Компания «ХайТэк», российский разработчик микроэлектроники, сообщает о включении ИИ-ускорителя LinQ HPQ в Реестр российской промышленной продукции Минпромторга.

LinQ HPQ — модуль ускорения искусственного интеллекта стандарта PCIe, построенный на базе четырех тензорных процессоров собственной архитектуры LinQ H1М, также имеющих статус российской промышленной продукции Минпромторга РФ. Устройство предназначено для запуска ИИ-приложений в инфраструктуре центров обработки данных и в системах туманных вычислений — там, где обработка данных должна происходить близко к источнику, без передачи в облако. Решение ориентировано на задачи компьютерного зрения, автономной навигации, промышленного контроля, городской безопасности, предиктивного обслуживания и промышленного интернета вещей.

Комментарий заместителя генерального директора по научной работе «ХайТэк» Михаила Фролова: «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 подтвержденным статусом и без компромиссов по производительности».

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 инференс нескольких моделей одновременно и работает на полностью собственном программном стеке без сторонних IP в вычислителях (ARM и др.). Компилятор оснащен оптимизаторами с элементами ИИ. Обеспечивается прямая интеграция с TensorFlow 2, а также интеграция PyTorch через ONNX.