Описание
SiMa.ai Palette — это программная часть физической AI-платформы SiMa.ai, инструменты, используемые для разработки и развертывания приложений на аппаратном обеспечении Modalix MLSoC компании. В то время как Modalix — это чип, который запускает модели на краю, Palette — это среда, которую разработчики используют для загрузки модели на этот чип и превращения ее в работающее приложение за дни, а не месяцы, согласно информации компании.
Читать далее
В центре Palette находится Palette Neat, открытая агентная среда, распространяемая как контейнер (ghcr.io/sima-neat/elxr), которая сочетает в себе компилятор моделей, среду выполнения и уровень рабочего процесса агентов. Разработчики, будь то люди или AI, пишут и организуют проекты с помощью кодирующих агентов, таких как Codex или Claude, внутри VS Code или собственного интерфейса пользователя Insight и командного инструмента Palette (sima-cli). Palette Neat затем компилирует и оптимизирует модель для Modalix MLSoC с помощью своего компилятора моделей и инструментов, а его среда выполнения организует вывод на хосте ПК и устройстве MLSoC, поддерживая потоковую передачу RTSP/NFS и инструменты наблюдаемости. SiMa.ai структурирует рабочий процесс в четыре этапа: разработка с кодирующими агентами, компиляция через Palette Neat, запуск модели через библиотеку времени выполнения и, наконец, выполнение на кремнии Modalix.
SiMa.ai предлагает Palette для команд, создающих физические AI-приложения: разговорный AI, работающий полностью на устройстве, обнаружение объектов в реальном времени и другие задачи восприятия и управления в отраслях, которые компания перечисляет как дроны, робототехника, автомобилестроение, умное зрение, промышленность, государственный сектор и здравоохранение. Модельный браузер на сайте SiMa.ai позволяет разработчикам проверить поддержку модели перед разработкой, а компания предлагает Modalix DevKit (50 TOPS, менее 10W) для оценки аппаратного обеспечения вместе с Palette. Сайт направляет команды, которые хотят получить объемные цены или индивидуальные конфигурации, связаться с командой продаж оборудования, а не указывает цены для самостоятельного обслуживания; на сайте нет публичных цен на саму Palette.
SiMa.ai была основана в 2018 году и имеет штаб-квартиру в Сан-Хосе, Калифорния, с дополнительными офисами в Германии, Индии, Израиле и Японии, исходя из предположения, что AI на краю, а не в облаке, — это то место, где должны работать физические AI-приложения.
- КатегорияMLOps и развёртывание моделей
- Модель ценообразованияЧерез отдел продаж
- РазвёртываниеОблако
- ПлатформыВеб
Основные функции SiMa.ai Palette
Агентная среда Palette Neat для компиляции и упаковки моделей на Modalix MLSoC
Встроенная поддержка кодирующих агентов (Codex, Claude) внутри VS Code или интерфейса Insight Palette
Командный инструмент (sima-cli) для сценарного построения и развертывания
Компилятор моделей и инструменты, которые оптимизируют модели ONNX для целевого Modalix MLSoC
API времени выполнения, которые организуют вывод на хосте ПК и на устройстве MLSoC
Поддержка потоковой передачи RTSP/NFS и инструменты наблюдаемости для развернутых моделей
Модельный браузер для проверки поддержки модели и рабочей нагрузки перед разработкой
Аппаратное обеспечение Modalix DevKit для оценки MLSoC перед запуском в производство
Как использовать SiMa.ai Palette?
Изучите модели: используйте модельный браузер SiMa.ai, чтобы проверить, поддерживается ли ваша целевая модель или рабочая нагрузка
Получите DevKit: закажите Modalix DevKit для оценки MLSoC на реальном оборудовании
Разработайте: откройте проект в контейнерной среде Palette Neat и работайте с кодирующим агентом (или пишите код напрямую) в VS Code или интерфейсе Insight
Скомпилируйте: запустите модель через компилятор моделей и инструменты Palette Neat для целевого Modalix MLSoC
Разверните и запустите: используйте среду выполнения Palette Neat для организации вывода на хосте ПК и на устройстве MLSoC, затем контролируйте его с помощью встроенных инструментов наблюдаемости
Варианты использования SiMa.ai Palette
- Разговорный AI на устройстве
- Обнаружение объектов в реальном времени
- Оценка модели перед развертыванием
- Восприятие робототехники и дронов на краю
