Lola Vision Systems در تلاش است تا اجرای مدل‌های هوش مصنوعی بر روی تراشه‌ها را آسان‌تر کند

The story begins almost 12 years ago, when Tayo Adesanya started a career working with microchips and AI processors. He mainly helped large manufacturers decide which chips to use in their hardware. او به TechCrunch گفت که در آن سال‌ها بینش اولیه‌ای به او داد که تقاضا در بازار محاسبات هوش مصنوعی به کجا می‌رود. “Starting Lola Vision Systems was a bet on where the world was headed and what I was seeing,” he said.

In 2024, he launched Lola Vision Systems , an AI infrastructure company that builds software and chips for running AI models on devices. Its core product is software that translates AI models into instructions a specific chip can run. آدسانیا این نرم‌افزار را «زنجیره ابزار کامپایلر» می‌نامد و می‌گوید این یک گلوگاه بزرگ است: راه‌اندازی دستی یک مدل هوش مصنوعی روی سخت‌افزار جدید می‌تواند «تقریبا 200 ساعت» فقط برای شروع آزمایش طول بکشد. Lola Vision می‌گوید که لایه نرم‌افزاری را بازسازی کرده است و همچنین در حال توسعه تراشه‌های نیمه‌رسانای خود با هدف خودکارسازی بیشتر فرآیند است.

یک کلاینت کد خود و مدل هوش مصنوعی را که می‌خواهد از آن استفاده کند، چه به صورت سفارشی یا متن باز ارائه می‌کند، و نرم‌افزار هر دو را به دستورالعمل‌هایی تبدیل می‌کند که تراشه مشتری می‌تواند اجرا کند.

آدسانیا گفت: «سرعت تنها بخشی از آن است. او توضیح داد که راه‌اندازی سریع‌تر به هوافضا و «سایر شرکت‌های حیاتی» زمان می‌دهد تا «مدل‌های دقیق‌تری را بر اساس داده‌های خود و با توان کمتر اجرا کنند».

او گفت: «برای این مشتریان دقت و قابلیت اطمینان خوب نیست. آنها تعیین می‌کنند که آیا یک محصول مورد بازبینی نظارتی قرار می‌گیرد یا خیر و اینکه آیا در این زمینه قابل اعتماد عمل می‌کند یا خیر».

لولا ویژن، مستقر در واشنگتن دی سی، یکی از چندین استارت آپی است که تلاش می کند جایگزینی برای فناوری NVIDIA برای اجرای هوش مصنوعی بر روی دستگاه ها ارائه دهد. آدسانیا گفت در حال حاضر، بسیاری از شرکت‌ها با Jetson انویدیا، خطی از ماژول‌های محاسباتی فشرده برای اجرای هوش مصنوعی بر روی دستگاه‌ها یا با مدل‌های AI منبع باز شروع به کار می‌کنند. آدسانیا ادعا می‌کند که «اغلب این‌ها شکسته می‌شوند یا به خوبی از جعبه خارج می‌شوند، بنابراین تیم‌ها روزها یا هفته‌ها را صرف اجرای آن‌ها می‌کنند، سپس حتی هفته‌های بیشتری را برای رفع اشکال تا زمانی که مدل‌ها قابل استفاده باشند، صرف می‌کنند».

او ادامه داد: «حتی در این صورت، مصرف برق اغلب بودجه‌های محاسباتی را از بین می‌برد، یا هیئت مدیره نمی‌تواند محاسبات کافی را برای مدل‌های متوسط ​​تا بزرگی که محصول واقعا برای اجرای موفقیت‌آمیز به آن نیاز دارد، ارائه دهد. این منجر به عقب ماندن مدل‌های تشخیص از اهداف یا اشتباه خواندن اشیا می‌شود». (رایانش لبه به معنای اجرای مستقیم هوش مصنوعی بر روی یک دستگاه، مانند دوربین یا پهپاد، به جای یک مرکز داده از راه دور است. مدل‌های تشخیص، سیستم‌های هوش مصنوعی هستند که اشیا را شناسایی می‌کنند.)

Lola Vision was selected for this year’s TechCrunch Battlefield 200, a group of 200 startups chosen for the program. او گفت: «زمانی که من در پوردو دانشجو بودم، TechCrunch مورد علاقه بود. او گفت که پس از حدود یک سال از ساخت محصول و امضای اولین مشتری آن، احساس کرد زمان آن رسیده است که برای Battlefield درخواست دهد و شرکت را در مقابل مخاطبان گسترده‌تری قرار دهد.

او گفت در مورد آنچه که او در زمان برگزاری رویداد بیشتر از همه درباره آن هیجان‌زده است، «ایجاد ارتباطات معنی‌دار و یادگیری تا آنجا که می‌توانم درباره آنچه در فضای ما و اطراف آن اتفاق می‌افتد» است. “And, to be direct, I’m looking forward to investors writing checks.”

برای کسب اطلاعات بیشتر در مورد Lola Vision Systems و ده‌ها استارت‌آپ بسیار مورد تایید دیگر که هفته آینده در TechCrunch DIsrupt به ما می‌پیوندند (همراه با VCهایی که برای بررسی آنها می‌آیند)، هفته آینده، 13 تا 15 اکتبر در سانفرانسیسکو به ما بپیوندید.

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.

دومینیک-مادوری دیویس یک گزارشگر ارشد سرمایه گذاری خطرپذیر و استارتاپ در TechCrunch است. او در شهر نیویورک مستقر است.

می‌توانید با ارسال ایمیل به dominic.davis@techcrunch.com یا از طریق پیام رمزگذاری‌شده به شماره 1 646 831-7565 +1 در سیگنال، با Dominic تماس بگیرید یا آن را تأیید کنید.

قاضی فدرال، آنتونی ها را "نظارت جمعی بی رویه" می نامد

آمازون در پاسخ به عکس العمل مرکز داده، می گوید دیگر از NDA آنتونی ها استفاده نمی کند

گوگل فکر می کند استارشیپ اسپیس ایکس باید 1800 بار قبل از اینکه مراکز داده فضایی از زمین خارج شوند تیم فرنهولز

اولین نیروگاه زمین گرمایی پیشرفته جهان تنها در 23 ماه تکمیل شد تیم دی چانت

گوگل Gemini 4 Argon را منتشر کرد که قدرتمندترین مدل خود را Lucas Ropek می نامند

پنتاگون از ایلان ماسک و پالمر لاکی استفاده می کند تا به تصمیم گیری در مورد اینکه ارتش بعدی دومینیک مادوری دیویس چه کاری باید انجام دهد کمک کند.

OpenAI Dots را راه‌اندازی می‌کند، نماد عامل حباب‌انگیز خود Lucas Ropek