Physical AI | Robotik und autonome Systeme So lassen sich Modelle für Physical AI parallel ausführen

Quelle: Pressemitteilung 2 min Lesedauer

Anbieter zum Thema

Palette 3.0 führt mehrere KI-Modelle parallel auf einem Chip aus. Laut SiMa.ai steigert spekulatives Decoding den Token-Durchsatz um bis zu das 3,5-Fache – bei niedrigem Energiebedarf.

Palette 3.0 ermöglicht die parallele Ausführung mehrerer KI-Modelle (Bild:  SiMa.ai)
Palette 3.0 ermöglicht die parallele Ausführung mehrerer KI-Modelle
(Bild: SiMa.ai)

SiMa.ai hat Palette 3.0 vorgestellt. Die neue Version der Softwaresuite soll die parallele Ausführung verschiedener Modelle für Physical AI verbessern. Dazu zählen Anwendungen, in denen KI-Systeme die physische Umgebung erfassen und darauf reagieren – etwa in Drohnen und Robotern. Nach Angaben des Unternehmens kann Palette 3.0 den Token-Durchsatz um bis zu das 3,5-Fache steigern und dabei in einem niedrigen Energiebedarf bleiben.

Palette 3.0 baut auf der im Juni vorgestellten Agentic Palette auf. SiMa.ai zufolge soll die Software komplexe Schlussfolgerungen und mehrere KI-Arbeitslasten gleichzeitig auf einem Chip verarbeiten können.

Ein grundlegender Engpass bei Physical AI sei die Diskrepanz zwischen Software, die sich monatlich weiterentwickelt, und älteren Chips, deren Anpassung Jahre dauern könne. «Diesen Kreislauf wollen wir durchbrechen», sagt Krishna Rangasayee, Gründer und CEO von SiMa.ai. Palette 3.0 setze die zentrale Idee von SiMa.ai um: Hardware, die sich im Tempo der Software weiterentwickele. Durch eine kontinuierliche Optimierung der Leistung pro Watt für verschiedene Physical-AI-Modelle können Kunden neue Funktionen auf vorhandener Hardware einsetzen.»

Parallele Ausführung verschiedener Modelle

Der neue Model Browser von SiMa.ai zeigt Leistungswerte für wichtige Modelle, die unter anderem in autonomen Drohnen und Robotern zum Einsatz kommen. Die Messungen berücksichtigen laut Unternehmen reale Energiegrenzen.

Palette 3.0 ermöglicht die parallele Ausführung mehrerer KI-Modelle auf einem Modalix MLSoC. Dazu können auch separate Docker-Container auf dem Chip gehören. Unterstützt werden unter anderem große Sprachmodelle (LLMs) und Vision-Language-Modelle (VLMs) – innerhalb begrenzter Energie- und Speicherbudgets.

Funktionen für Drohnen und Robotik

Die Software beschleunigt Wahrnehmungs-, Tiefen- und Schlussfolgerungsmodelle, auf die Drohnen und Roboter angewiesen sind. In Zusammenarbeit mit Technologiepartnern unterstützt die Plattform außerdem Sensorfusion, dichte neuronale Tiefenfelder und geschlossene digitale Zwillingssimulationen. Diese Funktionen sollen Integrations- und Validierungsaufwand verringern.

SiMa.ai entwickelt Software und Chips nach eigenen Angaben gezielt für Physical AI-Anwendungen. Die Plattform stellt Entwicklern außerdem Open-Source-Code zur Verfügung, der angepasst werden kann. Die zuvor angekündigte agentenbasierte Software soll die Entwicklungszeit laut Unternehmen von Monaten auf Tage oder Stunden verkürzen.

Bis zu 3,5-mal höherer Token-Durchsatz

Palette 3.0 unterstützt spekulative Decoding-Verfahren wie Eagle3, DFlash und Gemma 4 MTP. Diese sollen den Token-Durchsatz – die Zahl der verarbeiteten Tokens pro Sekunde (TPS) – um bis zu das 3,5-Fache steigern, ohne das Energieverbrauchsbudget zu überschreiten.

Die Software unterstützt zudem Mixture-of-Experts-Modelle (MoE) mit vielen Parametern. Dazu zählt laut SiMa.ai auch GPT-OSS-20B von OpenAI, das auf dem Modalix MLSoC mit einem 16-GB-SoM ausgeführt werden kann.

Weitere Informationen

  1. Palette 3.0 Open Source: GitHub
  2. Palette-Dokumentation: Developer Center
  3. Model Browser: Leistungswerte verschiedener Physical-AI-Modelle
  4. Webinar «Inside Palette 3.0: Any Physical AI Model. Real Machine Autonomy.»: 2. Dezember 2026
  5. Webinar «Drone and Robot Intelligence at Flight Speed: Build, Develop and Deploy Faster»: 8. Dezember 2026

Weitere Informationen: www.sima.ai

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung