این شرکت می‌گوید این قطعه می‌تواند ۵۰ تریلیون عملیات در ثانیه یا «عملیات عملیاتی» را با توان مصرفی ۱۰ تراپیشن در ثانیه بر وات انجام دهد. این بدان معناست که این قطعه هنگام انجام وظایف شبکه عصبی 5 وات مصرف می کند، اگرچه ممکن است با سایر عملکردهای درگیر شده به همان اندازه بالاتر رود.
رنگاسایی می‌گوید: «من در شرکت قبلی‌ام یاد گرفتم که نرم‌افزار چقدر مهم است و این واقعاً به قدرت نرم‌افزار ما بستگی دارد. او گفت: “بله، سیلیکون ما عالی است و ما به آن بسیار افتخار می کنیم و بدون سیلیکون شما یک شرکت نیستید.”
هدف محصول SiMa.ai بازارهای مختلفی از جمله روبات‌ها، هواپیماهای بدون سرنشین، وسایل نقلیه خودران و اتوماسیون صنعتی و برنامه‌های کاربردی در بازارهای بهداشت و درمان و دولتی است.
او گفت که این نوآوری نرم افزاری برای استفاده از “دکمه فشاری” MLSoC طراحی شده است، زیرا “همه ML می خواهند، هیچ کس منحنی یادگیری را نمی خواهد.” این رویکردی است که کارفرمای سابق Rangasayee، Xilinx، در تلاش برای کاربرپسندتر کردن تراشه‌های هوش مصنوعی تعبیه‌شده خود نیز اتخاذ کرده است.
همچنین: بازار تراشه های لبه هوش مصنوعی در آتش است، که توسط بودجه «سرسام آور» VC شعله ور شده است
رنگاسایی گفت: در حال حاضر اولویت کسب درآمد است. “ما یک شرکت بسیار کوچک هستیم” با 120 کارمند، “ما نمی توانیم تیمی را به تنهایی برای انجام ML Perf اختصاص دهیم.”
SiMa می‌گوید MLSoC آن، که در اینجا در بسته‌اش نشان داده شده است، اولین تراشه هدفمندی است که نه تنها عملیات ضرب ماتریس هوش مصنوعی را در موارد استفاده تعبیه‌شده انجام می‌دهد، بلکه عملکردهای سنتی بینایی رایانه را نیز که باید در یک برنامه اجرا شوند، انجام می‌دهد.