OctoML 85 میلیون دلار برای پلتفرم شتاب یادگیری ماشین خود جمع آوری می کند – TechCrunch

OctoML، یک استارت‌آپ مستقر در سیاتل که به شرکت‌ها کمک می‌کند تا مدل‌های یادگیری ماشینی خود را بهینه‌سازی و استقرار دهند، امروز اعلام کرد که مبلغ 85 میلیون دلاری سری C به رهبری Tiger Global Management جمع‌آوری کرده است. سرمایه گذاران قبلی علاوه بر این، Madrona Venture Group و Amplify Partners نیز در این دور شرکت کردند که مجموع بودجه شرکت را به 132 میلیون دلار می رساند که شامل 28 میلیون دلار دور سری B است که در اوایل سال جاری اعلام شد.

این شرکت توسط مشترک تاسیس شد مدیرعامل لوئیس سیزه، مدیر ارشد فناوری Tianqi Chen، مدیر ارشد اجرایی جیسون نایت، معمار ارشد جرد روش و معاون مشارکت‌های فناوری تیری مورو، که با هم چارچوب کامپایلر یادگیری ماشین منبع باز Apache TVM را ایجاد کردند. TVM در حال حاضر توسط شرکت هایی مانند آمازون، مایکروسافت و فیس بوک استفاده می شود. OctoML مبتنی بر توانایی TVM برای بهینه سازی خودکار مدل های یادگیری ماشینی است و به آنها اجازه می دهد تقریباً روی هر سخت افزاری اجرا شوند.

همانطور که Ceze به من گفت، از زمان افزایش سری A خود، این شرکت تعدادی شرکای سخت افزاری از جمله Qualcomm، AMD و Arm را امضا کرده است. این شرکت همچنین اخیراً با مایکروسافت روی پروژه ای در مورد استقرار تعدیل محتوای ویدیویی در مقیاس کار کرد. این شرکت می‌گوید کاربرانش، از جمله تعدادی از شرکت‌های جهانی ۱۰۰، بعد از استفاده از خدمات آن شاهد بهبود ۲ تا ۱۰ برابری عملکرد مدل ML خود هستند.

تقریباً در اوایل سال جاری سری B خود، این شرکت به تازگی شروع به استفاده از برخی از کاربران اولیه خود در پلتفرم SaaS خود کرده بود. همانطور که Ceze قبل از اعلام امروز اشاره کرد، آن سرویس هنوز کاملاً در دسترس عموم قرار نگرفته است، اما OctoML اکنون با تعداد بیشتری از مشتریان کار می کند و بر موفقیت آنها در پلتفرم خود متمرکز شده است.

Ceze اشاره کرد که با تکثیر و پیچیده شدن مدل‌ها، استقرار آنها در فضای ابری نیز گران‌تر می‌شود، بنابراین سیستمی که بتواند این مدل‌ها را بلافاصله بهینه‌سازی کند منجر به صرفه‌جویی در هزینه‌ها برای مشتریان شرکت می‌شود. او خاطرنشان کرد: «این نه تنها یک مسئله هزینه بلکه یک مسئله پایداری است. “اگر چیزی را دو برابر سریعتر روی یک سخت افزار بسازید و از نیمی از انرژی استفاده کنید، در مقیاس تاثیر می گذارد.” او خاطرنشان کرد که به طور فزاینده‌ای، ارائه‌دهندگان بزرگ ابری محدودیت‌های ظرفیتی را برای استقرار پردازنده‌های گرافیکی پیشرفته دارند (به هر حال کمبود تراشه وجود دارد)، بنابراین توانایی انتقال مدل‌های خود به یک GPU دیگر یا شاید حتی به یک CPU مزیت دیگری است. .

Ceze خاطرنشان کرد که شرکت در این مرحله نیازی به جذب بودجه جدید نداشت، اما تیم تصمیم گرفت علیرغم داشتن باندی سالم، فرصت‌طلب باشد. ما همه فرصت‌های خود را در زمینه فعال‌سازی سخت‌افزار، سرعت بخشیدن به تجارت SaaS و فعال‌سازی ابری بررسی کردیم. ما می‌گفتیم: «اوه وای، پس می‌توانیم حتی سریع‌تر به اینجا برسیم و این تجارت را تصرف کنیم.» ما یک فرصت تجاری درست در مقابل خود داریم، اما برای استفاده کامل از آن باید سریع مقیاس کنیم.

مطالب پیشنهادی  طراحی داخلی اداری - شرکت طراحی و دکوراسیون داخلی مهران طاهری

این شرکت قصد دارد از بودجه جدید برای گسترش سریع تیم خود در بخش های مختلف مهندسی و فروش استفاده کند تا از این فرصت به عنوان مشتریان جدید استفاده کند. OctoML همچنین قصد دارد اکوسیستم شریک خود را بسازد.

جان کورتیوس، شریک تایگر گلوبال، گفت: «OctoML در حال ایجاد یک تغییر عمیق در روش ساختن نسل بعدی مدل‌ها و برنامه‌های هوش مصنوعی توسط سازمان‌ها است. چشم انداز OctoML برای ارائه یک چرخه عمر استقرار یکپارچه برای کاربران در تمام فروشندگان سخت افزار ML که به آنها تکیه می کنند، باعث می شود توسعه ML مقرون به صرفه تر و برای مجموعه گسترده تری از توسعه دهندگان قابل دسترسی باشد. ما خوشحالیم که به لوئیس و تیم هم‌بنیانگذار OctoML در مجموعه Tiger خوش آمد می‌گوییم و مشتاقانه منتظر ایفای نقش در فصل رشد بعدی آنها هستیم.

18 املاک