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
浙江大学研究团队开发了ContextGen,这是首个能够同时精确控制多个对象位置和外观的AI图像生成系统。该系统通过情境布局锚定和身份一致性注意力两大创新机制,解决了传统AI在多对象场景中位置控制不准确和身份保持困难的问题,并创建了业界首个10万样本的专业训练数据集,在多项测试中超越现有技术。
上海交通大学研究团队开发的SR-Scientist系统实现了人工智能在科学发现领域的重大突破。该系统能够像真正的科学家一样,从实验数据中自主发现数学公式,通过工具驱动的数据分析和长期优化机制,在四个科学领域的测试中比现有方法提高了6%-35%的精确度。这标志着AI从被动工具转变为主动科学发现者的重要里程碑。