至顶网软件频道消息: 人工智能工作负载的复杂性可以让这些负载非常难以部署。应用团队必须构建专门的基础设施,有效地支持运行在底层的深度学习神经网络算法,而这正是Bitfusion正在努力解决的问题。
这家初创公司在新一轮融资中获得500万美元,投资方包括Sierra Ventures、Data Collective、Resonant Ventures Partners和Geekcom(一家位于美国德克萨斯州的加速器)。Bitfusion宣布该消息的同时,还推出了Bitfusion AI Platform,这是一个革新的自动化工具套件,用于深度学习项目。
该软件是基于一项自主开发的虚拟化技术,能够根据Bitfusion安排把图形处理单元变成单一计算能力池。一旦设置完毕,管理控制台就可以让用户集中地将基础设施分配给他们的深度学习应用。用户可以把资源以“虚拟GPU”的形式进行分配,Bitfusion称这相比物理方法来说有诸多优势。
最显著的特点就是能够调节分配给每个虚拟处理器的内存容量,这样可以让一个普通GPU中存有更多数据。这避免了将数据密集型工作分散到多个节点上,简化AI应用的开发。而且这减少了花费在编码上的精力,意味着可以更快地完成项目。
Bitfusion宣称应用引入生产中,它的平台提可以提供类似的好处。该软件可以在计算要求增加的时候自动配置更多资源用于深度学习算法,同时内嵌的故障切换机制可以快速从GPU故障中恢复。Bitfusion称,该平台几乎支持任何类型的环境,包括内部部署的和公有云的基础设施。
这轮融资可以帮助Bitfusion在全球范围内推广它的软件。Bitfusion瞄准了各种细分市场,其官方网站上罗列的医疗、金融、制造和零售都是该软件适用的领域。
好文章,需要你的鼓励
氛围编程从小众概念迅速发展为主流开发方法,开发人员越来越依赖 AI 生成和辅助编码。随着 GitHub Copilot 等工具使 AI 辅助编码成为常态,下一个战场已经从代码生成转向端到端的开发工作流程。在这个竞争激烈的领域,Cursor、Lovable、Bolt 和 Windsurf 等公司都在 AI 辅助开发方面采取了不同的方法。氛围编程代表了一种文化转变,开发人员更关注意图和结果,而非手动实现细节。
思科最新研究表明,经过微调的大语言模型正在重塑网络攻击格局。这些模型可以自动化侦察、身份模仿和实时检测规避,加速大规模社会工程攻击。一些专门用于攻击的模型月租低至75美元。研究还发现,微调过程会削弱模型的安全控制,使其更容易被利用。这迫使安全领导者必须重新制定防御策略,将大语言模型视为新的攻击面来加以防护。
OpenAI 悄然将其学院转变为面向所有人的 AI 教育平台,提供针对教师、学生、求职者和小企业主的免费培训。该平台包含教程、案例研究和实践练习,注重实用性和社区建设,并通过多语言支持扩大全球影响力,标志着 AI 教育正从小众走向大众,成为基础设施而非奢侈品。
IBM 宣布收购数据和 AI 咨询公司 Hakkoda,以扩大其 AI 咨询能力。这项收购将加强 IBM 在金融、公共和医疗等行业的客户服务。Hakkoda 专注于帮助客户将数据迁移至云端,特别是 Snowflake 数据云。此举符合 IBM 持续增加 AI 和自动化技术投资的战略,有望进一步提升其 AI 业务收入。