统整合，也就是SoC，才能解决问题，“但从没有人这样做。”

其次，好用的软件是关键。瑞格沙易指出：“所有企业都想导入AI和机器学习，但缺少合适人才。”因此SiMa耗时2年打造了无程式码平台Paletti Edgematic，让无相关背景者都能使用，解决企业转型的人才阵痛。

通常建立一套机器学习流程需要约9到12个月，Paletti Edgematic将使用者介面图形化，提供众多函式库及机器学习模型，只需要靠点击和拖曳，短短几分钟就可打造出机器学习程序，至2023年底，可供选择模型将增加至200个，软件人才甚至占员工数近7成，足见对软件的重视。

目前看来，SiMa未来势必要翻过辉达这座大山。但瑞格沙易认为，Paletti Edgematic是一个极大优势，“我百分之百确定，未来软件做得最好的人会是赢家。”并指出通用GPU不是边缘运算的最佳解答，“GPU太耗电也太贵。”

先站稳嵌入式应用，车用战场蓄势中

展望未来，瑞格沙易透露，第一代晶片架构会虽专注在嵌入式应用，至第二代时会开始踩入车用，“我们正专注于Level2和Level3的自驾应用，对我们来说是很大的市场。”

曾任益华电脑（Cadence）执行长、现为华登国际董事长，同时也是SiMa董事会成员的陈立武指出，机器学习在云端和移动装置市场造成巨大影响，下一个则轮到数兆美元的嵌入式边缘市场。“SiMa创造一个以软件为中心、目的导向的建构，独特的架构和对市场的理解，将让他们处于领先地位。”

盘点SiMa.ai战略

战略1：揪痛点
创业前与近50家客户进行访谈，了解嵌入式导入AI时的痛点
战略2：推平台
针对嵌入式机器学习应用，推出“ML SoC（机器学习系统单晶片）”平台
战略3：无程式码
打造无程式码平台，解决企业导入AI转型时的人才障碍

SiMa.ai

成立： 2018年
创办人： Krishna Rangasayee
总部： 硅谷（约150人）
主要业务： 机器学习SoC
估值： 6.5亿美元

责任编辑：苏祐萱、谢宗颖

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。