Ключевые выводы
- Gimlet Labs привлек $80M Series A для решения проблемы эффективности ИИ-вычислений
- Компания создала первую "мульти-чиповую облачную систему" для распределения нагрузки по разным типам аппаратного обеспечения
- Технология может ускорить ИИ-инферирование в 3-10 раз при тех же затратах энергии
- Потенциальная экономия для индустрии оценивается в сотни миллиардов долларов
- Клиентами уже являются крупные модельные лаборатории и облачные провайдеры
Представьте, что вы платите за электроэнергию, но используете лишь 15-30% её мощности. Именно такая ситуация сложилась в индустрии ИИ. Gimlet Labs нашла способ использовать "потерянные" ресурсы и сэкономить миллиарды.
Проблема, которую никто не замечал
Современные ИИ-системы потребляют огромное количество вычислительных ресурсов. По данным McKinsey, к 2030 году расходы на центры обработки данных могут достичь $7 трлн. Но вот парадокс: большинство существующего оборудования работает с загрузкой всего 15-30%. Это значит, что миллиарды долларов просто простаивают.
Проблема в том, что разные задачи ИИ требуют разных типов аппаратного обеспечения. Инференс (процесс вывода) требует мощных процессоров, декодирование нуждается в памяти, а инструментальные вызовы — в сетевых возможностях. Ни один чип не может эффективно справиться со всем этим одновременно.
Зайн Асгар, основатель Gimlet Labs и бывший преподаватель Стэнфорда, увидел эту проблему, когда работал над своим предыдущим стартапом Pixie. "Мы просто тратим сотни миллиардов долларов, потому что оставляем ресурсы неиспользованными", — объясняет он.
Революционное решение: "мульти-чиповая облачная система"
Gimlet Labs создала то, что они называют первой "мульти-чиповой облачной системой". Это программное обеспечение, которое может распределять ИИ-задачи между разными типами аппаратного обеспечения одновременно. Представьте, что у вас есть головоломка, и каждая часть идеально подходит к разным частям картинки — именно так работает эта технология.
Система может разбить одну ИИ-задачу на части и отправить каждую часть на наиболее подходящее устройство. Инференс пойдет на мощный GPU, декодирование — на систему с большим объемом памяти, а сетевые операции — на специализированное сетевое оборудование. Все это происходит одновременно и автоматически.
Согласно компании, такая оптимизация ускоряет ИИ-инферирование в 3-10 раз при тех же затратах энергии. Это как если бы вы могли ускорить свой компьютер в 10 раз, не покупая новый.
Партнеры и потенциал рынка
Gimlet Labs уже сотрудничает с крупнейшими производителями чипов: NVIDIA, AMD, Intel, ARM, Cerebras и d-Matrix. Это значит, что их технология будет работать на самом современном оборудовании.
Продукт ориентирован не на обычных разработчиков, а на крупнейшие модельные лаборатории и центры обработки данных. Компания уже заявляет о восьмизначном доходе с момента запуска в октябре прошлого года.
За четыре месяца клиентская база удвоилась и теперь включает "крупного производителя моделей" и "очень крупного облачного провайдера", хотя имена пока не раскрываются.
Путь к успеху: от Pixie до Gimlet Labs
Зайн Асгар и его команда уже имели успешный опыт. Они работали вместе над Pixie — стартапом, создавшим инструмент для мониторинга Kubernetes. Pixie был приобретен New Relic всего через два месяца после запуска с раундом Series A в $9 млн, возглавляемым Benchmark.
Технология Pixie теперь является частью open source проекта Kubernetes. Этот опыт дал команде глубокое понимание инфраструктуры и масштабирования.
После случайной встречи с Тимом Талли из Menlo Ventures и получения ангельских инвестиций от профессоров Стэнфорда, VCs начали проявлять интерес. После публичного запуска компания получила так много предложений, что раунд Series A был быстро переподписан.
Что это значит для будущего ИИ?
Технология Gimlet Labs может стать переломным моментом для всей индустрии ИИ. Вместо того чтобы постоянно строить новые дата-центры и покупать новые чипы, компании смогут использовать существующее оборудование в 3-10 раз эффективнее.
Это не только экономит деньги, но и уменьшает энергопотребление и экологический след. В мире, где ИИ-модели становятся все больше и требуют все больше ресурсов, такая оптимизация становится критически важной.
Кроме того, технология делает ИИ более доступным. Маленькие компании и стартапы смогут конкурировать с гигантами, используя существующую инфраструктуру более эффективно, а не инвестируя в дорогостоящее новое оборудование.
Проблемы и перспективы
Конечно, у технологии есть свои сложности. Интеграция с разными типами оборудования требует сложного программного обеспечения и постоянной оптимизации. Кроме того, крупные компании могут быть неохотны менять свои существующие системы.
Однако команда Gimlet Labs уже доказала, что их технология работает. С $92 млн, привлеченными на сегодняшний день, и растущей клиентской базой, компания хорошо позиционирована для решения этих проблем.
Будущее ИИ зависит от эффективности, и Gimlet Labs предлагает решение, которое может сэкономить индустрии сотни миллиардов долларов. Это не просто еще один стартап — это потенциальный катализатор для следующей фазы развития ИИ.
Справка
Зайн Асгар — основатель и CEO Gimlet Labs, бывший преподаватель Стэнфорда. Ранее он был сооснователем Pixie, который был приобретен New Relic в 2020 году. Асгар имеет опыт в области облачных технологий и инфраструктуры, что помогло ему создать решение для оптимизации ИИ-вычислений.
Menlo Ventures — венчурная компания, возглавившая раунд Series A Gimlet Labs. Menlo Ventures имеет историю инвестирования в успешные технологические компании и известна своим экспертизом в области ИИ и облачных технологий.
Мульти-чиповая облачная система — это программное обеспечение, которое распределяет ИИ-задачи между разными типами аппаратного обеспечения. Технология позволяет одновременно использовать CPU, GPU, системы с высоким объемом памяти и сетевое оборудование для максимальной эффективности.
Инференс в ИИ — процесс, когда обученная модель используется для анализа новых данных. Инференс требует значительных вычислительных ресурсов и является одной из самых энергоемких операций в ИИ-системах.
Kubernetes — open source система для автоматизации развертывания, масштабирования и управления контейнеризированными приложениями. Pixie, предыдущий стартап Зайна Асгра, создавал инструменты для мониторинга Kubernetes, что дало ему глубокое понимание облачной инфраструктуры.
Gimlet Labs показывает, что иногда самые большие инновации не в создании нового, а в более эффективном использовании того, что уже существует. В мире, где ИИ продолжает расти экспоненциально, такая оптимизация может стать ключом к устойчивому развитию технологий.
