Gimlet Labs ແກ້ໄຂ AI Inference Bottleneck ດ້ວຍເທກໂນໂລຍີຂ້າມເວທີທີ່ສະຫງ່າງາມ
ຄໍຂວດ inference AI ເປັນສິ່ງທ້າທາຍທີ່ສໍາຄັນທີ່ເຮັດໃຫ້ການຮັບຮອງເອົາປັນຍາປະດິດຊ້າລົງ. Gimlet Labs ໄດ້ພັດທະນາການແກ້ໄຂທີ່ສະຫງ່າງາມທີ່ຫນ້າປະຫລາດໃຈ. ເທກໂນໂລຍີຂອງພວກມັນຊ່ວຍໃຫ້ຕົວແບບ AI ເຮັດວຽກໄດ້ຢ່າງບໍ່ຢຸດຢັ້ງໃນທົ່ວຮາດແວທີ່ຫຼາກຫຼາຍຈາກຊິບ NVIDIA, AMD, Intel, ARM, Cerebras, ແລະ d-Matrix ພ້ອມກັນ.
ບາດກ້າວບຸກທະລຸນີ້ແກ້ໄຂຈຸດເຈັບປວດທີ່ສຳຄັນສຳລັບນັກພັດທະນາ ແລະວິສາຫະກິດ. ໂດຍການກໍາຈັດການລັອກຂອງຜູ້ຂາຍ, Gimlet Labs ສັນຍາວ່າມີຄວາມຍືດຫຍຸ່ນແລະປະສິດທິພາບທີ່ບໍ່ເຄີຍມີມາກ່ອນ. ຮອບການລະດົມທຶນ Series A ທີ່ຜ່ານມາຂອງພວກເຂົາ $80 ລ້ານ ຊີ້ໃຫ້ເຫັນຄວາມເຊື່ອຂອງຕະຫຼາດໃນວິທີການຂອງພວກເຂົາ.
ບັນຫາການຂະຫຍາຍຕົວຂອງ AI Inference Bottlenecks
ໃນຂະນະທີ່ຕົວແບບ AI ເຕີບໃຫຍ່ຂຶ້ນທີ່ສັບສົນ, ຄວາມຕ້ອງການພະລັງງານຄອມພິວເຕີ້ເພີ່ມຂຶ້ນ. ໄລຍະການສົມມຸດຕິຖານ—ບ່ອນທີ່ຕົວແບບທີ່ໄດ້ຮັບການຝຶກອົບຮົມເຮັດໃຫ້ການຄາດເດົາ—ໂດຍສະເພາະແມ່ນຊັບພະຍາກອນຫຼາຍ. ບໍລິສັດມັກຈະພົບວ່າຕົນເອງຖືກຈຳກັດໂດຍການເລືອກຮາດແວຂອງພວກເຂົາ.
ການຖືກລັອກເຂົ້າໄປໃນຜູ້ຜະລິດຊິບດຽວສ້າງຂໍ້ຈໍາກັດທີ່ສໍາຄັນ. ມັນຂັດຂວາງການຂະຫຍາຍແລະສາມາດນໍາໄປສູ່ຄ່າໃຊ້ຈ່າຍທີ່ເພີ່ມຂຶ້ນ. ຄໍຂວດນີ້ຂັດຂວາງການປະດິດສ້າງ ແລະຊ້າລົງຮອບວຽນການນຳໃຊ້ສໍາລັບແອັບພລິເຄຊັນ AI ໃໝ່.
Gimlet Labs ໄດ້ຮັບຮູ້ບັນຫາທົ່ວອຸດສາຫະກໍານີ້ໃນຕອນຕົ້ນ. ການແກ້ໄຂຂອງພວກເຂົາມີຈຸດປະສົງເພື່ອປະຊາທິປະໄຕໃນການເຂົ້າເຖິງຊັບພະຍາກອນຄອມພິວເຕີ້. ນີ້ອະນຸຍາດໃຫ້ທຸລະກິດສາມາດນໍາເອົາຮາດແວທີ່ດີທີ່ສຸດທີ່ມີຢູ່ສໍາລັບວຽກງານໃດຫນຶ່ງ.
ເທັກໂນໂລຢີ Gimlet Labs ເຮັດວຽກແນວໃດ
ແພລດຟອມຂອງ Gimlet Labs ເຮັດໜ້າທີ່ເປັນຕົວແປທົ່ວໄປສຳລັບວຽກ AI. ມັນແຈກຢາຍວຽກງານການຄິດໄລ່ຢ່າງສະຫຼາດໃນທົ່ວສະຖາປັດຕະຍະກໍາ chip ທີ່ແຕກຕ່າງກັນ. ລະບົບຈະເພີ່ມປະສິດທິພາບການເຮັດວຽກໂດຍອີງໃສ່ຈຸດແຂງທີ່ເປັນເອກະລັກຂອງແຕ່ລະຊິບ.
ເທກໂນໂລຍີໃຊ້ສູດການຄິດໄລ່ຂັ້ນສູງເພື່ອວິເຄາະ ແລະຈັດແບ່ງວຽກ. ມັນເຂົ້າໃຈຄວາມສາມາດສະເພາະຂອງແຕ່ລະປະເພດໂປເຊດເຊີ. ນີ້ຮັບປະກັນການປະຕິບັດທີ່ດີທີ່ສຸດໂດຍບໍ່ຄໍານຶງເຖິງຮາດແວພື້ນຖານ.
ຄຸນນະສົມບັດທີ່ສໍາຄັນຂອງເວທີ Gimlet
ຄວາມເຂົ້າກັນໄດ້ຂ້າມເວທີກັບຜູ້ຜະລິດຊິບໃຫຍ່ ການເພີ່ມປະສິດທິພາບ ແລະແຈກຢາຍວຽກໃນເວລາຈິງ ການເຊື່ອມໂຍງແບບບໍ່ຕິດຂັດກັບກອບການພັດທະນາ AI ທີ່ມີຢູ່ແລ້ວ ການຈັດສັນຊັບພະຍາກອນແບບໄດນາມິກໂດຍອີງໃສ່ຄວາມຕ້ອງການຂອງການຄິດໄລ່ ຫຼຸດການຕອບສະໜອງ ແລະປັບປຸງຄວາມໄວການອະນຸມານ
ວິທີການນີ້ສະແດງເຖິງການປ່ຽນແປງພື້ນຖານໃນວິທີທີ່ພວກເຮົາຄິດກ່ຽວກັບໂຄງສ້າງພື້ນຖານຂອງ AI. ມັນຄ້າຍຄືກັນກັບວິທີການເກັບຮັກສາຂໍ້ມູນໃນຄລາວປະຕິວັດ. ເຊັ່ນດຽວກັນກັບທຸລະກິດບໍ່ຈໍາເປັນຕ້ອງຮັກສາເຄື່ອງແມ່ຂ່າຍທາງດ້ານຮ່າງກາຍ, ພວກເຂົາອາດຈະລືມກ່ຽວກັບຂໍ້ຈໍາກັດຂອງຮາດແວທັງຫມົດໃນໄວໆນີ້.
ຜົນກະທົບສໍາລັບການພັດທະນາ AI ແມ່ນເລິກເຊິ່ງ. ນັກຄົ້ນຄວ້າສາມາດສຸມໃສ່ສະຖາປັດຕະຍະກໍາແບບຈໍາລອງແທນທີ່ຈະຈໍາກັດຮາດແວ. ນີ້ເລັ່ງການປະດິດສ້າງໃນທົ່ວທຸກຂະແຫນງການທີ່ນໍາໃຊ້ປັນຍາປະດິດ.
ຮອບການລະດົມທຶນ 80 ລ້ານໂດລາ
ຮອບການລະດົມທຶນທີ່ຜ່ານມາຂອງ Gimlet Labs ໄດ້ດຶງດູດບໍລິສັດລົງທຶນຊັ້ນນໍາ. ການລົງທຶນ 80 ລ້ານໂດລາ ຈະເລັ່ງການພັດທະນາເວທີ ແລະ ຂະຫຍາຍຕະຫຼາດ. ມັນເປັນຕົວແທນຫນຶ່ງຂອງຮອບ Series A ທີ່ໃຫຍ່ທີ່ສຸດໃນປະຫວັດສາດໂຄງສ້າງພື້ນຖານ AI.
ການລົງທືນຢ່າງຫຼວງຫຼາຍຢືນຢັນຄວາມສໍາຄັນຂອງການແກ້ໄຂຂໍ້ບົກຜ່ອງຂອງ inference. ນັກລົງທຶນຮັບຮູ້ວ່າຄວາມຍືດຫຍຸ່ນຂອງຮາດແວຈະກາຍເປັນມູນຄ່າທີ່ເພີ່ມຂຶ້ນ. ໃນຂະນະທີ່ການຮັບຮອງເອົາ AI ເຕີບໂຕ, ຄວາມຕ້ອງການການແກ້ໄຂ inference ທີ່ມີປະສິດທິພາບທີ່ສາມາດຂະຫຍາຍໄດ້.
ເງິນທຶນນີ້ມາໃນເວລາທີ່ການແຂ່ງຂັນ AI ກໍາລັງຮຸນແຮງຂຶ້ນ. ການເຄື່ອນໄຫວອຸດສາຫະກໍາທີ່ຜ່ານມາ, ເຊັ່ນ Sam Altman ອອກ 'Code Red' ຫຼັງຈາກການຄອບຄອງຕະຫຼາດທຸລະກິດຂອງ Anthropic, ຊີ້ໃຫ້ເຫັນເຖິງຈັງຫວະການປ່ຽນແປງຢ່າງໄວວາ. ເທັກໂນໂລຍີຂອງ Gimlet Labs ສາມາດໃຫ້ປະໂຫຍດດ້ານການແຂ່ງຂັນທີ່ສຳຄັນໄດ້.
ຜົນກະທົບຕໍ່ຕະຫຼາດແລະພູມສັນຖານດ້ານການແຂ່ງຂັນ
Gimlet Labs ເຂົ້າສູ່ຕະຫຼາດທີ່ຫິວໂຫຍສໍາລັບການແກ້ໄຂບັນຫາໂຄງສ້າງພື້ນຖານ AI. ວິທີການຂ້າມເວທີຂອງພວກເຂົາແຕກຕ່າງກັນຈາກການແກ້ໄຂຜູ້ຂາຍດຽວ. ຄວາມຍືດຫຍຸ່ນນີ້ຂໍອຸທອນກັບວິສາຫະກິດທີ່ມີການລົງທຶນຮາດແວທີ່ຫຼາກຫຼາຍ.
ເທກໂນໂລຍີສາມາດປ່ຽນຮູບແບບວິທີການບໍລິສັດເຂົ້າຫາການຈັດຊື້ AI. ແທນທີ່ຈະໃຫ້ສັນຍາກັບຜູ້ຂາຍຫນຶ່ງ, ພວກເຂົາສາມາດຮັກສາຄວາມບໍ່ເຊື່ອຖືຂອງຮາດແວໄດ້. ອະນາຄົດນີ້ເປັນການພິສູດການລົງທຶນ AI ຂອງພວກເຂົາຕໍ່ກັບການປ່ຽນແປງທາງດ້ານເຕັກໂນໂລຢີຢ່າງໄວວາ.
ຄ້າຍຄືກັບວິທີການຍົກລະດັບໃຫມ່ຂອງ Wacom ໃຫ້ຄວາມຝັນຂອງການແຕ້ມຮູບຢູ່ທຸກບ່ອນ, Gimlet Labs ເປີດໃຊ້ AI ທຸກບ່ອນ. ທັງສອງປະດິດສ້າງເອົາຂໍ້ຈໍາກັດທີ່ຜ່ານມາ, ເປີດຄວາມເປັນໄປໄດ້ໃຫມ່ສໍາລັບຜູ້ສ້າງແລະນັກພັດທະນາ.
ຄໍາຮ້ອງສະຫມັກພາກປະຕິບັດແລະກໍລະນີການນໍາໃຊ້
ເຕັກໂນໂລຊີຂອງ Gimlet Labs ມີຄໍາຮ້ອງສະຫມັກໃນທົ່ວອຸດສາຫະກໍາຈໍານວນຫລາຍ. ອົງການຈັດຕັ້ງການດູແລສຸຂະພາບສາມາດດໍາເນີນການ AI ຮູບພາບທາງການແພດໃນທົ່ວຮາດແວທີ່ມີຢູ່. ສະຖາບັນການເງິນສາມາດປະມວນຜົນລະບົບການກວດຫາການສໍ້ໂກງໄດ້ຢ່າງມີປະສິດທິພາບຫຼາຍຂຶ້ນ.
ຍານພາຫະນະຂອງຕົນເອງບໍລິສັດເປັນຕົວແທນຂອງຕະຫຼາດທີ່ສໍາຄັນອື່ນ. ເຂົາເຈົ້າມັກຈະໃຊ້ສະພາບແວດລ້ອມຮາດແວແບບປະສົມສໍາລັບວຽກງານການຮັບຮູ້ ແລະປະມວນຜົນທີ່ແຕກຕ່າງກັນ. ເວທີຂອງ Gimlet ສາມາດ synchronize ລະບົບທີ່ແຕກຕ່າງກັນເຫຼົ່ານີ້ seamlessly.
ສະຖານະການຮັບຮອງເອົາວິສາຫະກິດ
ຜູ້ໃຫ້ບໍລິການຄລາວສະເຫນີທາງເລືອກຄອມພິວເຕີ້ທີ່ຫຼາກຫຼາຍໃຫ້ກັບລູກຄ້າ ສະຖາບັນຄົ້ນຄ້ວານໍາໃຊ້ຮາດແວທີ່ມີຢູ່ແລ້ວສໍາລັບໂຄງການ AI ໃຫມ່ ບໍລິສັດຜະລິດປະຕິບັດການບໍາລຸງຮັກສາທີ່ຄາດເດົາໃນທົ່ວສິ່ງອໍານວຍຄວາມສະດວກ ການເລີ່ມຕົ້ນທີ່ຫຼີກລ່ຽງການຜູກມັດດ້ານຮາດແວທີ່ມີຄ່າໃຊ້ຈ່າຍສູງໃນໄລຍະການຂະຫຍາຍຕົວຕົ້ນໆ
ຄວາມຍືດຫຍຸ່ນຂະຫຍາຍອອກໄປນອກສະພາບແວດລ້ອມຄອມພິວເຕີແບບດັ້ງເດີມ. ເຖິງແມ່ນວ່າຄໍາຮ້ອງສະຫມັກຂອງຜູ້ບໍລິໂພກໄດ້ຮັບຜົນປະໂຫຍດຈາກການສົມມຸດຕິຖານທີ່ມີປະສິດທິພາບຫຼາຍຂຶ້ນ. ຍົກຕົວຢ່າງ, AI ທີ່ດີກວ່າສາມາດປັບປຸງການເຮັດວຽກຂອງອຸປະກອນ, ຄືກັບ AirTags ຫຼຸດລາຄາຂອງ Apple ເຮັດໃຫ້ການຕິດຕາມລາຍການສາມາດເຂົ້າເຖິງໄດ້ຫຼາຍຂຶ້ນ.
ອະນາຄົດຂອງໂຄງສ້າງພື້ນຖານ AI
ວິທີການຂອງ Gimlet Labs ຊີ້ໃຫ້ເຫັນເຖິງອະນາຄົດທີ່ມີການໂຕ້ຕອບຫຼາຍຂຶ້ນສໍາລັບ AI. ໃນຂະນະທີ່ຄວາມຊ່ຽວຊານຂອງຊິບເພີ່ມຂຶ້ນ, ຄວາມຕ້ອງການສໍາລັບການແກ້ໄຂຄວາມເຂົ້າກັນໄດ້ເພີ່ມຂຶ້ນ. ເຕັກໂນໂລຢີຂອງພວກເຂົາສາມາດກາຍເປັນມາດຕະຖານສໍາລັບການນໍາໃຊ້ AI ຂ້າມເວທີ.
ພວກເຮົາມີແນວໂນ້ມທີ່ຈະເຫັນບໍລິສັດເພີ່ມເຕີມທີ່ນໍາໃຊ້ວິທີການທີ່ບໍ່ຫນ້າເຊື່ອທີ່ຄ້າຍຄືກັນ. ຍຸກຂອງການແກ້ໄຂ AI ສະເພາະຂອງຜູ້ຂາຍອາດຈະສິ້ນສຸດລົງ. ການປ່ຽນແປງນີ້ມີປະໂຫຍດຕໍ່ທຸກໆຄົນໂດຍການຊຸກຍູ້ການແຂ່ງຂັນແລະນະວັດຕະກໍາ.
ສໍາລັບນັກພັດທະນາແລະທຸລະກິດທີ່ຂຸດຄົ້ນ AI, ໃນປັດຈຸບັນແມ່ນເວລາທີ່ຈະພິຈາລະນາຄວາມຍືດຫຍຸ່ນຂອງໂຄງສ້າງພື້ນຖານ. ການແກ້ໄຂເຊັ່ນແພລະຕະຟອມ Gimlet Labs ຈະກາຍເປັນສິ່ງສໍາຄັນຫຼາຍຂຶ້ນ. ພວກມັນເປັນຕົວແທນຂອງວິວັດທະນາການຕໍ່ໄປໃນການເຮັດໃຫ້ AI ເຂົ້າເຖິງໄດ້ຢ່າງແທ້ຈິງ ແລະສາມາດຂະຫຍາຍໄດ້.
ການເລີ່ມຕົ້ນດ້ວຍການແກ້ໄຂ AI ທີ່ມີຄວາມຍືດຫຍຸ່ນ
ທຸລະກິດທີ່ສົນໃຈໃນ AI ຄວນເລີ່ມຕົ້ນໂດຍການປະເມີນພູມສັນຖານຂອງຮາດແວໃນປະຈຸບັນຂອງພວກເຂົາ. ຄວາມເຂົ້າໃຈກ່ຽວກັບຊັບພະຍາກອນທີ່ມີຢູ່ຊ່ວຍກໍານົດບ່ອນທີ່ການແກ້ໄຂຂ້າມເວທີເພີ່ມມູນຄ່າ. ການວາງແຜນສໍາລັບຄວາມຍືດຫຍຸ່ນໃນປັດຈຸບັນປ້ອງກັນບໍ່ໃຫ້ມີຄ່າໃຊ້ຈ່າຍໃນການກໍ່ສ້າງຄືນໃຫມ່ໃນພາຍຫຼັງ.
ສໍາລັບຜູ້ທີ່ສ້າງຕົວຕົນ AI ຂອງເຂົາເຈົ້າ, ພິຈາລະນານໍາໃຊ້ຫນ້າ link-in-bio ຟຣີໃນ Seemless ເພື່ອແບ່ງປັນໂຄງການຂອງທ່ານ. ມັນເປັນວິທີທີ່ດີເລີດທີ່ຈະສະແດງການປະຕິບັດ AI ແລະເຊື່ອມຕໍ່ກັບຜູ້ຮ່ວມມືທີ່ມີທ່າແຮງ.
ສະຫຼຸບ: ຮັບເອົາ Hardware-Agnostic AI
ການແກ້ໄຂທີ່ສະຫງ່າງາມຂອງ Gimlet Labs ຕໍ່ກັບຄໍຂວດ inference AI ຊີ້ໃຫ້ເຫັນເຖິງຄວາມກ້າວຫນ້າທີ່ສໍາຄັນ. ເທກໂນໂລຍີຂ້າມເວທີຂອງພວກເຂົາເຮັດໃຫ້ຄວາມຍືດຫຍຸ່ນຂອງຮາດແວທີ່ບໍ່ເຄີຍມີມາກ່ອນ. ກອງທຶນຊຸດ A ຢ່າງຫຼວງຫຼາຍສະແດງໃຫ້ເຫັນຄວາມຫມັ້ນໃຈໃນຕະຫຼາດທີ່ເຂັ້ມແຂງ.
ໃນຂະນະທີ່ AI ສືບຕໍ່ຫັນປ່ຽນອຸດສາຫະກໍາ, ຄວາມຍືດຫຍຸ່ນຂອງໂຄງສ້າງພື້ນຖານກາຍເປັນສິ່ງສໍາຄັນ. ວິທີແກ້ໄຂທີ່ລົບລ້າງການລັອກໃນຜູ້ຂາຍຈະຂັບລົດການປະດິດສ້າງຕໍ່ໄປ. Gimlet Labs ປາກົດວ່າມີຕໍາແຫນ່ງທີ່ດີທີ່ຈະນໍາພາການຮັບຜິດຊອບນີ້.
ພ້ອມທີ່ຈະສໍາຫຼວດວ່າໂຄງສ້າງພື້ນຖານ AI ທີ່ມີຄວາມຍືດຫຍຸ່ນສາມາດເປັນປະໂຫຍດຕໍ່ອົງການຂອງເຈົ້າໄດ້ແນວໃດ? ເຂົ້າໄປເບິ່ງໜ້າ link-in-bio ຂອງພວກເຮົາໄດ້ຟຣີໃນ Seemless ເພື່ອຄົ້ນພົບຊັບພະຍາກອນເພີ່ມເຕີມ ແລະອັບເດດການພັດທະນາຫຼ້າສຸດໃນເທັກໂນໂລຍີ AI ແລະວິທີແກ້ໄຂໂຄງສ້າງພື້ນຖານ.
