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
全新搜索方式出现,字节发布宽度优先搜索基准WideSearch,垫底的竟是DeepSeek
阿里巴巴团队推出DeepPHY,这是首个专门评估AI视觉语言模型物理推理能力的综合平台。通过六个不同难度的物理环境测试,研究发现即使最先进的AI模型在物理推理任务中表现也远低于人类,成功率普遍不足30%。更关键的是,AI模型虽能准确描述物理现象,却无法将描述性知识转化为有效控制行为,暴露了当前AI技术在动态物理环境中的根本缺陷。
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台,首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习,让机器人能够预测行动结果并制定策略,在多个复杂任务上表现优异,仅需1小时数据即可适应新平台,为通用机器人智能开辟全新路径。