Piotr Tomasik, medstifter og præsident for TensorWave – Interview-serie

Piotr Tomasik, medstifter og præsident for TensorWave, er en veteran teknologi-entrepreneur og AI-infrastruktur eksekutiv med mere end to årtiers erfaring inden for AI, SaaS, cloud computing, fintech og creator-økonomi. Før han co-stiftede TensorWave i 2023, co-stiftede han Influential, en AI-drevet influencer marketing-platform, der senere blev opkøbt af Publicis for omkring 500 millioner dollars, hvor han fungerede som CTO, før han gik over til en rådgiverrolle.

Under sin karriere har Tomasik også stiftet eller ledet virksomheder, herunder Lets Rolo, On Guard Data og ActiveSide, mens han havde senior tekniske stillinger hos CARD.com og Marker Trax. Ud over sine driftsroller er han en generel partner i 1864 Fund og medstifter af StartUp Vegas, hvor han aktivt støtter Las Vegas startup-økonomi og fremvoksende teknologi-talent. En UNLV computer science-uddannet og anerkendt tech-leder, Tomasik er blevet kendt for at hjælpe med at positionere TensorWave som en hurtigt voksende AI-compute-infrastruktur-virksomhed, der fokuserer på store skala GPU-cloud-platforme drevet af AMD-acceleratorer.

TensorWave er en AI-infrastruktur-virksomhed, der fokuserer på at levere høj-ydelses cloud computing drevet af AMD-GPU’er, og positionerer sig som en alternativ til mere lukkede AI-økosystemer. Stiftet i 2023 og med hovedsæde i Las Vegas, bygger virksomheden store skala GPU-kluster, der er optimeret til træning og implementering af avancerede AI-modeller, med fokus på ydelse, fleksibilitet og omkostningseffektivitet. Ved at udnytte åbne hardware- og software-økosystemer, sigter TensorWave mod at udvide adgangen til kraftfulde AI-compute-resourcer for virksomheder, forskere og udviklere, og muliggøre skalerbare AI-workloads uden de begrænsninger, der er forbundet med traditionel vendor-låsning.

Nvidia (NVDA ) dominerer det meste af GPU-markedet – hvorfor valgte du at satse alt på AMD, og hvilke fordele giver dette valg TensorWave og dens kunder?

Efter lanceringen af ChatGPT, steg efterspørgslen efter AI-markedet. GPU’er blev hurtigt opkøbt, og NVIDIA var næsten den eneste mulighed, hvis man kunne få det, og hvis man kunne klare omkostningerne. Denne mangel udløste en enorm interesse for alternativer. Nu, hvor vi er kommet ud over den første hype, er der en reel mulighed for at udfordre Nvidias dominans med løsninger, der er tilgængelige, omkostningseffektive og lette at bruge.

Som startup har vi altid truffet forretningsbeslutninger med en stærk fokus og formål. Derfor har vi ikke eksperimenteret med Nvidia, og vi har fortsat med at bygge vores kapaciteter på AMD. Den næste fase af vores virksomhed handler om at bygge videre på disse fokuserede kapaciteter, så alle kan komme i gang og gøre noget meningsfuldt med AI. AMD er en troværdig alternativ med reel produktions-skala, en åben software-holdning og en memory-first-vejviser for moderne AI.

Hvordan adskiller TensorWaves tilgang til AI-infrastruktur sig fra traditionelle GPU-cloud-udbydere?

Vores differentiering er ret enkel: vi er den eneste AMD-eksklusive cloud i stor skala, der søger at genoprette valgmuligheder i AI-compute, bryde Nvidias dominans og demokratisere adgangen. Men det handler også om vores etos og vores engagement i at bringe en sand alternativ til markedet. Først og fremmest vil vi levere exceptionel AMD-baseret infrastruktur i stor skala. Derefter vil vi udvide os til top-niveau-tjenester oven på det – Models-as-a-Service, AI-as-a-Service, og gøre alt lettere.

Som en AMD-eksklusive cloud har vi software-erfaring bygget specifikt til AMD fra dag én. Denne fokus giver os mulighed for at optimere silicium, netværk og software fra ende til anden, og sikre, at hold kan skale, når de har brug for det.

Hvad er rollen for jeres strategiske partnerskab med AMD i TensorWaves vækst og differentiering?

Det er grundlæggende. AMD har investeret i TensorWave, inviteret os til MI300X Instinct-lanceringen, og vi samarbejder tæt om hardware, software-aktivering og økosystem-vækst. At være en AMD-eksklusive cloud giver os mulighed for at bevæge os hurtigt med hver Instinct-generation, og fungere som et levende laboratorium, der giver alternativer i vores marked. Vores AMD-eksklusive differentiering har givet os mulighed for at arbejde i en tempo, der ikke er så opnåeligt i AI-infrastruktur-markedet. Deres partnerskab giver os mulighed for at lukke huller hurtigt, skibe først på nye GPU’er, og offentliggøre reel ydelse i stor skala.

GPU-adgang er fortsat en stor flaskehals for AI-hold – hvordan tackler TensorWave denne udfordring?

Vi tackler disse flaskehals først gennem forsyning-uafhængighed: ved at bygge på AMD, undgår vi det værste af andre chip-fabrikanternes forsyningsbegrænsninger, og giver kunderne adgang til tilgængelighed. Forsynings-uafhængighed gennem AMD sikrer, at vores kunder ikke bliver fast i den samme kø som alle andre.

Der er huller i AI-infrastruktur-økosystemet, fordi så mange spillere bygger lignende løsninger, og skaber en masse overlap. Det kommer ofte fra en mangel på bevidsthed om, hvad der sker på tværs af markedet. Første skridt til at lukke disse huller er at forstå, hvem der gør hvad, hvor der er muligheder for samarbejde, hvor konkurrence kan drive innovation, og hvordan økosystemet kan forbedres som helhed. En unik hul i AI-infrastruktur-markedet er kraft; selv om GPU’er er tilgængelige, er der ofte ikke nok energi til at støtte det voksende antal AI-applikationer. At løse disse ressource-udfordringer er vores nøgle til at muliggøre bæredygtig vækst og innovation i årene fremover.

Hvordan forbedrer funktioner som direkte væske-køling og UEC-klar netværk (Universal Ethernet Consortium) ydelse og omkostningseffektivitet?

Direkte væske-køling og UEC-klar netværk er grundlæggende for, hvad der gør en moderne AI-cloud økonomisk bæredygtig i stor skala, og begge er centrale for, hvordan vi har designet TensorWave.

Om DLC: de nyeste accelerator-generationer, AMD’s MI355X og MI455X, kører ved termiske omgivelser, som luft ikke kan håndtere effektivt. Vi taler om 1400W+ TDP per GPU. Direkte væske-køling fjerner varme ved kilden via cold plate eller immersion-design, hvilket gør tre ting for vores kunder. Først giver det mulighed for væsentligt højere rack-densitet, 120-300kW+ per rack i stedet for 30 til 40kW, hvilket komprimerer fodaftrykket og reducerer omkostninger for ejendom og strømfordeling. Anden, det driver PUE mod 1,1, i stedet for 1,4 til 1,5 for traditionelle luft-kølede faciliteter; på vores skala oversætter det sig til titusinder af dollars i årlige besparelser på utility-omkostninger. Tredje, og ofte underestimeret, holder DLC silicium ved lavere, mere stabile junction-temperaturer, hvilket bevarer vedvarende ur-tak under lange træningsløb og udvider den nyttige levetid af hardwaren. Det sidste punkt betyder enormt, når man skal underwrite en seks-årig ejendom.

Om UEC: Ultra Ethernet Consortium-specifikationen, som AMD hjalp med at stifte og som nåede 1,0 i 2025, giver os en åben, merchant-silicon-fabrik, der møder eller overgår InfiniBand på de målinger, der virkelig betyder noget for distribueret træning. Hale-laten på collectives, effektiv båndbredde under konkurrence, og skalerings-adfærd efter 100.000 GPU-grænsen. Omkostnings-historien er strukturel. Ethernet har en halv snes troværdige merchant-silicon-udbydere, der konkurrerer på pris, i stedet for en enkelt-kilde-alternativ, der bærer en velkendt præmie. For en 100MW-side er valget af UEC-klar netværk i stedet for et proprietært fabrik typisk en ni-cifret CAPEX-beslutning, og de operationelle fordele er sammensat, fordi vores netværksingeniører allerede kender Ethernet.

Taget sammen giver disse valg os mulighed for at levere bedre trænings-økonomi end legacy-clouds. Kunder ser højere effektiv FLOPs per dollar, mere forudsigelige trin-tider på store job, og en klar vej som modeller skalerer. For os betyder det en mere forsvarlig omkostnings-struktur og fleksibilitet til at tilbyde virkelig konkurrencedygtige rate-kort.

Kan du dele eksempler på, hvordan kunder udnytter TensorWave til at træne store skala AI-modeller?

TensorWave-kunder har brug for høj-ydelses AI-compute uden GPU-mangel, vendor-låsning eller løbske omkostninger. TensorWave giver eksklusiv AMD-cloud – åben, memory-optimiseret og produktionsklar, hvilket giver hold skalerbar AI-infrastruktur, der er tilgængelig, fleksibel og omkostningseffektiv.

For eksempel valgte Modular at køre sin MAX-inferens-stack på TensorWaves AMD-GPU-infrastruktur, fordi TensorWave leverer væsentligt bedre omkostnings-ydelses-økonomi for stor skala AI-inferens. Ved at køre Modulars MAX på TensorWaves AMD-compute opnår de op til 70% lavere omkostninger per million tokens, 57% hurtigere gennemløbstid og lavere samlede omkostninger end andre GPU-stacks.

Med Nvidias fortsatte dominans, hvor ser du de største muligheder for udfordrere som TensorWave?

I et AI-compute-rum, der er domineret af få store spillere, er de største udfordringer at opnå hastighed på markedet, levere den seneste teknologi og give exceptionel support. Hyperscalers tilbyder ofte en bred vifte af muligheder, men kæmper med at give den fokus eller personlige vejledning, kunderne har brug for. For at bryde igennem dette dominerede rum fokuserer TensorWave på vores styrker, samtidig med at vi samarbejder for at give den bedste teknologi mulig og sikre, at kunderne har alternative muligheder.

De to største muligheder for udfordrere af Nvidias AI-infrastruktur-dominans er i åbne økosystemer og hukommelse. Åbne økosystemer eliminerer låsning på hvert niveau (hardware, interconnect og software). Derudover giver hukommelse i kombination med netværks-optimiseret træning/inferens en omvendt omkostnings-kurve.

Set fem år frem, hvordan forestiller du dig fremtiden for AI-infrastruktur og TensorWaves rolle i den?

I mange år har målet for AI-infrastruktur været at gøre det godt, stabilt og let at bruge. Den næste fase vil handle om, hvad man kan levere oven på det – managed services, AI-as-a-Service, alt, der hjælper kunder med at implementere og skale mere let.

Vi er ved begyndelsen af en stor transformation. AI-teknologi fortsætter med at avancere, og alternativer som AMD bliver mere og mere livskraftige. Da dette sker, vil kunderne blive mere komfortable med at implementere dem i stor skala, og hele økosystemet vil begynde at åbne sig og vokse.

Tak for det gode interview, enhver, der ønsker at lære mere om dette innovative AI-infrastruktur-selskab, skal besøge TensorWave.