Strong Compute مستقر در سیدنی، استارت آپی که به توسعه دهندگان کمک می کند تا گلوگاه های خطوط لوله آموزش یادگیری ماشین خود را ببندند، امروز اعلام کرد که دور اولیه 7.8 میلیون دلاری را جمع آوری کرده است. این دایره در مجموع شامل 30 صندوق سرمایه گذاری و فرشته است، از جمله Sequoia Capital India، Blackbird، Folklore و Skip Capital، و همچنین Y Combinator، Starburst Ventures و بنیانگذاران و مهندسان شرکت هایی مانند Cruise، Waymo، Open AI، SpaceX و Virgin Galactic. .
این شرکت که بخشی از دسته Winter ’22 Y Combinator بود، قول می‌دهد که بهینه‌سازی‌های آن می‌تواند بسته به مدل، نوار نقاله و قاب، روند یادگیری را 10 برابر تا 1000 برابر افزایش دهد. همانطور که بن ساندز، بنیانگذار Strong Compute، که همچنین یکی از بنیانگذاران AR Meta بود، به من گفت، تیم اخیراً در استفاده از پیاده‌سازی مرجع Nvidia که مشتری LayerJot از آن استفاده می‌کند، پیشرفت‌هایی را برای اجرای 20 برابر سریع‌تر انجام داده است.
اعتبار تصویر: محاسبات قوی
ساندز گفت: این یک پیروزی بزرگ بود. “این واقعاً به ما این احساس را داد که چیزی وجود ندارد که نتوان آن را بهبود بخشید.” – نگاهی دقیق به نحوه تعامل کد کاربر آنها با CPU و GPU در سطحی بسیار عمیق تر از آنچه قبلاً ممکن بود.
همانطور که ساندز اشاره کرد، تمرکز فعلی برای شرکت شروع خودکارسازی بیشتر کارهای جاری برای بهینه‌سازی فرآیند یادگیری است – و این چیزی است که شرکت می‌تواند به لطف این دور از بودجه از عهده آن برآید. او توضیح داد: «هدف ما اکنون این است که شرکای توسعه جدی در زمینه های خودران، پزشکی و هوایی داشته باشیم تا ببینیم چه چیزی واقعاً به خوبی کنار هم قرار می گیرد. ما اکنون منابع لازم برای داشتن یک تیم تحقیق و توسعه را داریم که نیازی به ارائه چیزی در دو هفته سرعت نداشته باشد، اما در واقع می تواند به یک فناوری اصلی واقعی نگاه کند که می تواند یک سال طول بکشد تا واقعاً برنده شود، اما واقعاً می تواند به این تحلیل خودکار مشکل کمک کند.”
این شرکت در حال حاضر شش مهندس تمام وقت دارد، اما سندز قصد دارد این تعداد را در چند ماه آینده دو برابر کند. این تا حدودی به این دلیل است که شرکت در حال حاضر از شرکت‌های بزرگ سود داخلی دریافت می‌کند، که اغلب 50 میلیون دلار یا بیشتر را برای منابع محاسباتی خود خرج می‌کنند (و سندز خاطرنشان کرد که بازار تا حد زیادی دو وجهی است و مشتریان کمتر از 1 میلیون دلار یا دلار هزینه می‌کنند. 10 تا 100 میلیون دلار، تنها با چند بازیکن در وسط).
اعتبار تصویر: محاسبه قوی
با این حال، هر شرکتی که تلاش می‌کند مدل‌های ML بسازد از همین مشکل رنج می‌برد: آموزش مدل‌ها و انجام آزمایش‌ها برای بهبود آنها هنوز زمان زیادی می‌برد. این بدان معناست که دانشمندانی که درآمد خوبی دارند، طبق داده‌هایی که روی این موضوعات کار می‌کنند، زمان زیادی را در یک مدل نگهداری صرف می‌کنند و منتظر نتایج هستند.قوی محاسبه نیکیل آبراهام، مدیر مالی SteadyMD گفت که مشکل زمین بسکتبال را حل می کند. “زمان های طولانی آموزش، توسعه دهندگان برتر ما را وادار کرده است که در تمام طول روز با حلقه های منتظر روی ماشین ها شلیک کنند.”
و در حالی که بخشی از این علاقه ورودی از صنعت مالی و شرکت‌هایی است که به دنبال بهینه‌سازی مدل‌های پردازش زبان طبیعی خود هستند، تمرکز Strong Compute بر روی بینایی کامپیوتر باقی می‌ماند.
تانیشا باناشتیک، شریک فولکلور، گفت: «ما به تازگی سطح آنچه را که یادگیری ماشین و هوش مصنوعی می‌توانند انجام دهند، بررسی کرده‌ایم. “ما عاشق کار با بنیان‌گذارانی هستیم که جاه‌طلبی‌ها و چشم‌اندازهای بلندمدتی دارند که برای نسل‌ها باقی خواهد ماند. پس از سرمایه گذاری در رانندگی خودکار، می دانیم که سرعت چقدر برای بازار مهم است – و تأثیری را که Strong Compute می تواند با پلتفرم اختصاصی خود، درک عمیق 500 میلیارد دلاری بازار و تیم در سطح جهانی، بر این بازار داشته باشد، می بینیم.