เฉพาะข่าว: สตาร์ทอัพที่มุ่งมั่นจะขัดแย้งการครองอิทธิพลของ Nvidia ในงานทำงานกลางศูนย์ข้อมูลอารติฟิเชียล ได้รับFunding จำนวน 10.25 ล้านดอลลาร์

(SeaPRwire) –   สตาร์ทอัพที่ตั้งอยู่ในลอนดอน ที่ถูกตั้งต้นโดยนิวรโซนิสต์ที่ได้รับการศึกษาในกรมเชมบริดจ์ สองคน ได้รับFunding จำนวน $10.25 ล้านสำหรับสตาร์ทอัพ Callosum ซึ่งกำลังสร้างซอฟต์แวร์ที่จัดการ workloads ไอเอสคุลผ่านการผสมการใช้ chip ประเภทต่าง ๆ — ท้าทายความต้องการของอุตสาหกรรมในการรันโมเดลที่มากขึ้นและมากขึ้นบน banks ของ GPU เดียวกัน

บริษัทนี้ยังประกาศว่าม正在รับเงินสนับสนุนการวิจัยจากรัฐบาลอังกฤษ ซึ่งกำลังหาวิธีสร้างอินฟรา สีโคลด้านไอเอสคุล Sovereign ที่จะเป็นอิสระ หรืออย่างน้อยไม่เพียงพอแค่พึ่งพาให้บริษัทเทคโนโลยีอเมริกัน

คู่ผู้Funded Danyal Akarca และ Jascha Achterberg ที่ได้พบกันในระหว่างการศึกษาโครงการดัชนีปริญญาเอกในกรมเชมบริดจ์ ประมาณปี 2019 มีซอฟต์แวร์ที่สามารถกระจาย workloads ไอเอสคุลผ่าน chip จากผู้ผลิตต่าง ๆ — แม้ว่าจะเป็น Nvidia GPUs, AMD processors, Web Services’ custom Trainium และ Inferentia silicon หรือการออกแบบใหม่จากสตาร์ทอัพ เช่น Cerebras และ SambaNova — เก็บประโยชน์ประสิทธิภาพจากแต่ละตัว

รอบการFunding ถูกนำโดย Plural, venture fund ระดับต้นฉบับในยุโรป ที่ถูกตั้งต้นโดย Taavet Hinrikus และ Ian Hogarth ของ Wise’s ซึ่งยังเป็นประธานแรกของ AI Safety Institute ของอังกฤษ Investor ที่เป็นเฟรนด์ เช่น Charlie Songhurst, Stan Boland ของ FiveAI และ John Lazar ของ Royal Academy of Engineering ยังมีส่วนร่วมด้วย อย่างอื่น กระทรวงการวิจัยและการสร้างสรรค์ขั้นสูงของอังกฤษ (ARIA) กำลังให้เงินบริจาคต่อบริษัทเพื่อเร่งความเร็วในการพัฒนาการวิจัยและพัฒนาในการผสานเทคโนโลยี chip อันใหม่ลงในพ্লาเทฟอร์มของมัน — แม้ว่าอร่าไม่ใช่ผู้ลงทุนในรอบนี้เอง คุณ Akarca กล่าวในอินเตอร์วью

ทฤษฎีของบริษัทนี้เกิดจากการวิจัยทางวิทยาศาสตร์ของคู่ผู้Funded ในขอบเขตของนิวรโซนิและคอมพิวเตอร์: หัวใจมนุษย์ไม่ได้ให้เกิดความฉลาดโดยการคัดลอกชนิดของนิวรอนล้านพันครั้ง แต่โดยการผสมชนิดของเซลล์พิเศษและวงจรที่ทำงานร่วมกัน พวกเข believe ว่าการคำนวณไอเอสคุลควรตามหลักการเดียวกัน

“หลักหอพิเศษปัจจุบันวางโบนัสว่าโมเดลเดียวจะครองทุกอย่าง เร认为ว่ามันผิด และงานของเราเปรียบเทียบได้ว่ามันผิด” คุณ Akarca กล่าว “ธรรมชาติแสดงให้เห็นว่าความฉลาดที่แท้จริงเกิดจากการทำงานร่วมกันของหลายๆ โซลูชัน”

Callosum ยินดีต้อนรับเข้าสู่ thị場ที่กำลังมีการเปลี่ยนแปลงโครงสร้างที่ลึกซึ้ง หลังจากหลายปีที่การใช้จ่ายไอเอสคุลถูกครองโดยการฝึกอบรมโมเดลพื้นฐานขนาดใหญ่บน racks ของ Nvidia GPU เดียวกัน อุตสาหกรรมกำลังขับเคลื่อนทิศทาง inference — ชั้นตอนการรันโมเดลที่ได้รับการฝึกอบรมเพื่อผลลัพธ์ ได้ประมาณว่าการใช้งาน inference 将เป็นส่วนมากสองสามส่วนจากทุกการคำนวณไอเอสคุลในปี 2026 จากสามส่วนในปี 2023 และว่าตลาดการซื้อ chip ที่ปรับให้เหมาะสำหรับการ inference 将เติบโตถึงมากกว่า $50 ล้านในปีนี้ การเปลี่ยนแปลงนี้กำลังสร้างโอกาสให้ Callosum ท้าทายอิทธิพลของ Nvidia

Callosum รับมองว่ามันจะเป็นชั้นซอฟต์แวร์ที่เชื่อมโยงภูมิประเทศ硬件ที่แยกแยะมากขึ้นอย่างต่อเนื่อง พลาเทฟอร์มของมันทำงาน Across หลากหลายผู้ให้บริการในคลาวด์ รวมทั้ง AWS, Cloud, และ Azure และถูกออกแบบดังนั้นลูกค้าไม่ต้องรี-architect การตั้งค่าคลาวด์ปัจจุบันเพื่อใช้งานมัน “มันเป็นสอฟต์แวร์สินค้าที่นำ workloads ไอเอสคุลของคุณและจัดการมันผ่านการตั้งค่าคลาวด์หลายชั้นที่คุณอาจใช้” คุณ Akarca กล่าว

คู่ผู้Fundedอ主张ว่าผลที่ได้จากวิธีนี้จะให้ประโยชน์มากมายในงานที่ซับซ้อนและเป็นความเป็นจริงที่เกี่ยวข้องกับการตัดสินใจหลายๆ ประเภท — เช่น การอัตโนมัติการใช้คอมพิวเตอร์หรือการประมวลผลงานการดеловงการ สำหรับงานเช่นนี้ Callosum กล่าวว่าลูกค้าสามารถได้ความแม่นยำสองเท่า ความเร็วที่เร็วกว่าเจ็ดเท่า และต้นทุนต่ำกว่าสี่เท่าเปรียบกับการรัน workloads เดียวกันบน hardware เดียวกัน

คุณ Achterberg อธิบายว่าความแม่นยำที่ได้มาจากธรรมชาติของปัญหาที่กำลังแก้ไข “ปัญหาที่ง่าย สองสามโมเดลก็พอแล้ว” เขากล่าว “แต่งานดеловงการซับซ้อนเป็นเรื่องอื่น “การอัตโนมัติการใช้คอมพิวเตอร์ การอัตโนมัติการชำระเงิน ตัวอย่างเช่น — เหล่านี้เป็นปัญหาที่เราเน้น focus ไว้ พวกมันเป็นอันตรายที่ไม่เหมือนกัน” คุณ Achterberg กล่าว “มีหลายๆ ขั้นตอนในการแก้ปัญหา และโมเดลเดียวไม่เป็นไปได้ทุกครั้งที่เหมาะสม”

ส่วนต่างๆ ของงานวางแผนซับซ้อนอาจต้องการสิ่งต่างๆ ต่างกัน: ขั้นตอนบางส่วนต้องการโมเดลที่เร็วมาก และค่าใช้จ่ายต่ำที่สามารถทำซ้ำเร็ว ๆ กล้วยผ่านการลองและผิด แต่ส่วนอื่นต้องการการเห็นด้วยที่ใหญ่ขึ้นและมีความสามารถมากขึ้น โดยการจับคู่แต่ละ subtask กับโมเดลที่เหมาะสมที่กำลังทำงานบน hardware ที่เหมาะสม Callosum กล่าวว่ามันสามารถเกBeat การวิธีปกติของการโยนโมเดลที่มีกำลังที่ยิ่งใหญ่ที่สุดไปต่อทุกปัญหา

Callosum จัดเป้าหมายให้เป็นสองประเภทของลูกค้า: บริษัทที่กำลังสร้างระบบ AI multi-agent ที่ต้องการประสิทธิภาพที่ดีกว่าในขอบเขตของงานวางแผนซับซ้อน และผู้ผลิต chip ใหม่ที่ต้องการแสดงให้เห็นความสามารถของ hardware ของพวกเขาในขนาดใหญ่ “สิ่งที่เราต้องการคือว่าทุกเทคโนโลยี chip ใหม่นี้ ที่เป็นอย่างที่ยอดเยี่ยม มีประสิทธิภาพที่ยอดเยี่ยม มีประโยชน์ที่ยอดเยี่ยม เจอทางที่สามารถนำมันเข้าสู่ตลาดที่เราสามารถนำมันไปใช้ได้” คุณ Achterberg กล่าว

บริษัทนี้ยังมีการศึกษาเป็นร่วมกับบริษัทที่กำลังทำงานในวิธีใหม่ในการเชื่อมต่อรACK ของ chip ไอเอสคุลภายใน datacenter — ซึ่งเรียกว่า “interconnect” — รวมทั้งผู้ที่กำลังพัฒนาเครือข่ายที่ใช้ photonics ซึ่งเป็นเทคโนโลยีที่ส่งข้อมูลด้วยแสงแทนสัญญาณไฟฟ้า เทคโนโลยีเหล่านี้ถูกออกแบบเพื่อแก้ปัญหา bottlenecks ที่เกิดจากการต้องเลื่อนข้อมูลภายใน datacenter — การถกยากที่ยิ่งขึ้นเมื่อ chip ประเภทต่าง ๆ ต้องการติดต่อกัน

ดูข้างหน้า คู่ผู้Funded กล่าวว่าพวกเขาเข้ารหัสด้วยการใช้เงินFundingเพื่อขยายทีมงานที่อยู่ในลอนดอน เริ่มการขยายไปในสหรัฐอเมริกา และเริ่มสร้างอินฟรา hardware ที่เสริมเติมของตัวเอง อย่างยาวนานอาชีพของพวกเขากลายไปนอกเหนือจากซอฟต์แวร์เพื่อที่จะคิดใหม่โดยมีพื้นฐานในการออกแบบ datacenterเอง

“ทุกคนคิดว่าความหลากหลายของ chip เป็นข้อเสียที่ต้องจัดการ เราเห็นตรงข้ามกันว่ามันเป็นข้อได้เปรียบที่ต้องใช้” คุณ Achterberg กล่าว “เราไม่ได้ปรับให้เหมาะสมอัลกอริทึมหนึ่งบนสแต็คปัจจุบัน เราใช้ซอฟต์แวร์เพื่อควบคุมทุกขั้นตอนในระบบทั้งหมด เก็บประโยชน์จากความหลากหลายที่คนอื่นไม่เห็น”

คุณ Hogarth, ทดแทนของ Plural, กล่าวในคำแนะนำ: “วิวัฒนาการของ Callosum สำหรับอนาคตที่มีโมเดลหลายๆ ตัว และ chip หลากหลายๆ ตัว อาจจะเป็นการเปลี่ยนแปลงและทำให้พวกเขามีโอกาสแข่งขันกับผู้ผลิต chip และ maker โมเดลใหญ่ที่สุดในโลก นี่เป็นผู้Funded ที่มีความรู้สึกถึงหน้าที่ที่หนักหนาม”