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)險投資公司跟投。

       加速邊緣設(shè)備AI計算

      「做技術(shù)類的startup，應(yīng)該有深厚的技術(shù)積累，應(yīng)該致力于解決一個很痛的痛點，而不是成為一個補充營養(yǎng)的維生素。其次，做的東西要獨一無二，帶來數(shù)量級的提升而不只是小改進，可以明顯區(qū)別于其他產(chǎn)品。另外，對于AI Researcher來說一個綜合的團隊很重要。在企業(yè)中，僅僅依靠技術(shù)是不夠的，市場落地同樣重要?！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)備放大和啟用強大的機器學(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，但是針對日益多樣化的邊緣硬件，至今沒有一個高效的功能模型設(shè)計的AI解決方案。因此，模型部署需要重復(fù)的手動設(shè)計和訓(xùn)練迭代，花費大量的資源和時間。

       OmniML核心產(chǎn)品是一個模型設(shè)計平臺，可自動針對GPU、AI SoC甚至微型MCU進行模型協(xié)同設(shè)計、訓(xùn)練和部署。

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

       OmniML通過彌合人工智能應(yīng)用程序與它們對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——尤其是計算機視覺。由于開發(fā)人員不再需要針對特定芯片和設(shè)備手動優(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正在與智能相機和自動駕駛等領(lǐng)域的客戶合作，創(chuàng)建支持人工智能的高級計算機視覺，以提高安全性和實時態(tài)勢感知能力。