veremeenko_alex

(перевод blog.hnf.de/quadratwurzel-gesucht/)



Архимед, Бадения, Брунсвига, Диль, Евклид, Фалес, Триумфатор, Вальтер — эти имена звучат почти как перечень древних мыслителей. Однако в действительности это были машины. Машины эпохи, которую сегодня можно назвать золотым веком механических вычислений.

Они не умели печатать результаты. Их задача была проще — и, в то же время, фундаментальнее: складывать, умножать и делить. Но к концу 1950-х годов один инженер, Вилли Фабер, работавший в восточно-вестфальском Низене, задался более амбициозной целью. Он создал машину, способную возводить числа в квадрат — и извлекать из них корни.

В левом нижнем углу витрины с калькуляторами на втором этаже музея HNF стоит необычный экспонат: вычислительная машина Friden SRW 1952 года. Она видна и на заглавной фотографии. Её кожух снят, и внимательный наблюдатель заметит под клавиатурой ряд из одиннадцати кнопочных фиксаторов. Именно они управляли функцией извлечения квадратного корня.

Мы уже описывали это американское технологическое чудо в блоге в 2017 году. Однако сегодня нам приходится исправить допущенную тогда историческую неточность. Friden SRW была первой — но не единственной машиной, способной извлекать корни.

Этим уточнением мы обязаны журналу Historic Office World и статье «Вилли Фабер и его автоматическое устройство в двойном калькуляторе Brunsviga — подлинная шестикомпрнентная машина», опубликованной в июне 2025 года. Авторы — Ханс Улльрих Вольф и Крис Ванде Вельде — и на их работе основано дальнейшее изложение.

Brunsviga 13 RK — стандартная модель 1950-х и начала 1960-х годов. Счётный механизм результатов, который можно сдвигать вправо, расположен в нижней части.

Кто же был Вилли Фабер?

Он родился 10 мая 1910 года в Низене на Везере, неподалёку от Миндена. Получив начальное образование, он выучился на технического чертёжника, затем поступил на службу в рейхсвер и окончил военную школу топографии в Берлине.

После службы и периода заключения он вернулся на родину. Некоторое время он работал геодезистом для британской армии. А в свободные часы размышлял — не о политике и не о прошлом, а о будущем вычислительных машин.

11 ноября 1951 года Фабер совместно с компанией Brunsviga из Брауншвейга подал патентную заявку на усовершенствованный механизм результатов для вычислительных машин. Патент был выдан 9 сентября 1954 года под номером 917 705.

Изобретение предназначалось для оптимизации популярной модели Brunsviga с рукояткой и счётными колесами — в частности, для применения метода Тёплера, предложенного физиком Августом Тёплером. Этот метод, известный с публикации 1865 года, позволял находить квадратные корни на четырёхкомпонентных машинах.

Схема из патента Фабера 1951 года. Новыми являются элементы механизма результатов R, упрощающие извлечение корня.

В период с 1953 по 1957 год Фабер разработал передачу, реализующую алгоритм Тёплера, а также функцию возведения в квадрат. Он назвал устройство Radizer-Quadrier и 17 марта 1958 года подал на него патент, который получил 24 декабря 1959 года (№ 1 061 546).

Компания Brunsviga создала прототип машины с этим механизмом и планировала внедрить его в модели D 13 R-1, D 18 R-1 и 183. Однако в конечном счёте проект был свёрнут.

Фабер не отказался от своей идеи.

Он обратился к предприятию Thaleswerk в Раштатте (Баден). Там была создана так называемая «шестикомпонентная машина» — к четырём классическим операциям добавились извлечение корня и возведение в квадрат. Позднее этот механизм был установлен и в ряде машин Brunsviga.

По данным журнала, всего было изготовлено около сорока таких устройств.

Вилли Фабер умер 30 ноября 1962 года. Его патент 1958 года был приобретён компанией Olivetti — но так и не был использован.

Тройной калькулятор Brunsviga. В верхнем левом углу можно было бы разместить автоматическое устройство Фабера.

Один из двойных калькуляторов Brunsviga с системой Фабера хранится в музее Arithmeum в Бонне. Переключатель виден в верхнем левом углу устройства.

Интересно, что функция извлечения квадратного корня существовала и в машине Z3 — первом компьютере. Конрад Цузе использовал метод Герона.

Суть его удивительно проста и вместе с тем глубоко изящна.

Пусть требуется найти корень числа ( Z ). Берётся начальное приближение ( A ). Следующее значение вычисляется как половина от суммы ( A ) и ( Z/A ). Затем процесс повторяется: новое значение снова усредняется с ( Z ), делённым на него самого.

И уже через несколько шагов — как будто сама машина начинает «понимать» число — получается вполне точный результат.

В начале года в блоге Синопсиса появилась позитивная статья про нас: "From Concept to Tape-Out: SiMa.ai Achieves Bug-Free A0 Silicon for Physical AI". Перепру здесь на русский с помощью ИИ.

Объясню для непосвящённых: что такое A0? У хардверщиков это первая физически изготовленная версия чипа. Буква A означает первую ревизию, цифра 0 — первый вариант в этой ревизии. То есть: A0 = “самый первый кремний, который вообще удалось получить”.

От замысла до производства: SiMa.ai достигает безошибочного A0-чипа для физического ИИ

Грег Сорбер
(22 января 2026)

Перед компанией SiMa.ai стоял выбор.

Стартап из Кремниевой долины готовился к разработке второго поколения своих систем-на-кристалле — семейства Modalix. Проект был амбициозен до дерзости: единый кристалл, предлагаемый в различных вариантах производительности, с возможностью упаковки в pin-совместимый модуль (SoM), обеспечивающий простую интеграцию. Но этого было недостаточно. Modalix должен был не просто выполнять задачи многомодального машинного обучения и генеративного ИИ — он должен был делать это непосредственно на устройствах, на самом краю вычислительной инфраструктуры.

Вопрос стоял прямо: доверить ли разработку стороннему подрядчику или взять всё в собственные руки?

При создании первого поколения MLSoC компания опиралась на партнёра по turnkey ASIC и, имея всего 30 инженеров, достигла безошибочного A0-кремния. Логично было бы повторить тот же путь. Но стартапы живут не логикой, а смелостью решений — и SiMa.ai решила поднять планку собственных возможностей.

«Мы решили рискнуть чуть больше», — говорит вице-президент по аппаратной инженерии Шриви Дхруванараян. — «Мы взяли на себя весь процесс — от идеи до производства».

И риск оказался оправдан.

Всего за восемнадцать месяцев компания завершила полный цикл Customer-Owned Tooling — от начального RTL-описания до tape-out. И вновь — безошибочный A0-кремний.

По словам Дхруванараяна, ключевую роль сыграла компания Synopsys, предоставившая не только инструменты, но и экспертизу — цельную, глубоко интегрированную экосистему проектирования, верификации и финальной проверки.

«Можно было работать с несколькими поставщиками», — говорит он. — «Но Synopsys оказалась единственной, кто закрывал всё. Выбор был очевиден».

Игра на мощности и эффективности

Tape-out передового Modalix стал важной вехой. Не только для молодой компании, но и для всей эволюции так называемого «физического ИИ» — встроенного машинного интеллекта, работающего прямо в устройствах: роботах, дронах, умных камерах.

«Чип выполняет вывод моделей прямо на месте, без обращения к облаку», — объясняет Дхруванараян. — «И делает это с низким энергопотреблением, не жертвуя производительностью».

По утверждению SiMa.ai, Modalix — это первые в индустрии SoC для многомодального физического ИИ. Они поддерживают сверточные нейронные сети, трансформеры, большие языковые модели, мультимодальные системы и генеративный ИИ — при этом обеспечивая десятикратное превосходство по производительности на ватт.

В конфигурации из четырёх чипов система достигает до 200 TOPS, соперничая с лучшими GPU. А благодаря опциональному модулю SoM, включающему память, питание и интерфейсы, заказчики могут заменить GPU-решения без переработки своих плат.

«Наш модуль pin-совместим», — подчёркивает Дхруванараян. — «Можно просто заменить его и сразу получить выигрыш в производительности и энергопотреблении».

Судя по всему, стратегия работает.

«Модуль продаётся как горячие пирожки», — говорит он. — «Мы видим начало экспоненциального роста».

Архитектура интеллекта на краю

Но чтобы достичь этого переломного момента, пришлось решить множество инженерных задач — создать чип нужного размера и стоимости, не упустив окно возможностей.

«Для стартапа время выхода на рынок — это всегда вызов», — говорит Дхруванараян. — «В итоге у нас получился кристалл площадью 25 мм², оснащённый всем необходимым для серьёзной конкуренции».

Modalix построен как гетерогенная вычислительная система. Он включает CPU ARM AArch64, цифровой сигнальный процессор для компьютерного зрения и собственный программируемый ML-ускоритель — все размещены на отдельных «островах» внутри одного SoC.

Все ключевые IP-блоки — интерфейсы LPDDR5, PCIe 5.0, 10G Ethernet, USB, MIPI, а также средства криптографии и аппаратный корень доверия — были получены от Synopsys и тщательно интегрированы с собственными ML-ядрами. Физическая реализация использовала стандартные библиотеки и SRAM от того же поставщика.

«На этапе внедрения и верификации мы постоянно взаимодействовали с Synopsys», — отмечает он. — «Фактически они сопровождали нас на каждом шаге».

Особенно критичными оказались высокоскоростные интерфейсы и пропускная способность DRAM.

«Если посмотреть на современные ML-чипы с моделями на миллиарды параметров — памяти всегда не хватает», — говорит Дхруванараян. — «Ограничение почти всегда в производительности памяти».

Эмуляция взаимодействий

Не меньше сложностей возникло и на стороне программного обеспечения. Нужно было не только реализовать новые функции, но и сохранить совместимость с предыдущим поколением.

Гетерогенная архитектура требовала координации трёх вычислительных блоков, трёх компиляторов и управления потоками данных через память.

Команда использовала системы эмуляции Synopsys ZeBu, чтобы ещё до появления физического чипа оптимизировать взаимодействие железа и софта.

«Именно на эмуляторе они впервые “встретились”», — говорит Дхруванараян. — «Это позволило провести глубокий анализ производительности и энергопотребления».

С помощью ZeBu удалось запускать модели семейства Llama ещё до изготовления чипа — что дало уверенность в корректности архитектуры и зрелости ПО.

«Самое поразительное — показатели производительности и энергии отличались от реальных всего на несколько процентов», — добавляет он.

Для достижения успеха A0 компания задействовала полный набор инструментов EDA от Synopsys — от компиляции и формальной проверки до анализа питания и физической валидации.

Ускорение продолжается

И это только начало.

Параллельно с разработкой третьего поколения MLSoC, ещё более ориентированного на большие языковые модели, компания работает над автомобильным чиплетом в сотрудничестве с Synopsys.

«Интерес уже огромный», — говорит Дхруванараян. — «И, возможно, мы создадим полноценный автомобильный SoC».

Сделав ставку на собственные силы и выбрав правильного партнёра, SiMa.ai не просто создала безошибочный A0-кремний — она приблизила новую эпоху физического искусственного интеллекта.

Музыки вам в ленту.