OctoML筹集美元以优化多平台世界的AI模型

最近从华盛顿大学分离出来的崭新面孔的机器学习创业公司OctoML Inc.今天 宣布 ，该公司已经筹集了390万美元的资金，以解决部署人工智能软件的复杂性。

在硬件系统上设置AI模型与典型的应用程序安装有很大不同。为了最大程度地提高算法的性能和功效，工程师必须为驱动主机系统的特定芯片精心优化代码。对于开发团队而言，这并非总是可行的选择，尤其是在具有在几种不同类型的硬件上运行的多个神经网络的公司中。

OctoML希望减少任务的资源消耗。这家由首席执行官和华盛顿大学教授路易斯·策泽(Luis Ceze)领导的由10人组成的团队(图左二)开发了一个名为Apache TVM的开源工具包，该工具包可以使模型部署过程自动化。它使用机器学习根据安装了神经网络的每个平台的约束来优化神经网络。

TVM支持广泛的硬件环境。该软件使工程师能够在从智能手机到专门为AI优化的加速器芯片等大多数产品上部署模型，这些公司越来越多地在其数据中心中使用它们来支持机器学习工作负载。

OctoML首席技术官说：“ Apache TVM基于机器学习的方法从根本上优化了机器学习系统，从而能够针对不断变化和扩展的硬件目标集，例如数据中心，汽车，电话，医疗设备和嵌入式系统，”陈天琪(右二)。

TVM在机器学习生态系统中获得了很大的吸引力。诸如Amazon.com Inc.，Microsoft Corp.和Facebook Inc.之类的主要科技公司在内部使用该软件来调整其AI模型，而包括Qualcomm Inc.在内的芯片制造商正在为该项目的源代码做贡献。

OctoML计划通过即将推出的托管云服务，利用TVM的技术来简化AI开发人员的工作，从而利用TVM的流行度获利。首席执行官路易·塞兹(Louis Ceze)承诺将不提供任何细节，从而“降低客户的工程和运营成本，并降低依赖特定平台的风险”。

这家初创公司新近完成了390万美元的融资，由早期投资者Madrona Venture Group牵头，Amplify Partners也参与其中。OctoML将利用这笔资金雇用更多的工程师，并为推出其商业产品奠定进入市场的基础。