SteerLight: стартап, который не закупает технологии у других

Сегодня у нас интересный стартап с точки зрения оригинального подхода к маркетингу и позиционированию себя на рынке. Мы пойдем по пути не самого привычного анализа области/сектора. Мы расскажем не столько про успех самой компании, сколько общие положения предлагаемой технологии.

Облачное ИИ? Мы не можем докопаться до архитектуры их ПО, но можем рассказать, почему облачные нейросети набирают популярность и выглядят как высокодоходное предприятие наравне с торговлей/производством оружия. Никакого экономического анализа роста этого направления — сегодня мы про технологии, а не бизнес.

Пока другие компании лишь эксплуатируют готовые технологические решения, заказывают чужие разработки и живут только на программировании ИИ – ребята из SteerLight умудрились сделать под себя все: от чипов до радиолокаторов.

Французский стартап SteerLight, в котором создали умудрились использовать архитектуру FMCW, фотонные чипы-ускорители и Lidar – пересобрали систему с лазерной детекцией и искусственным интеллектом, а теперь осваивают автомобильный рынок.

Стартап уже собрал 2 млн евро, так что ждем результатов в раундах A/B.

В этот раз перед нами лучшие из сторонников "дифференцирования", отделения от конкурентов на рынке.

Пока другие технологии камер "окружения" говорят об универсальности продукта, "качестве" детекции — ребята пошли дальше и использовали:

1. Новейшую технологию фотонного чипа;

2. Пообещали характеристики радиолокатора FMCW;

3. Новые лазеры Lidar — простые и неприхотливые в производстве.

Пока компании, по всем канонам разделения труда и капитализма, делегируют разработку технологий другим компаниям и занимаются исключительно ИИ, SteerLight пошел дальше и просто обеспечил нужными технологиями себя сам.

Качество за приемлемую цену. Лучше мы подробно разберем каждый из этих "тезисов", которые и составляют костяк этого стартапа, — они обеспечивают компанию деньгами.

Давненько у нас выходил пост о загадочном чипе, работающем со скоростью света. Пока всякие квантовые суперкомпьютеры, которые определяют вычисления на уровне микрочастиц, мучаются за тысячные доли секунды — наша вычислительная система гоняет самые скоростные в мире частицы. Вопросы к эффективности самого пути фотона вызывает вопросы и сомнения. Но с точки зрения тестов и предварительной оценки технологий — это прорыв. Только наступил апрель, а стартапы уже взялись за применение чипов и попытку вывезти инвестиции на высокотехнологичности.

На самом деле компьютеры, использующие световые лучи вместо электросигналов, живут с 2015 года. Они здоровые, стоят немалых денег, а еще их практически невозможно интегрировать с современными кремниевыми чипами. Когда мы говорим про GPU ускорители и нейросети — мы думаем о векторно-матричных перемножениях. Да, большинство нейронок работают на вычислениях перемножения матриц, это потом энтузиасты придумали формат математических подсчетов, чтобы ускорить работу. Появились тензорные ядра, которые подразбивали матрицы на мелкие блоки и ускоряли работу.

Подробнее о тензорах, матрицах и GPU/TPU мы писали в другом большом материале.

Весь принцип "гонки" вооружений в ИИ вычислениях — ускорение подсчета тензоров.

Но подобные ускорители, понятно дело, ограничены. Хотя Nvidia продвигают технологии, даже в обывательских видеокартах стоит архитектура Тьюринг для работы с нейросетями, но любые архитектурные решения — вопрос разработки оптимальной стратегии работы ядер. Это постоянная гонка за все более оптимизированной технологией — тут нет никакого резкого прорыва, как в свое время с ДВС (двигателем внутреннего сгорания) и лампочкой.

Традиционные типы компьютерной архитектуры (CPU и даже GPU) сами по себе неэффективны в тензорных вычислениях. Их мощности не хватает уже почти всем крупным компаниям от OpenAI до Google из-за объема нейронок. Разработка ученых из MIT мгновенно вычисляет матричные умножения. Новый подход фотонных чипов задействует множество световых лучей, направленных таким образом, что их волны взаимодействуют друг с другом. Это создает интерференционные структуры, которые передают результат запланированной операции.

Буквально два года назад анонсировали AI2001, который предназначен для автомобильных и метавселенных приложений, обеспечивающих терафлопсные операции для создания полностью автономных транспортных средств наряду с технологической основой AI 2.0.

У кремния хорошие оптические свойства по преломлению и отражению лучей, поэтому на небольшой пластинке из этого материала делают “углубления”, которая и формирует архитектурную карту перемещения лучей и впоследствии логики работы процессора.

А уже сегодня ведутся работы по созданию специального чипсета, который позволит вывести оптический интерконнект за пределы кремниевой пластины, а это в перспективе даст возможность как для фотонного соединения между центральным процессором и памятью или GPU, так и для реализации будущих ещё более скоростных версий стандарта PCI Express или его наследника.

Чипсет – это набор микросхем, которые позволяют интегрировать работу процессора с другими комплектующими компьютера. Когда мы устанавливаем обычный процессор Intel или AMD в материнскую плату – мы ориентируемся на чипсет: проверяем насколько хорошо процессор будет взаимодействовать с оперативной памятью, SSD/жестким диском, охлаждением. Фотонный процессор не подает электросигналы, поэтому создать “оптический чипсет”, который бы адекватно отображал впоследствии для комплектующих ток – трудоемкая задача. Оперативная память, охлаждения пока что не работают на фотонных микросхемах.

А PCI Express – особая версия разъема, вторая версия вообще используется как раз для передачи данных в видеокарты. Считается одним из самых быстрых в потребительском сегменте, поэтому выстраивание взаимодействие связи между фотонным ускорителем и подобным разъемом – топ для выстраивания экосистемы под обучение нейронок.

Поэтому, когда мы говорим про стартап, работающий на фотонно-кремниевых чипах — мы говорим про феноменальную скорость. Так, по крайней мере, заявлено на сайте самого стартапа. Подобное внедрение интересно с точки зрения вообще всей экономики машинного обучения и технологий. Посмотрим, как это повлияет на провалившийся проект 2018 года по проектированию беспилотных автомобилей.

Компания создала дочку и самостоятельно разрабатывает чипы. За спиной партнерство с CEA-Leti. В их "регалии" входят новейшие ноу-хау в области фотоники и электроники – чистые помещения площадью 200 и 300 мм площадью более 10 000 м² для прототипирования систем, 10 лет исследований и 10 патентов. Компания решила опередить по технологическому прорыву исследователей MIT, адаптировав свой продукт исключительно под нужды компании, computer vision в сфере беспилотников на дорогах.

Теперь вычисления дешевле и быстрее.

Лазеры LIDAR (обнаружение и определение дальности с помощью света) – технологические системы, использующие лазерное излучение для зондирования окружающей среды и создания трехмерных моделей объектов.

Да, это не просто лазеры, как все думают, а технология скана. Они оперируют когерентным светом, который направляется на целевую область. При встрече с объектом часть излучения рассеивается и возвращается к детектору, который обычно является фотодетектором.

Основной метод измерения расстояний в системах LIDAR – метод времени полета (TOF), который измеряет время, необходимое для прохождения лазерного излучения до объекта и обратно к детектору. Для создания трехмерных моделей окружающей среды лазеры LIDAR устанавливают на подвижные платформы, чтобы провести сканирование лазерного луча в разных направлениях. Подвижными платформами могут быть как машины, так и роботы ассистенты-поводыри для слепых. Да, компания обещает и такую интеграцию.

Полученные данные подвергаются обработке специализированными алгоритмами для удаления шума, фильтрации и создания трехмерной карты. Таким образом, системы LIDAR являются эффективным инструментом для широкого спектра приложений, включая автономное вождение, картографирование местности, археологические исследования и другие.

Вот только зачастую Lidar требует много денег. Производство и настройка систем требует нормальные лазерные источники, оптические элементы и детекторы, что повышает их стоимость. Интеграция лидарных технологий в различные отрасли требует значительных инвестиций в исследования и разработку.

Высокотехнологичные отрасли, где используются лидарные системы, имеют ограниченный спрос. Они нужны не всем. Дополнительные расходы связаны с использованием высококачественных материалов и сложностями интеграции в существующие технологические решения.

Поэтому компания собрала свою архитектуру Lidar, чтобы наладить процессы на обычном производстве без использования большинства высокотехнологичных процессов, сохранив весь функционал.

В мире не так уж и много разных систем радиолокаторов. Система FMCW – опасный зверь в мире нейронок компьютерного зрения, так как он обеспечивает нейронку самыми лучшими данными в реальный момент времени. Принцип работы FMCW (Frequency Modulated Continuous Wave) основан на непрерывном изменении частоты передаваемого радиосигнала во времени. Этот метод используется для измерения расстояний до объектов и определения их скорости.

В процессе работы FMCW передатчик генерирует радиосигнал, у которого частота постоянно изменяется в определенном диапазоне (например, от f1 до f2) за определенный период времени. Этот сигнал направляется на объекты в окружающей среде. Когда сигнал отражается от объектов и возвращается к приемнику, происходит эффект Доплера из-за движения объекта, который изменяет частоту возвращенного сигнала. Изменение частоты отраженного сигнала связано с изменением расстояния до объекта и его скоростью.

Путем анализа разницы между частотой передаваемого сигнала и частотой возвращенного сигнала можно определить расстояние до объекта (на основе времени задержки между передачей и приемом сигнала) и его скорость (на основе изменения частоты сигнала). Этот процесс называется обработкой сигнала FMCW.

Для дальнейшего улучшения точности и надежности измерений обработанные данные могут подвергаться дополнительной обработке, включая фильтрацию шума, коррекцию ошибок и применение алгоритмов машинного обучения для анализа данных и принятия решений.

Благодаря использованию непрерывного изменения частоты сигнала, FMCW способен обнаруживать и отслеживать объекты с высокой разрешающей и пропускной способностью. А это отличная технология для безопасной ориентации роботов или машин.

Computer vision позволяет беспилотным транспортным средствам в реальном времени анализировать изображения, получаемые от камер, и делать выводы об окружающей среде. С помощью глубокого обучения (deep learning) и нейронных сетей, системы CV способны распознавать объекты на дороге, такие как другие автомобили, пешеходы, дорожные знаки и светофоры. Эти данные важны для принятия решений о маршруте и безопасности движения.

А системы FMCW и LIDAR (обнаружение и определение дальности с помощью света) дополняют компьютерное зрение, предоставляя точные данные о расстояниях до объектов и их скоростях. FMCW, используя непрерывное изменение частоты радиосигнала, может измерять расстояния до объектов, а также их скорость относительно БПТС. Лазерные системы LIDAR сканируют окружающую среду лазерными лучами и измеряют время задержки возвращенного сигнала для определения расстояний до объектов с высокой точностью.

Алгоритмы фьюжна данных (sensor fusion) объединяют информацию от камер, FMCW и LIDAR для создания общей трехмерной модели окружающей среды. Эта модель используется для прогнозирования движения объектов, обнаружения препятствий и принятия решений о безопасности и маневрировании.

Короче говоря, в реальном времени FMCW и LIDAR собирают данные и дают вход нейронке, которая, будучи предобученной на интерпретации сигналов, регулирует скорость автомобиля, поворот руля.

В интернете уже давно ходят мифы о "смерти" беспилотных автомобилей из-за смертельной аварии. ИИ-детектор просто не посчитал пешехода человеком. Вот только статистическая реальность такова, что на число беспилотных автомобилей пришлось в несколько раз смертельных аварий меньше, нежели "пилотных". Основная причина всех ДТП в мире — человеческий фактор. Автопилот не нарушает правил, не отвлекается, не устает и не бывает нетрезвым. Уже это сохранило бы жизнь и здоровье множеству людей. Тем более речь постепенно заходит и про новую систему автомобильного движения V2X.

Правда, реализована она будет лишь впоследствии, когда беспилотников станет так много, что можно будет выделить отдельный поток и правила дорожного движения. После недолгого кризиса в ковидные времена, отрасль начинает расти.

Пандемия COVID-19 повлияла на весь автомобильный сектор, вынудив автопроизводителей сократить выпуск продукции на своих производственных предприятиях. Пандемия также повлияла на деятельность многих OEM-производителей, начиная от производства и заканчивая исследованиями и разработками, и создала краткосрочные сбои, которые задержали развертывание и внедрение беспилотных.

Мы постепенно ждем, когда рынок восстановится, и мы увидим качественные автомобили третьего класса, разработку новых правил дорожного движения и ИИ. Но сегодня мы говорили про стартап, который обеспечил всеми нужными технологиями себя сам.