«ХайТэк», российский разработчик микроэлектроники, сообщила о включении ИИ-ускорителя LinQ HPQ в Реестр российской промышленной продукции Минпромторга РФ. Это модуль ускорения искусственного интеллекта стандарта PCIe, построенный на базе четырёх тензорных процессоров собственной архитектуры LinQ H1М, которые также имеют статус российской промышленной продукции.
Область применения
Устройство предназначено для запуска ИИ-приложений в инфраструктуре центров обработки данных и в системах туманных вычислений — там, где обработка данных должна происходить непосредственно у источника, без передачи в облако. LinQ HPQ ориентирован на решение задач компьютерного зрения, автономной навигации, промышленного контроля, городской безопасности, предиктивного обслуживания и промышленного интернета вещей.
Заместитель генерального директора по научной работе «ХайТэк» Михаил Фролов прокомментировал событие:
«Включение LinQ HPQ в реестр — это прямой ответ на запрос рынка: заказчикам нужен ИИ-ускоритель, который можно обоснованно закладывать в государственные и корпоративные проекты без рисков, связанных с иностранными компонентами и санкционным давлением. Мы разрабатывали LinQ HPQ как высокопроизводительное многопроцессорное решение на базе собственного чипа таким образом, чтобы он полностью не зависел от зарубежных IP блоков — ни архитектурно, ни программно. Теперь российские компании и ведомства могут разворачивать полноценные ИИ-системы — от чипа до программного стека — целиком на отечественных технологиях, с подтверждённым статусом и без компромиссов по производительности.»
Технические характеристики
LinQ HPQ обеспечивает пиковую производительность 96 TOPS (int8), сверхнизкую задержку инференса — текущее значение 2,3 мс с возможностью оптимизации до 1,5 мс на ResNet-50, а также высокую эффективность на малых батчах для CNN и Transformer-моделей. Устройство поддерживает одновременный инференс нескольких моделей и работает на полностью собственном программном стеке без сторонних IP в вычислителях (ARM и др.).
Компилятор оснащён оптимизаторами с элементами ИИ. Обеспечивается прямая интеграция с TensorFlow 2, а также интеграция PyTorch через ONNX.