从数学角度分解人工智能模型 RunAI获1300万美元A轮融资

导读：人工智能模型是从语音助理到数据中心冷却系统等一切事物的核心，但它们也有缺点，微调这些AI模型需要耗费大量的时间和精力。生产算法摄取的数据集包含着数亿个样本，需要强大的个人电脑进行长达数周的处理。虽然新技术有望加快模型训练，但并非所有技术都能够通用。

人工智能模型是从语音助理到数据中心冷却系统等一切事物的核心，但它们也有缺点，微调这些AI模型需要耗费大量的时间和精力。生产算法摄取的数据集包含着数亿个样本，需要强大的个人电脑进行长达数周的处理。虽然新技术有望加快模型训练，但并非所有技术都能够通用。

正是这一长期的挑战激励了Omri Geller、Ronen Dar和Meir Feder创办了RunAI，一家开发自主加速人工智能开发平台的软件提供商。近日，该公司在由S Capital和TLV Partners领投的A轮融资中获得了1000万美元的资金，加上300万美元的种子轮融资，该公司迄今为止已融资1300万美元。据Geller称，公司计划将这些资金用于进一步开发产品。

“传统计算使用虚拟化来帮助许多用户或进程高效共享一种物理资源；虚拟化的本意是帮助规模化，”他补充道。“但是深度学习的工作量本质上是自私的，因为它需要相反的东西：对于单个工作负载，它需要多个物理资源的全部计算能力，且不能拥有任何阻碍。”

RunAI软件创造了一个抽象层，能够分析AI工作的计算特征，使用图形化算法最小化瓶颈，并有效优化工作负载实现更快更容易的执行。考虑到网络带宽、计算资源、成本以及数据管道和大小等因素，它还以最大化所有可用计算资源的方式分配这些资源。

Geller说，在幕后，RunAI从数学角度将人工智能模型“分解”成多个并行运行的片段，这种方法还有减少内存使用的额外好处。这反过来使得原本会受到硬件限制（主要是显卡内存）约束的模型能够不受阻碍地运行。“传统的计算软件无法满足深度学习工作负载的资源需求，”他说。

Dar和Geller曾在特拉维夫大学跟随Feder一起学习，并于2018年创办了RunAI。Feder专门研究信息论，此前曾领导两家初创公司的退出。Dar是贝尔实验室的博士后研究员，也是苹果、Anobit和英特尔的研发与算法工程师，Geller则是以色列军队一个精英单位的成员，他领导着大规模的项目和部署。

他们并不是第一个向市场销售即时优化算法技术的公司。来自安大略的初创公司DarwinAI利用一种称为生成合成的技术来吸收人工智能模型，并推出高度优化的紧凑版本。但一位投资者——来自TLV Partners的Rona SegevGal——对Run:AI在硬件、并行计算和深度学习方面丰富的专业知识深信不疑。

“在多台机器上执行深度神经网络工作负载是一个不断变化的目标，需要根据资源的可用性对每个模型和迭代进行重新计算，”她说。“RunAI决定了运行深度学习训练工作负载的最高效和最经济的方式。近年来，我们见过许多人工智能公司，但是Omri、Ronen和Meir的方法让我们耳目一新。”

据悉，RunAI已经赢得了多个国际客户，并在美国设立了办事处。