生成式 AI 的橫空出世，點燃矽谷灣區科技巨頭在新賽道上的競爭，瘋搶 AI 商機。軍火庫則是遠在太平洋另一頭的台灣，小島上掌握了全球近 6 成的先進製程產能，以及 8 成的伺服器出貨。美商想做生意，必須與台廠攜手才能前行。
今年4月，在MLPerf所公布的測試結果中，專攻嵌入式機器學習（ML）SoC（系統單晶片）新創SiMa.ai（下稱SiMa），在性能和功率上擊敗業界領導者輝達（NVIDIA）同類型產品。9月，相同的測試結果公布，再次證明SiMa技術實力。
嵌入式指的是為特定應用所設計晶片，常見於工業電腦、無人機、工廠自動化或是電腦視覺等邊緣運算當中。然而自AI發展以來，於嵌入式系統中融合機器學習的進展緩慢。看準這點，創辦人瑞格沙易（Krishna Rangasayee）因此創業。
「人們很驚訝我們只用16奈米就可以做到這項結果。」現年54歲的瑞格沙易，曾效力於賽靈思（Xilinx）長達18年，對嵌入式市場非常熟悉，曾先後擔任總經理和執行副總裁，並在2018年創辦SiMa。至今為止，SiMa已獲得2億美元的注資。
最近一筆的1,300萬美元，投資人包含一家名為VentureTech Alliance 基金。路透社指出，該公司與台積電關係緊密，台積資料則顯示持股高達98％。此外，SiMa 目前也已有超過50家客戶正進行晶片測試。成立短短5年，SiMa是如何以新創之姿，踏入高門檻的邊緣運算市場？
止2痛點！推新系統、無程式碼平台
市場研究機構顧能（Gartner）預估，邊緣運算市場規模將從2021年的18.9億美元，成長至2026年的58.4億美元，但高技術門檻讓玩家非常少。在創業前，瑞格沙易特別耗費半年多進行痛點調查。最後發現，硬體系統的老舊以及難用的軟體程式，是阻礙嵌入式機器學習的2大障礙。
首先，瑞格沙易指出，現有的硬體系統已不適用於發展機器學習，「AI無法被加入過時的系統（legacy）中，阻礙創新發展。」為克服這點，SiMa打造全新晶片系統，並推出ML SoC（機器學習系統單晶片）平台，用每秒消耗多少瓦數的標準，來檢視晶片的性能和功耗，「對客戶來說最大的價值，就是能省下不少成本。」
過去在講到嵌入式或工業應用，首先會想到的是能高度客製化的FPGA。不過，FPGA能源效率不佳，「我們是在供電只有可能5瓦的情況下開發晶片，不是50瓦。」雖然很多新創透過做ML加速器試圖解決這個問題，但瑞格沙易相信必須透過晶片系統整合，也就是SoC，才能解決問題，「但從沒有人這樣做。」
其次，好用的軟體是關鍵。瑞格沙易指出：「所有企業都想導入AI和機器學習，但缺少合適人才。」因此SiMa耗時2年打造了無程式碼平台Paletti Edgematic，讓無相關背景者都能使用，解決企業轉型的人才陣痛。
通常建立一套機器學習流程需要約9到12個月，Paletti Edgematic將使用者介面圖形化，提供眾多函式庫及機器學習模型，只需要靠點擊和拖曳，短短幾分鐘就可打造出機器學習程序，至2023年底，可供選擇模型將增加至200個，軟體人才甚至占員工數近7成，足見對軟體的重視。
目前看來，SiMa未來勢必要翻過輝達這座大山。但瑞格沙易認為，Paletti Edgematic是一個極大優勢，「我百分之百確定，未來軟體做得最好的人會是贏家。」並指出通用GPU不是邊緣運算的最佳解答，「GPU太耗電也太貴。」
先站穩嵌入式應用，車用戰場蓄勢中
展望未來，瑞格沙易透露，第一代晶片架構會雖專注在嵌入式應用，至第二代時會開始踩入車用，「我們正專注於Level2和Level3的自駕應用，對我們來說是很大的市場。」
曾任益華電腦（Cadence）執行長、現為華登國際董事長，同時也是SiMa董事會成員的陳立武指出，機器學習在雲端和移動裝置市場造成巨大影響，下一個則輪到數兆美元的嵌入式邊緣市場。「SiMa創造一個以軟體為中心、目的導向的建構，獨特的架構和對市場的理解，將讓他們處於領先地位。」
盤點SiMa.ai戰略
戰略1：揪痛點
創業前與近50家客戶進行訪談，了解嵌入式導入AI時的痛點
戰略2：推平台
針對嵌入式機器學習應用，推出「ML SoC（機器學習系統單晶片）」平台
戰略3：無程式碼
打造無程式碼平台，解決企業導入AI轉型時的人才障礙
SiMa.ai
成立： 2018年
創辦人： Krishna Rangasayee
總部： 矽谷（約150人）
主要業務： 機器學習SoC
估值： 6.5億美元
責任編輯：蘇祐萱、謝宗穎
