OctoML籌集美元以優化多平臺世界的AI模型

最近從華盛頓大學分離出來的嶄新面孔的機器學習創業公司OctoML Inc.今天 宣布 ，該公司已經籌集了390萬美元的資金，以解決部署人工智能軟件的復雜性。

在硬件系統上設置AI模型與典型的應用程序安裝有很大不同。為了最大程度地提高算法的性能和功效，工程師必須為驅動主機系統的特定芯片精心優化代碼。對于開發團隊而言，這并非總是可行的選擇，尤其是在具有在幾種不同類型的硬件上運行的多個神經網絡的公司中。

OctoML希望減少任務的資源消耗。這家由首席執行官和華盛頓大學教授路易斯·策澤(Luis Ceze)領導的由10人組成的團隊(圖左二)開發了一個名為Apache TVM的開源工具包，該工具包可以使模型部署過程自動化。它使用機器學習根據安裝了神經網絡的每個平臺的約束來優化神經網絡。

TVM支持廣泛的硬件環境。該軟件使工程師能夠在從智能手機到專門為AI優化的加速器芯片等大多數產品上部署模型，這些公司越來越多地在其數據中心中使用它們來支持機器學習工作負載。

OctoML首席技術官說：“ Apache TVM基于機器學習的方法從根本上優化了機器學習系統，從而能夠針對不斷變化和擴展的硬件目標集，例如數據中心，汽車，電話，醫療設備和嵌入式系統，”陳天琪(右二)。

TVM在機器學習生態系統中獲得了很大的吸引力。諸如Amazon.com Inc.，Microsoft Corp.和Facebook Inc.之類的主要科技公司在內部使用該軟件來調整其AI模型，而包括Qualcomm Inc.在內的芯片制造商正在為該項目的源代碼做貢獻。

OctoML計劃通過即將推出的托管云服務，利用TVM的技術來簡化AI開發人員的工作，從而利用TVM的流行度獲利。首席執行官路易·塞茲(Louis Ceze)承諾將不提供任何細節，從而“降低客戶的工程和運營成本，并降低依賴特定平臺的風險”。

這家初創公司新近完成了390萬美元的融資，由早期投資者Madrona Venture Group牽頭，Amplify Partners也參與其中。OctoML將利用這筆資金雇用更多的工程師，并為推出其商業產品奠定進入市場的基礎。