2022年3月29日，人工智能初創(chuàng)公司OmniML宣布獲得1000萬美元種子資金，以加速AI在邊緣設(shè)備上的使用。本輪融資由GGV Capital領(lǐng)投，Qualcomm Ventures、Foothill Ventures和其他幾家風(fēng)險(xiǎn)投資公司跟投。

       加速邊緣設(shè)備AI計(jì)算

      「做技術(shù)類的startup，應(yīng)該有深厚的技術(shù)積累，應(yīng)該致力于解決一個(gè)很痛的痛點(diǎn)，而不是成為一個(gè)補(bǔ)充營養(yǎng)的維生素。其次，做的東西要獨(dú)一無二，帶來數(shù)量級(jí)的提升而不只是小改進(jìn)，可以明顯區(qū)別于其他產(chǎn)品。另外，對(duì)于AI Researcher來說一個(gè)綜合的團(tuán)隊(duì)很重要。在企業(yè)中，僅僅依靠技術(shù)是不夠的，市場(chǎng)落地同樣重要?！惯@是OmniML創(chuàng)始人之一、MIT EECS助理教授韓松早前接受媒體采訪時(shí)的一段話。

        官網(wǎng)資料顯示，OmniML成立于2021年，總部位于加利福尼亞州，旨在為邊緣設(shè)備放大和啟用強(qiáng)大的機(jī)器學(xué)習(xí)功能。OmniML通過創(chuàng)建深度學(xué)習(xí)模型來彌合AI應(yīng)用程序與邊緣上的各種設(shè)備之間的差距，從而提高AI的速度、準(zhǔn)確性和效率。

       目前，人工智能技術(shù)雖然已經(jīng)在所有可以想象的領(lǐng)域改善我們的生活，但是針對(duì)日益多樣化的邊緣硬件，至今沒有一個(gè)高效的功能模型設(shè)計(jì)的AI解決方案。因此，模型部署需要重復(fù)的手動(dòng)設(shè)計(jì)和訓(xùn)練迭代，花費(fèi)大量的資源和時(shí)間。

       OmniML核心產(chǎn)品是一個(gè)模型設(shè)計(jì)平臺(tái)，可自動(dòng)針對(duì)GPU、AI SoC甚至微型MCU進(jìn)行模型協(xié)同設(shè)計(jì)、訓(xùn)練和部署。

     「對(duì)于每個(gè)ML應(yīng)用程序，我們提供了一組量身定制的模型架構(gòu)和運(yùn)行時(shí)庫，以便在邊緣設(shè)備上高效執(zhí)行。給定目標(biāo)硬件設(shè)備，我們的平臺(tái)探索不同組合的廣闊空間，然后進(jìn)行搜索以獲得每個(gè)設(shè)備的最佳設(shè)計(jì)，而無需重復(fù)訓(xùn)練。通過我們的協(xié)同設(shè)計(jì)方法，部署的模型將在速度和內(nèi)存占用減少方面有數(shù)量級(jí)的提高，而不會(huì)犧牲太多的準(zhǔn)確性?！?/p>

       OmniML通過彌合人工智能應(yīng)用程序與它們對(duì)硬件的高要求之間的差距，以加速人工智能在邊緣設(shè)備上的部署——尤其是計(jì)算機(jī)視覺。由于開發(fā)人員不再需要針對(duì)特定芯片和設(shè)備手動(dòng)優(yōu)化ML模型，OmniML能夠使ML任務(wù)在不同邊緣設(shè)備上的速度提高10倍，而工程工作量僅為1/10，不僅大幅提高模型性能，而且顯著降低企業(yè)成本。

       據(jù)悉，OmniML正在與智能相機(jī)和自動(dòng)駕駛等領(lǐng)域的客戶合作，創(chuàng)建支持人工智能的高級(jí)計(jì)算機(jī)視覺，以提高安全性和實(shí)時(shí)態(tài)勢(shì)感知能力。