บทสัมภาษณ์ซีอีโอ: Jay Dawani จาก Lemurian Labs – Semiwiki

เจ ดาวานี เป็นผู้ร่วมก่อตั้งและซีอีโอของ ห้องแล็บลีมูเรียซึ่งเป็นสตาร์ทอัพที่พัฒนาแพลตฟอร์มประมวลผลเร่งความเร็วที่ปรับแต่งมาโดยเฉพาะสำหรับแอปพลิเคชัน AI แพลตฟอร์มดังกล่าวทลายกำแพงด้านฮาร์ดแวร์เพื่อทำให้การพัฒนา AI เร็วขึ้น ถูกลง ยั่งยืนมากขึ้น และเข้าถึงได้โดยบริษัทเพียงไม่กี่แห่ง

ก่อนที่จะก่อตั้ง Lemurian Jay ได้ก่อตั้งบริษัทอีก 2 แห่งในแวดวง AI เขายังเป็นนักเขียนที่มีเรตติ้งสูงสุดอีกด้วย”คณิตศาสตร์เพื่อการเรียนรู้เชิงลึก".

Jay ผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ หุ่นยนต์ และคณิตศาสตร์ เคยดำรงตำแหน่ง CTO ของ BlocPlay ซึ่งเป็นบริษัทมหาชนที่สร้างแพลตฟอร์มเกมบนบล็อกเชน และดำรงตำแหน่งผู้อำนวยการฝ่าย AI ที่ GEC ซึ่งเขาเป็นผู้นำการพัฒนาโครงการของลูกค้าหลายโครงการครอบคลุมพื้นที่ต่างๆ ตั้งแต่การค้าปลีก การซื้อขายอัลกอริทึม การพับโปรตีน หุ่นยนต์สำหรับการสำรวจอวกาศ ระบบการแนะนำ และอื่นๆ ในเวลาว่าง เขายังเคยเป็นที่ปรึกษาที่ NASA Frontier Development Lab, Spacebit และ SiaClassic

ครั้งสุดท้ายที่เราแนะนำ Lemurian Labs คุณมุ่งเน้นไปที่หุ่นยนต์และ Edge AI ตอนนี้คุณมุ่งเน้นไปที่ศูนย์ข้อมูลและโครงสร้างพื้นฐานระบบคลาวด์แล้ว เกิดอะไรขึ้นที่ทำให้คุณอยากหมุน?

แท้จริงแล้ว เราได้เปลี่ยนจากการมุ่งเน้นที่การสร้างประสิทธิภาพสูง เวลาแฝงต่ำ ระบบบนชิปสำหรับแอปพลิเคชันหุ่นยนต์อัตโนมัติที่สามารถเร่งลูปแผนการรับรู้ทั้งหมดไปเป็นการสร้างตัวเร่งความเร็วเฉพาะโดเมนสำหรับ AI ที่มุ่งเน้นไปที่แอปพลิเคชันขนาดศูนย์ข้อมูล . แต่มันไม่ใช่แค่จุดหมุนธรรมดาเท่านั้น เป็นการโทรที่ชัดเจนซึ่งเรารู้สึกว่าเรามีหน้าที่ต้องรับสาย

ในปี 2018 เรากำลังฝึกอบรมโมเดลพารามิเตอร์มูลค่า 2.1 พันล้านดอลลาร์ แต่เราละทิ้งความพยายามนี้เนื่องจากต้นทุนสูงเป็นพิเศษจนเราไม่สามารถพิสูจน์ได้ ลองจินตนาการถึงความประหลาดใจของฉันที่ GPT3 ซึ่ง OpenAI เปิดตัวเป็น ChatGPT ในเดือนพฤศจิกายน 2022 เป็นโมเดลพารามิเตอร์ที่มีมูลค่า 175 พันล้านดอลลาร์ โมเดลนี้มีขนาดใหญ่กว่าสิ่งที่เราทำเมื่อ 80 ปีก่อนถึง 4 เท่า ซึ่งทั้งน่าตื่นเต้นและน่ากลัว

ค่าใช้จ่ายในการฝึกอบรมโมเดลดังกล่าวนั้นแพงมาก จากแนวโน้มการปรับขนาดในปัจจุบัน เราคาดว่าค่าใช้จ่ายในการฝึกอบรมโมเดล AI ระดับแนวหน้าจะเกินหนึ่งพันล้านดอลลาร์ในอนาคตอันใกล้นี้ แม้ว่าความสามารถของรุ่นเหล่านี้จะน่าประหลาดใจ แต่ราคาก็สูงจนน่าขัน จากแนวทางดังกล่าว มีบริษัทเพียงไม่กี่แห่งที่มีทรัพยากรอย่างดีและมีศูนย์ข้อมูลของตนเองเท่านั้นที่จะสามารถฝึกอบรม ปรับใช้ และปรับแต่งโมเดลเหล่านี้ได้ นี่ไม่ใช่เพียงเพราะการประมวลผลมีราคาแพงและใช้พลังงานมาก แต่ยังเป็นเพราะชุดซอฟต์แวร์ที่เราพึ่งพาไม่ได้ถูกสร้างขึ้นสำหรับโลกนี้

เนื่องจากข้อจำกัดทางภูมิศาสตร์และพลังงาน จึงมีสถานที่มากมายสำหรับสร้างศูนย์ข้อมูล เพื่อตอบสนองความต้องการด้านการประมวลผลของ AI เราต้องสามารถสร้างเครื่องจักรระดับเซตตาได้โดยไม่ต้องใช้เครื่องปฏิกรณ์นิวเคลียร์ 20 เครื่องในการจ่ายไฟ เราต้องการโซลูชันที่ใช้งานได้จริง ปรับขนาดได้ และประหยัดมากขึ้น เรามองไปรอบๆ และไม่เห็นใครสามารถแก้ไขปัญหานี้ได้ ดังนั้นเราจึงไปที่กระดานวาดภาพเพื่อดูปัญหาแบบองค์รวมในฐานะระบบของระบบและเหตุผลเกี่ยวกับวิธีแก้ปัญหาจากหลักการแรก เราถามตัวเองว่าเราจะออกแบบสแตกทั้งหมดตั้งแต่ซอฟต์แวร์ไปจนถึงฮาร์ดแวร์อย่างไร หากเราต้องให้บริการแบบสอบถาม LLM 10 หมื่นล้านครั้งต่อวันอย่างประหยัด เราได้ตั้งเป้าไปที่เครื่องจักรระดับเซตตาที่มีขนาดต่ำกว่า 200MW ภายในปี 2028

เคล็ดลับคือการมองจากมุมมองของการปรับขนาดที่ไม่สมส่วน ส่วนต่างๆ ของระบบเป็นไปตามกฎการปรับขนาดที่แตกต่างกัน ดังนั้นในบางครั้ง สิ่งต่างๆ ก็แค่หยุดทำงาน เริ่มพัง หรือการแลกเปลี่ยนผลประโยชน์ด้านต้นทุนก็ไม่สมเหตุสมผลอีกต่อไป เมื่อสิ่งนี้เกิดขึ้น ทางเลือกเดียวคือการออกแบบระบบใหม่ การประเมินและโซลูชันของเราครอบคลุมปริมาณงาน ระบบตัวเลข โมเดลการเขียนโปรแกรม คอมไพลเลอร์ รันไทม์ และฮาร์ดแวร์แบบองค์รวม

โชคดีที่นักลงทุนปัจจุบันของเราและตลาดที่เหลือมองเห็นวิสัยทัศน์ดังกล่าว และเราระดมเงินทุน 9 ล้านเหรียญสหรัฐเพื่อพัฒนารูปแบบตัวเลขของเรา – PAL เพื่อสำรวจพื้นที่การออกแบบและมาบรรจบกันบนสถาปัตยกรรมสำหรับตัวเร่งความเร็วเฉพาะโดเมนของเรา และสร้างสถาปนิกของเรา คอมไพเลอร์และรันไทม์ ในการจำลอง เราสามารถบรรลุถึงปริมาณงานที่เพิ่มขึ้น 20 เท่าโดยใช้พลังงานที่น้อยกว่า GPU สมัยใหม่ และคาดว่าจะสามารถส่งมอบผลประโยชน์ 8 เท่าในด้านประสิทธิภาพของระบบสำหรับต้นทุนรวมในการเป็นเจ้าของในเทคโนโลยีทรานซิสเตอร์เดียวกัน

ไม่จำเป็นต้องพูดว่า เรามีงานอีกมากรออยู่ข้างหน้า แต่เราค่อนข้างตื่นเต้นกับโอกาสที่จะสามารถกำหนดนิยามใหม่ให้กับเศรษฐศาสตร์ของศูนย์ข้อมูลเพื่อให้แน่ใจว่าทุกคนจะมีอนาคตที่ AI ใช้งานได้อย่างล้นหลาม

นั่นฟังดูน่าตื่นเต้นอย่างแน่นอน และตัวเลขเหล่านั้นก็ฟังดูน่าประทับใจ แต่คุณได้พูดถึงระบบตัวเลข ฮาร์ดแวร์ คอมไพเลอร์ และรันไทม์เป็นสิ่งที่คุณมุ่งเน้น ดูเหมือนว่าบริษัทต่างๆ จะต้องดำเนินการหลายอย่างพร้อมกัน ดูเหมือนเป็นข้อเสนอที่มีความเสี่ยงมาก สตาร์ทอัพไม่ควรเน้นมากกว่านี้ใช่ไหม? 

ดูเหมือนต้องใช้ความพยายามที่แตกต่างกันมาก แต่ในความเป็นจริงแล้ว มันคือความพยายามเดียวที่มีส่วนที่เชื่อมโยงถึงกันมากมาย การแก้ปัญหาเพียงองค์ประกอบเดียวเหล่านี้โดยแยกองค์ประกอบอื่นๆ ออกไปจะเป็นเพียงอุปสรรคต่อศักยภาพในการสร้างสรรค์นวัตกรรม เนื่องจากส่งผลให้เกิดการมองข้ามความไร้ประสิทธิภาพของระบบและปัญหาคอขวด Jensen Huang พูดได้ดีที่สุดว่า “เพื่อที่จะเป็นบริษัทคอมพิวเตอร์ที่เร่งความเร็ว คุณต้องเป็นบริษัทเต็มรูปแบบ” และฉันก็เห็นด้วยอย่างยิ่ง พวกเขาเป็นผู้นำตลาดในปัจจุบันด้วยเหตุผลบางอย่าง แต่ฉันจะท้าทายความคิดที่ว่าเราไม่ได้มุ่งเน้น มันอยู่ที่วิธีที่เราคิดเกี่ยวกับปัญหาแบบองค์รวมและวิธีแก้ปัญหาที่ดีที่สุดสำหรับลูกค้าของเรา นั่นคือจุดมุ่งเน้นของเรา

การทำเช่นนั้นต้องใช้แนวทางแบบสหสาขาวิชาชีพเช่นเดียวกับเรา งานแต่ละส่วนของเราให้ข้อมูลและสนับสนุนส่วนอื่นๆ ทำให้เราสามารถสร้างโซลูชันที่มากกว่าผลรวมของส่วนต่างๆ มากมาย ลองนึกภาพถ้าคุณต้องสร้างรถแข่ง คุณจะไม่เลือกแชสซีตามใจชอบ เพิ่มยางรถแข่ง และวางเครื่องยนต์ที่ทรงพลังที่สุดที่คุณสามารถหามาแข่งได้ใช่ไหม คุณจะคิดถึงหลักอากาศพลศาสตร์ของตัวรถเพื่อลดแรงต้านและเพิ่มแรงกด, กระจายน้ำหนักอย่างเหมาะสมเพื่อการควบคุมที่ดี, ออกแบบเครื่องยนต์ให้สมรรถนะสูงสุดแบบกำหนดเอง, รับระบบระบายความร้อนเพื่อป้องกันความร้อนสูงเกินไป, กำหนดโรลเคจเพื่อให้ผู้ขับขี่ปลอดภัย ฯลฯ องค์ประกอบแต่ละอย่างสร้างขึ้นและแจ้งแก่อีกองค์ประกอบหนึ่ง

ถึงกระนั้นก็ตาม การพยายามทำทุกอย่างในคราวเดียวสำหรับบริษัทใดๆ ในอุตสาหกรรมใดๆ ก็มีความเสี่ยง เพื่อจัดการความเสี่ยง เรากำลังดำเนินการตามขั้นตอน ซึ่งช่วยให้สามารถตรวจสอบเทคโนโลยีของเรากับลูกค้าและปรับกลยุทธ์ของเราตามความจำเป็น เราได้พิสูจน์แล้วว่ารูปแบบตัวเลขของเราใช้งานได้ดี และมีพื้นที่ประสิทธิภาพพลังงานที่ดีกว่าประเภทจุดลอยตัวที่เท่ากัน ขณะเดียวกันก็มีคุณสมบัติเชิงตัวเลขที่ดีกว่า ซึ่งทำให้ง่ายต่อการหาปริมาณโครงข่ายประสาทเทียมให้มีความกว้างบิตที่เล็กลง เราได้ออกแบบสถาปัตยกรรมที่เรารู้สึกมั่นใจ และเหมาะสำหรับทั้งการฝึกอบรมและการอนุมาน แต่สิ่งสำคัญยิ่งกว่าสิ่งอื่นใดคือการได้รับซอฟต์แวร์ที่ถูกต้อง และนั่นคือจุดสนใจส่วนใหญ่ของเราในทันที เราต้องแน่ใจว่าเราได้ตัดสินใจอย่างถูกต้องในกลุ่มซอฟต์แวร์ของเราสำหรับจุดที่เราเห็นโลกในอีกหนึ่งปีหรือสองปีหรือมากกว่านั้นนับจากวันนี้

การสร้างบริษัทฮาร์ดแวร์นั้นยาก มีราคาแพง และใช้เวลานาน การมุ่งเน้นไปที่ซอฟต์แวร์ในตอนแรกดูเหมือนเป็นธุรกิจที่มีศักยภาพในตัวเอง และอาจดึงดูดนักลงทุนในสภาพอากาศปัจจุบันได้มากกว่า ทำไมคุณถึงทำฮาร์ดแวร์ด้วยเพราะบริษัทที่ได้รับทุนสนับสนุนจำนวนมากในพื้นที่กำลังปิดประตู พยายามดิ้นรนเพื่อให้ได้รับการยอมรับจากลูกค้า และผู้เล่นรายใหญ่กำลังสร้างฮาร์ดแวร์ของตัวเอง

คุณถูกต้องอย่างแน่นอนว่าโดยทั่วไปแล้วธุรกิจซอฟต์แวร์สามารถระดมทุนได้ง่ายกว่าบริษัทฮาร์ดแวร์ และฮาร์ดแวร์นั้นก็แข็งแกร่งมาก ปัจจุบันเรามุ่งเน้นที่ซอฟต์แวร์เป็นอย่างมากเพราะนั่นคือสิ่งที่เราเห็นปัญหาที่ใหญ่กว่า ผมขอชี้แจงให้ชัดเจนว่าปัญหาไม่ได้อยู่ที่ว่าผมจะทำให้เคอร์เนลทำงานบน CPU หรือ GPU ที่มีประสิทธิภาพสูงได้หรือไม่ นั่นเป็นปัญหาที่ได้รับการแก้ไขมานานแล้ว ปัญหาในปัจจุบันคือ เราจะทำให้นักพัฒนาได้รับประสิทธิภาพที่เพิ่มขึ้นได้ง่ายขึ้นได้อย่างไร โดยสร้างประสิทธิผลจากคลัสเตอร์โหนดหลายพันโหนดที่ประกอบด้วยการประมวลผลที่ต่างกัน โดยไม่ต้องขอให้พวกเขายกเครื่องเวิร์กโฟลว์ของตน

นั่นคือปัญหาที่เรากำลังมุ่งเน้นไปที่การแก้ไขด้วยชุดซอฟต์แวร์ที่ให้พลังพิเศษแก่นักพัฒนาและปลดล็อกความสามารถเต็มรูปแบบของคอมพิวเตอร์ขนาดคลังสินค้า เพื่อให้เราสามารถฝึกอบรมและปรับใช้โมเดล AI ในราคาประหยัดมากขึ้น

ในเรื่องการลงทุน ใช่แล้ว VC กำลังคัดเลือกบริษัทประเภทที่พวกเขาสนับสนุนมากขึ้น แต่ก็หมายความว่า VC กำลังมองหาบริษัทที่มีศักยภาพในการนำเสนอผลิตภัณฑ์ที่ก้าวล้ำอย่างแท้จริงซึ่งมีเส้นทางที่ชัดเจนในการจำหน่ายในเชิงพาณิชย์ในขณะที่มีผลกระทบอย่างมีนัยสำคัญ เราได้เรียนรู้จากความท้าทายและความผิดพลาดของผู้อื่น และได้ออกแบบรูปแบบธุรกิจและแผนงานของเราอย่างแข็งขันเพื่อจัดการกับความเสี่ยง สิ่งสำคัญที่ควรทราบคือสิ่งที่ทำให้สตาร์ทอัพประสบความสำเร็จนั้นแทบจะไม่ใช่เรื่องง่ายเลยที่พวกเขาสามารถระดมทุน VC ได้ แต่เกี่ยวข้องกับความมีไหวพริบ ความดื้อรั้น และการให้ความสำคัญกับลูกค้ามากกว่า

และก่อนที่คุณจะถาม เรายังคงทำงานเกี่ยวกับฮาร์ดแวร์อยู่ แต่ขณะนี้อยู่ในการจำลองเป็นหลัก เราไม่ได้ตั้งใจจะออกเทปออกมาสักพัก แต่เราสามารถบันทึกการสนทนานั้นไว้อีกครั้งได้

นั่นเป็นเรื่องที่น่าสนใจอย่างแน่นอน และแนวทางแบบเป็นขั้นตอนของคุณแตกต่างอย่างมากเมื่อเทียบกับสิ่งที่เราเคยเห็นบริษัทฮาร์ดแวร์อื่นๆ ทำ ฉันเข้าใจปัญหาที่คุณบอกว่ากลุ่มซอฟต์แวร์ของคุณจะได้รับการแก้ไข แต่ซอฟต์แวร์ของคุณแตกต่างจากความพยายามต่างๆ ในตลาดอย่างไร

บริษัทส่วนใหญ่ที่คุณอ้างถึงกำลังมุ่งเน้นที่การทำให้การเขียนโปรแกรม GPU ง่ายขึ้นโดยการแนะนำโมเดลการเขียนโปรแกรมแบบเรียงต่อกันหรือแบบผังงานเพื่อให้ได้ประสิทธิภาพจาก GPU มากขึ้น หรือสร้างภาษาการเขียนโปรแกรมใหม่เพื่อรับเคอร์เนลประสิทธิภาพสูงตามกำหนดเวลาที่แตกต่างกัน แพลตฟอร์มที่รองรับการประกอบแบบอินไลน์ นั่นเป็นปัญหาสำคัญที่พวกเขากำลังพูดถึง แต่เราเห็นว่าปัญหาที่เรากำลังแก้ไขนั้นแทบจะตั้งฉากกัน

ลองคิดถึงจังหวะการเปลี่ยนแปลงของฮาร์ดแวร์และซอฟต์แวร์สักครู่ สถาปัตยกรรมแบบ Single-core ได้รับประสิทธิภาพจากความเร็วสัญญาณนาฬิกาและความหนาแน่นของทรานซิสเตอร์ แต่ในที่สุดความเร็วสัญญาณนาฬิกาก็แตะระดับสูงสุด ความเท่าเทียมที่ใช้คอร์จำนวนมากสามารถหลีกเลี่ยงสิ่งนี้และมอบการเร่งความเร็วที่มาก ซอฟต์แวร์ใช้เวลาประมาณหนึ่งทศวรรษในการติดตาม เนื่องจากต้องมีการพิจารณาโมเดลการเขียนโปรแกรม คอมไพเลอร์ และรันไทม์ใหม่ เพื่อช่วยนักพัฒนาดึงคุณค่าในกระบวนทัศน์นี้ จากนั้น GPU ก็เริ่มกลายเป็นตัวเร่งความเร็วทั่วไปอีกครั้งด้วยโมเดลการเขียนโปรแกรมที่แตกต่างกัน ขอย้ำอีกครั้งว่านักพัฒนาใช้เวลาเกือบทศวรรษในการดึงคุณค่ามาที่นี่

อีกครั้งที่ฮาร์ดแวร์กำลังตกอยู่ในภาวะวิกฤติ กฎของมัวร์ ข้อจำกัดด้านพลังงานและความร้อน ปัญหาคอขวดของหน่วยความจำ และความหลากหลายของปริมาณงาน รวมถึงความต้องการการประมวลผลที่เพิ่มขึ้นแบบทวีคูณ กำลังผลักดันให้เราสร้างสถาปัตยกรรมคอมพิวเตอร์ที่แตกต่างกันมากขึ้นเพื่อประสิทธิภาพ ประสิทธิภาพ และต้นทุนรวมที่ดีขึ้น การเปลี่ยนแปลงด้านฮาร์ดแวร์นี้แน่นอนว่าจะสร้างความท้าทายให้กับซอฟต์แวร์ เนื่องจากเราไม่มีคอมไพเลอร์และรันไทม์ที่เหมาะสมเพื่อรองรับวิวัฒนาการใหม่ของการประมวลผล อย่างไรก็ตาม ในครั้งนี้ เราไม่ควรต้องรออีก 10 ปีกว่าที่ซอฟต์แวร์จะดึงคุณค่าของสถาปัตยกรรมที่ต่างกันหรือคลัสเตอร์ขนาดใหญ่ โดยเฉพาะอย่างยิ่งเมื่อซอฟต์แวร์เหล่านั้นไม่มีการใช้งานมากกว่า 80%

สิ่งที่เรามุ่งเน้นคือการสร้างแบบจำลองการเขียนโปรแกรมที่คำนึงถึงความหลากหลายที่มีความคล้ายคลึงกันตามงาน จัดการกับประสิทธิภาพแบบพกพาด้วยการเพิ่มประสิทธิภาพโปรเซสเซอร์ข้าม การคอมไพล์แบบรับรู้บริบท และการจัดสรรทรัพยากรแบบไดนามิก และสำหรับเรา มันไม่สำคัญว่าจะเป็น CPU, GPU, TPU, SPU (สถาปัตยกรรมของ Lemurian) หรือแบบตาข่ายทั้งหมด ฉันรู้ว่ามันฟังดูเหมือนเป็นคำแปลกๆ มากมาย แต่สิ่งที่พูดจริงๆ ก็คือ เราได้ทำให้สามารถตั้งโปรแกรมโปรเซสเซอร์ใดๆ ก็ได้ด้วยวิธีเดียว และเราสามารถย้ายโค้ดจากโปรเซสเซอร์ประเภทหนึ่งไปยังอีกประเภทหนึ่งได้โดยใช้เวลาน้อยที่สุด ความพยายามโดยไม่ต้องเสียสละประสิทธิภาพ และกำหนดเวลาการทำงานแบบปรับเปลี่ยนได้และแบบไดนามิกข้ามโหนด

หากสิ่งที่คุณพูดเป็นความจริง คุณก็อาจกำหนดนิยามใหม่ให้กับคอมพิวเตอร์ได้อย่างสมบูรณ์ มาพูดถึงเรื่องเงินทุนกันดีกว่า เมื่อปีที่แล้วคุณระดมทุนได้ 9 ล้านดอลลาร์ ซึ่งแสดงถึงการสนับสนุนที่แข็งแกร่งของนักลงทุนและความเชื่อมั่นในวิสัยทัศน์ของคุณ คุณทำอะไรตั้งแต่?

ในปีที่ผ่านมา เราได้รับแรงหนุนจากเงินทุนตั้งต้น เราได้มีความก้าวหน้าครั้งสำคัญ ด้วยทีมงานของเราที่มีสมาชิก 20 คน เราได้จัดการกับความท้าทายอย่างพิถีพิถัน มีส่วนร่วมกับลูกค้า และปรับปรุงแนวทางของเรา

เรามุ่งเน้นไปที่การปรับปรุง PAL สำหรับการฝึกอบรมและการอนุมาน สำรวจสถาปัตยกรรมคอมพิวเตอร์สำหรับตัวเร่งความเร็วของเรา และพัฒนาตัวจำลองสำหรับการวัดประสิทธิภาพ ในเวลาเดียวกัน เราได้สร้างสรรค์ชุดซอฟต์แวร์ของเราใหม่สำหรับแอปพลิเคชันศูนย์ข้อมูล โดยเน้นการประมวลผลที่แตกต่างกัน

ความพยายามนี้ส่งผลให้เกิดสถาปัตยกรรมที่มีการกำหนดไว้อย่างชัดเจน ซึ่งแสดงให้เห็นถึงประสิทธิภาพของ PAL สำหรับ AI ในวงกว้าง นอกเหนือจากความก้าวหน้าทางเทคโนโลยีแล้ว เรายังติดตามความร่วมมือและการเผยแพร่ประชาสัมพันธ์เพื่อทำให้การเข้าถึงเป็นประชาธิปไตย ความพยายามเหล่านี้ทำให้ Lemurian Labs รับมือกับความท้าทายของลูกค้าในทันที โดยเตรียมพร้อมสำหรับการเปิดตัวซิลิคอนเพื่อการผลิตของเรา

แผนระยะกลางของ Lemurian Labs เกี่ยวกับการพัฒนาซอฟต์แวร์สแต็ก การทำงานร่วมกัน และการปรับปรุงสถาปัตยกรรมของตัวเร่งความเร็วคืออะไร

เป้าหมายเร่งด่วนของเราคือการสร้างชุดซอฟต์แวร์ที่กำหนดเป้าหมายไปที่ CPU, GPU และตัวเร่งความเร็ว AI ของเราด้วยประสิทธิภาพแบบพกพา ซึ่งจะให้บริการแก่พันธมิตรรายแรกๆ ในปลายปีนี้ ขณะนี้เรากำลังสนทนากับบริษัทเซมิคอนดักเตอร์ชั้นนำ ผู้ให้บริการระบบคลาวด์ ไฮเปอร์สเกลเลอร์ และบริษัท AI ส่วนใหญ่เพื่อให้พวกเขาสามารถเข้าถึงคอมไพเลอร์และรันไทม์ของเรา ในขณะเดียวกัน เรายังคงทำงานและปรับปรุงสถาปัตยกรรมตัวเร่งความเร็วของเราต่อไปสำหรับระบบฮาร์ดแวร์และซอฟต์แวร์ที่ออกแบบร่วมกันอย่างแท้จริง และแน่นอนว่า เราเพิ่งเริ่มยกระดับซีรีส์ A ของเราโดยได้รับความสนใจอย่างมากจากชุมชนนักลงทุน ซึ่งจะช่วยให้เราขยายทีมงานของเราและบรรลุเป้าหมายในการส่งมอบผลิตภัณฑ์ซอฟต์แวร์ในช่วงปลายปี

กล่าวปิดท้าย คุณเห็นว่า Lemurian Labs มีส่วนร่วมในการเปลี่ยนแปลงภูมิทัศน์ของการพัฒนา AI การเข้าถึง และความเท่าเทียมในปีต่อๆ ไปอย่างไร

เราไม่ได้มุ่งมั่นที่จะกำหนดนิยามใหม่ให้กับคอมพิวเตอร์เพียงเพื่อประโยชน์เชิงพาณิชย์หรือเพื่อความสนุกสนานเท่านั้น ในฐานะชาวเลมูเรีย แรงผลักดันของเราคือเราเชื่อในศักยภาพในการเปลี่ยนแปลงของ AI และบริษัทเพียงไม่กี่แห่งควรมีทรัพยากรเพื่อกำหนดอนาคตของเทคโนโลยีนี้และวิธีการใช้งานของเรา นอกจากนี้เรายังพบว่าไม่เป็นที่ยอมรับด้วยว่าโครงสร้างพื้นฐานศูนย์ข้อมูลสำหรับ AI กำลังจะใช้พลังงานของโลกมากถึง 20% ภายในปี 2030 เราทุกคนมารวมตัวกันเพราะเราเชื่อว่าจะมีเส้นทางที่ดีกว่าสำหรับสังคมหากเราสามารถทำได้ AI เข้าถึงได้มากขึ้นด้วยการลดต้นทุนที่เกี่ยวข้องลงอย่างมาก เร่งก้าวของนวัตกรรมใน AI และขยายผลกระทบ ด้วยการจัดการกับความท้าทายของโครงสร้างพื้นฐานฮาร์ดแวร์ในปัจจุบัน เราพยายามที่จะปูทางในการเพิ่มขีดความสามารถให้กับผู้คนนับพันล้านคนด้วยความสามารถของ AI เพื่อให้มั่นใจว่าการกระจายเทคโนโลยีขั้นสูงนี้เป็นไปอย่างเท่าเทียมกัน เราหวังว่าความมุ่งมั่นของเราในการแก้ปัญหาที่เน้นผลิตภัณฑ์ การทำงานร่วมกัน และนวัตกรรมอย่างต่อเนื่องทำให้เราเป็นแรงผลักดันในการกำหนดอนาคตของการพัฒนา AI ให้เป็นเชิงบวก

ยังอ่าน:

แชร์โพสต์นี้ผ่าน:

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://semiwiki.com/ceo-interviews/341485-ceo-interview-jay-dawani-of-lemurian-labs-2/