Modular 完成 3000 万美元种子轮融资,以简化开发 AI 系统的过程

人工智能具有变革潜力。但是,如果你问 Modular 的联合创始人,这家初创公司如今从隐身中崛起,用于开发它的软件是“单一的”,分裂成堆满复杂层的孤岛。大型科技公司做出了有益的贡献,例如 TensorFlow 和 PyTorch——分别由 Google 和 Facebook 维护的 AI 开发框架。但是,Modular 联合创始人认为,这些公司表现出对工具和基础设施的偏好,而以牺牲人工智能的进步为代价。

模块化旨在改变这一点。该公司由前苹果和谷歌工程师和高管创立,今天完成了由 GV(前身为 Google Ventures)领投的大型(3000 万美元)种子轮融资,Greylock、The Factory 和 SV Angel 参与其中,以实现其精简平台的愿景- 不可知的人工智能系统开发平台。

“该行业正在努力维护和扩展分散的定制工具链,这些工具链在研究和生产、培训和部署、服务器和边缘方面有所不同,”Modular 首席执行官 Chris Lattner 在电子邮件采访中说。 “许多世界上最大的非大型科技公司天真地认为,开源社区和谷歌、Meta 和 Nvidia 拥有的开源基础设施最终将提供这一点,但它们的优先级和局限性却并非如此。”

Lattner 的履历令人印象深刻,他率先创建了 Swift,这是一种为 Apple 生态系统提供动力的编程语言。他之前是特斯拉自动驾驶部门的副总裁和 SiFive 的工程和产品总裁,该公司为芯片设计公司提供知识产权。在 Google 任职期间,Lattner 管理并构建了一系列与 AI 相关的产品,包括 Google Brain(Google 专注于 AI 的研究部门之一)的 TPU 和 TensorFlow。

Modular 的另一位联合创始人蒂姆·戴维斯 (Tim Davis) 凭借自己的能力取得了成就,他帮助制定了从小型研究小组到生产系统的谷歌机器学习产品的愿景、战略和路线图。从 2020 年到 2022 年初,Davis 是用于服务器和边缘设备的 Google 机器学习 API、编译器和运行时基础设施的产品负责人。

Modular 完成 3000 万美元种子轮融资,以简化开发 AI 系统的过程

图片来源:模块化

“非‘大科技’公司面临的最紧迫问题是如何在性能、成本、时间和人才范围内生产人工智能。这一挑战的机会成本是巨大的。对于个别公司而言,这意味着创新无法进入市场、产品体验低劣,并最终对其底线产生负面影响,”拉特纳说。 “人工智能可以改变世界,但只有在碎片化得到治愈并且全球开发者社区可以专注于解决实际问题,而不是基础设施本身之前,才能改变世界。”

Modular 的解决方案是一个平台,它通过模块化、“可组合”的通用组件来统一流行的 AI 框架前端。细节有点模糊——Lattner 警告说,现在还为时过早——但 Modular 的目标是让开发人员插入定制硬件来训练 AI 系统,将这些系统部署到边缘设备或服务器,否则“跨硬件无缝扩展 [系统]因此,将最新的 AI 研究部署到生产中就可以了,”拉特纳说。

模块化与新兴的 MLOps 类别的供应商形成鲜明对比,提供用于收集、标记和转换训练 AI 系统所需的数据的工具,以及用于创作、部署和监控 AI 的工作流。 MLOps 是“机器学习操作”的缩写,旨在通过自动化和标准化开发工作流程来简化 AI 生命周期,就像 DevOps 旨在为软件完成一样。

在人工智能加速采用的推动下,分析公司 Cognilytica 预测,到 2025 年,MLOps 解决方案的全球市场价值将达到 40 亿美元,高于 2019 年的 3.5 亿美元。在最近的一项调查中,Forrester 发现 73% 的公司认为采用 MLOps 会保持竞争力,而 24% 的人表示这将使他们成为行业领导者。

“Modular 的主要竞争对手是主导 Big Tech 和 Big Tech 本身的 AI 软件开发的思维方式,”Lattner 说。 “这些公司成功部署 AI 的原因在于,它们聚集了大批开发人员、才华横溢的 AI 修补者,并利用其庞大的计算和财务资源来推进自己的努力和产品——包括他们自己的云和 AI 硬件。尽管他们对该领域做出了令人难以置信的贡献,但他们的自我偏好凸显了人工智能的巨大鸿沟,并为世界其他地区使用这项技术解决我们一些最重要的社会经济和环境问题的能力设置了行业限制上限。”

Lattner——没有点名——声称 Modular 已经在与“一些最大的科技公司合作”。近期的重点是扩大 Modular 的 25 人团队,并准备在未来几个月推出该平台。

“不断变化的经济条件意味着世界上最大的人工智能公司已经在人工智能上花费了数十亿美元,以专注于从人工智能中生产和赚钱,而不是修补,”拉特纳说。 “许多最优秀和最聪明的计算机科学家——实际上,是组织中的 100 倍工程师,而 10 倍工程师是常态——正在努力维护这些系统并使这些系统适用于基本用例——其中大多数专注于收入优化项目,而不是改变世界。为此,技术决策者正在寻找更可用、更灵活、更高效的基础设施,以简化 e2e AI 开发和部署,并使 AI 研究能够更快地投入生产。他们真的只是希望以更低的部署成本从人工智能中实现更大的价值。”

声明:本站原创文章文字版权归前途科技所有,转载务必注明作者和出处;本站转载文章仅仅代表原作者观点,不代表前途科技立场,图文版权归原作者所有。如有侵权,请联系我们删除。

(0)
上一篇 2022年7月1日 上午9:41
下一篇 2022年7月1日 上午9:43

相关推荐

发表回复

您的电子邮箱地址不会被公开。