انویدیا از استارت‌آپ‌های هندی حمایت می‌کند که به شرکت‌ها کمک می‌کند مدل‌های هوش مصنوعی را با پردازنده‌های گرافیکی کمتر اجرا کنند

امروزه شرکت‌ها برای تقویت برنامه‌های هوش مصنوعی هزینه‌های زیادی را بر روی پردازنده‌های گرافیکی صرف می‌کنند، اما اجرای این مدل‌ها به‌طور قابل اعتماد و اقتصادی در مقیاس همچنان یک چالش است. بارهای کاری مختلف، نیاز به مبادلات متمایز بین سرعت، هزینه و عملکرد دارند. استقرار و اجرای مدل‌های هوش مصنوعی برای برآوردن نیازهای تجاری اغلب به تنظیمات پیچیده نیز نیاز دارد. Simplismart می‌گوید نرم‌افزار آن بسیاری از این کارها را خودکار می‌کند و نحوه اجرای مدل‌ها بر روی زیرساخت‌های محاسباتی موجود را به جای اینکه مشتریان را ملزم به مدیریت آن پیکربندی‌ها کند، تنظیم می‌کند.

آمریتانشو جین (تصویر بالا، سمت چپ)، یکی از بنیانگذاران و مدیرعامل Simplismart، در مصاحبه ای گفت: "هیچ کس در واقع به سریع ترین یا ارزان ترین استنتاج نیاز ندارد." او اضافه کرد که شرکت‌ها در عوض باید مدل‌های هوش مصنوعی را با سرعت و هزینه‌هایی اجرا کنند که برای برنامه‌های خاص آنها منطقی است.

نرم‌افزار Simplismart بین مدل‌های هوش مصنوعی و زیرساخت محاسباتی که روی آن‌ها اجرا می‌شود قرار می‌گیرد و نحوه استقرار و مدیریت مدل‌ها را برای برآورده کردن نیازهای مشتریان تنظیم می‌کند. می‌گوید که می‌تواند عواملی مانند سرعت پاسخ‌دهی یک مدل، تعداد درخواست‌ها و میزان مصرف توان محاسباتی آن را بهینه کند و به شرکت‌ها کمک کند تا از پشته GPU موجود خود بهره بیشتری ببرند.

این استارت‌آپ مستقر در بنگالورو به شرکت‌ها راهی برای استقرار و اجرای مدل‌های هوش مصنوعی از طریق پلتفرم خود یا در زیرساخت‌های ابری و داخلی موجود ارائه می‌دهد. همچنین ابزارهایی را برای تنظیم دقیق مدل ها، مقیاس خودکار منابع محاسباتی با تغییر تقاضا و نظارت بر عملکرد فراهم می کند. علاوه بر این، Simplismart به ارائه دهندگان ابری اجازه می دهد تا با استفاده از نرم افزار آن، خدمات استنتاج هوش مصنوعی خود را بر روی زیرساخت GPU بسازند و اجرا کنند.

Simplismart می گوید که به پلتفرم تولید ویدیوی هوش مصنوعی InVideo کمک کرده تا با استفاده از نرم افزار خود، هزینه های ارائه GPU خود را تا 56 درصد کاهش دهد. این استارت‌آپ همچنین با شرکت‌های ویدیویی هوش مصنوعی HeyGen و Higgsfield، و همچنین استارتاپ هوش مصنوعی شرکت Ema، در میان دیگران همکاری می‌کند. علاوه بر این، ارائه‌دهنده ابر هندی Yotta از فناوری Simplismart برای تامین انرژی سرویس استنتاج هوش مصنوعی بدون سرور در پلت فرم Shakti Studio خود استفاده می‌کند.

جین به TechCrunch گفت که نرخ درآمد سالانه Simplismart در شش ماه گذشته ۱۴ برابر شده و به رقم ۸ رقمی رسیده است. این شرکت گفت که این رقم بر اساس استفاده اخیر مشتری به جای درآمدهای مکرر قراردادی است و درآمدهای ارسال شده به ارائه دهندگان زیرساخت را استثنا نمی کند. او رقم دقیقی را فاش نکرد.

جین گفت، بیش از نیمی از درآمد Simplismart از ایالات متحده است، با وجود اینکه این استارتاپ مشتریان بیشتری در هند دارد.

جین به TechCrunch گفت که انویدیا در کنار سرمایه گذاری خود، با Simplismart روی یکپارچه سازی های فنی از جمله نرم افزار استنتاج Dynamo خود کار کرده است. جین اظهار داشت که این همکاری شامل مهندسان Simplismart و معماران راه حل های Nvidia است، در حالی که انویدیا همچنین به معرفی استارتاپ به مشتریان و شرکای بالقوه کمک کرده است.

جالب اینجاست که این سرمایه‌گذاری پارادوکس آشکاری را نشان می‌دهد زیرا انویدیا، تامین‌کننده غالب تراشه‌های هوش مصنوعی، از نرم‌افزاری پشتیبانی می‌کند که می‌تواند به شرکت‌ها کمک کند تا برخی از حجم‌های کاری را با پردازنده‌های گرافیکی کمتر اجرا کنند. جین، با این حال، استدلال کرد که کارآمدتر کردن استنتاج هوش مصنوعی می‌تواند در نهایت با جذاب‌تر کردن سخت‌افزار آن برای مشتریان و تشویق به پذیرش گسترده‌تر برنامه‌های هوش مصنوعی به نفع انویدیا باشد.

Simplismart در بازار شلوغ نرم افزار استنباط هوش مصنوعی به مشتریان خدمات ارائه می دهد و با پیشنهادات خود انویدیا و همچنین ارائه دهندگان ابر و ابر مقیاس کننده های بزرگ از جمله خدمات وب آمازون، Google Cloud و Microsoft Azure رقابت می کند. تعداد فزاینده‌ای از استارت‌آپ‌ها نیز در حال توسعه ابزارهایی هستند تا مدل‌های هوش مصنوعی را سریع‌تر و ارزان‌تر کنند، زیرا تقاضای رو به رشد در این بخش وجود دارد که ناشی از افزایش تقاضا برای برنامه‌های هوش مصنوعی و نیاز به استفاده بهتر از منابع گران‌قیمت GPU است.

جین با اشاره به الزامات عملکردی و محدودیت‌های هزینه سخت گفت: «جایی که ما تمایل به پیروزی داریم، جایی است که مردم باید در مورد SLA [توافق‌نامه‌های سطح خدمات] و TCO [هزینه کل مالکیت] سخت‌گیرانه‌تر عمل کنند. او گفت، برخلاف رقبای که گزینه های از پیش تعیین شده را برای استنتاج سریعتر یا ارزان تر ارائه می دهند، Simplismart قصد دارد تعادلی متناسب با نیازهای هر مشتری پیدا کند.

Simplismart که در سال 2022 توسط مهندس سابق اوراکل جین و مهندس سابق گوگل، دوانش گاتاک (تصویر بالا، سمت راست) تأسیس شد، از تجربه این جفت در ساخت و استقرار سیستم‌های یادگیری ماشینی رشد کرد. جین گفت که این دو در حین تحصیل در BITS Pilani با هم آشنا شدند و این استارتاپ اکنون 58 کارمند دارد.

Simplismart قصد دارد از بودجه جدید برای گسترش حضور خود در ایالات متحده، رشد تیم خود و سرمایه گذاری بیشتر در توسعه نرم افزار استنتاج خود استفاده کند. جین به TechCrunch گفت که ایالات متحده همچنان یک بازار کلیدی برای این استارت آپ است زیرا به نظر می رسد بر پایه مشتریان فعلی خود در آنجا ایجاد کند.

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

Jagmeet استارت‌آپ‌ها، به‌روزرسانی‌های مربوط به سیاست‌های فناوری و سایر پیشرفت‌های مهم فناوری محور از هند را برای TechCrunch پوشش می‌دهد. او قبلا به عنوان خبرنگار اصلی در NDTV کار می کرد.

می‌توانید با ارسال ایمیل به [email protected] با Jagmeet تماس بگیرید یا آن را تأیید کنید. مشاهده بیو 4 نوامبر بوستون با خرید یک پاس، دومین جلد رایگان در بوت کمپ موسس نهایی سال TechCrunch با آوردن هم بنیانگذار یا شریک خود به صورت کتاب رایگان قبل از انقضای قرارداد BOGO دریافت کنید.

Grok هفت دقیقه اول «Odyssey» آنتونی ها را که توسط هوش مصنوعی ساخته شده است را منتشر می کند

گورستان هوش مصنوعی: فهرستی از پروژه‌ها و استارت‌آپ‌هایی که به لورن فوریستال تبدیل نشدند

اوبر تمام 30000 کارمند خود را در ChatGPT Work Lucas Ropek قرار می دهد

Airbnb کارهای خانه را برای مهمانان محدود می‌کند و با واکنش‌های منفی میزبان لورن فوریستال مواجه می‌شود

تسلا تولید ربات Optimus را در کالیفرنیا با کاهش 43 درصدی سود Kirsten Korosec شان اوکین آغاز کرد.

اینترنت روز بسیار بدی را در زمینه امنیت سایبری سپری می کند سارا پرز