Χρηματοδότηση

Η Daisytuner αντλεί 6 εκατ. ευρώ σε αρχική χρηματοδότηση για να επεκτείνει το Daisyflow και την τεχνολογία μεταγλωττιστών

Evan Mercer
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΤο Daisyflow διατηρεί τα αιτήματα και τα αποτελέσματα του μοντέλου εντός της υποδομής…
Δείτε περισσότερα
  • Το Daisyflow διατηρεί τα αιτήματα και τα αποτελέσματα του μοντέλου εντός της υποδομής του πελάτη και όχι σε cloud προμηθευτή.
  • Ο μεταγλωττιστής docc επαληθεύει την ορθότητα κάθε βελτιστοποίησης πριν προσθέσει τις αποδεδειγμένες συνταγές στη βάση δεδομένων του.
  • Το Daisytuner πρέπει να επεκτείνει το πρώιμο αποτέλεσμα απόδοσης σε AMD σε περισσότερους τύπους μοντέλων και προμηθευτές επιταχυντών.

Η Daisytuner ανακοίνωσε στις 16 Νοεμβρίου 2026 ότι άντλησε 6 εκατομμύρια ευρώ σε χρηματοδότηση αρχικού σταδίου και κυκλοφόρησε το Daisyflow, μια μηχανή εξαγωγής συμπερασμάτων τεχνητής νοημοσύνης που εκτελεί μοντέλα στις υποδομές των ίδιων των πελατών και προσαρμόζει την εκτέλεσή τους σε διαφορετικό υλικό.

Οι Elaia και LEA Ventures ηγήθηκαν από κοινού του γύρου χρηματοδότησης, με τη συμμετοχή των Amadeus APEX Technology Fund και Seedcamp. Η Daisytuner δήλωσε ότι τα κεφάλαια θα αξιοποιηθούν για να φέρει το Daisyflow σε περισσότερες επιχειρήσεις, να μεγαλώσει την ομάδα της και να επεκτείνει την τεχνολογία μεταγλωττιστών της.

Η Daisytuner αναφέρει ότι τα πρώτα αποτελέσματά της δείχνουν πως το Qwen 2.5 εκτελείται έως και 18% ταχύτερα από το vLLM στις GPU AMD Instinct. Το αποτέλεσμα προσφέρει ένα συγκεκριμένο στοιχείο απόδοσης κατά την κυκλοφορία, καθώς η εταιρεία παρουσιάζει το Daisyflow ως λύση για ευρύτερο φάσμα κατηγοριών μοντέλων και προμηθευτών επιταχυντών.

Η αυτοματοποίηση της μεταγλώττισης πίσω από το Daisyflow

Στον πυρήνα της τεχνολογίας βρίσκεται το docc, ο μεταγλωττιστής ανοικτού κώδικα της Daisytuner. Μεταφράζει PyTorch, NumPy και C/C++ σε ενδιάμεση αναπαράσταση ροής δεδομένων, μια μορφή που καθιστά ρητή τη μετακίνηση δεδομένων, τον παραλληλισμό και τον υπολογισμό, και στη συνέχεια παράγει εγγενή κώδικα για τις πλατφόρμες CUDA της NVIDIA και ROCm της AMD, καθώς και για νέες αρχιτεκτονικές. Έτσι αντιμετωπίζεται η ανάγκη για χειροκίνητη βελτιστοποίηση της απόδοσης, η οποία μπορεί να προκύψει όταν ένα νέο μοντέλο ή τσιπ διαταράσσει τις υπάρχουσες βελτιστοποιήσεις.

Πράκτορες τεχνητής νοημοσύνης αναζητούν βελτιστοποιήσεις και αξιολογούν την απόδοσή τους σε πραγματικό υλικό. Το docc επαληθεύει την ορθότητα κάθε βελτιστοποίησης πριν από τη χρήση της, ενώ οι δοκιμασμένες συνταγές καταχωρίζονται σε μια βάση δεδομένων επιδόσεων. Σε μεταγενέστερες μεταγλωττίσεις, ο μεταγλωττιστής μπορεί να αντιστοιχίσει αυτές τις συνταγές με παρόμοιο κώδικα, επιτρέποντας την αξιοποίηση της γνώσης από προηγούμενους φόρτους εργασίας σε νέες εργασίες βελτιστοποίησης.

Η φιλοξενούμενη πλατφόρμα Daisytuner μετατρέπει αυτή τη διαδικασία σε ροή εργασίας για προγραμματιστές, με συνεχή συγκριτική αξιολόγηση σε κάθε push στο GitHub, πρόγραμμα επεξεργασίας βελτιστοποιήσεων μέσω προγράμματος περιήγησης και βάση δεδομένων επιδόσεων. Οι χρήστες μπορούν να εξετάζουν τα σημεία συμφόρησης που εντοπίζονται σε πραγματικό υλικό, να δημιουργούν συνταγές βελτιστοποίησης και να υποβάλλουν τα αποτελέσματα ως αιτήματα ενσωμάτωσης (pull requests). Το Daisyflow βασίζεται σε αυτό το επίπεδο βελτιστοποίησης, προσθέτοντας την εξυπηρέτηση μοντέλων σε περιβάλλον παραγωγής.

Το αποθετήριο του docc δημοσιεύει τον μεταγλωττιστή με τη νέα άδεια BSD. Ο πίνακας συμβατότητας αναφέρει υποστήριξη Linux για τα περιβάλλοντα υποδοχής C/C++, Python και PyTorch, με υποστηρικτικά συστήματα OpenMP, CUDA και ROCm. Το περιβάλλον υποδοχής PyTorch υποστηρίζει μόνο την εξαγωγή συμπερασμάτων και όχι την εκπαίδευση.

Ανάπτυξη υπό τον έλεγχο του πελάτη

Το Daisyflow εξυπηρετεί μοντέλα γλώσσας, όρασης, ομιλίας και συστάσεων. Το επίπεδο εξαγωγής συμπερασμάτων δρομολογεί τα αιτήματα στα μοντέλα, ομαδοποιεί και προγραμματίζει εργασίες για την καλύτερη αξιοποίηση του υλικού και συντονίζει ροές εργασίας πολλαπλών βημάτων και πρακτόρων. Οι εφαρμογές συνδέονται μέσω τυπικών API, με συμβατότητα OpenAI για γλωσσικά μοντέλα, ενώ περιλαμβάνεται και έτοιμη προς χρήση διεπαφή συνομιλίας.

Η σελίδα προϊόντος του Daisyflow αναφέρει ότι η εγκατάσταση μπορεί να γίνει στις εγκαταστάσεις του πελάτη, στο κέντρο δεδομένων του ή σε ιδιωτικό νέφος, με επιλογές επιταχυντών από τις NVIDIA, AMD, Intel και Tenstorrent. Τα αιτήματα, τα δεδομένα και τα αποτελέσματα παραμένουν εντός της υποδομής του πελάτη. Η Daisytuner αξιολογεί τους φόρτους εργασίας, το υλικό και το κόστος, εγκαθιστά το σύστημα, μεταφέρει τα μοντέλα στους επιλεγμένους επιταχυντές και εξακολουθεί να συμμετέχει στη λειτουργία και στη ρύθμισή του.

Η Daisytuner απευθύνεται σε παρόχους νέφους με στόλους ετερογενούς υλικού, σε επιχειρήσεις που θέλουν να ελέγχουν τα δεδομένα και την εκτέλεση, καθώς και σε προμηθευτές υλικού που επιδιώκουν ταχύτερη ενσωμάτωση σε περιβάλλοντα παραγωγής. Το μοντέλο ανάπτυξης συνδέει αυτές τις ομάδες: οι πελάτες επιλέγουν ή κατέχουν την υποδομή, ενώ η Daisytuner παρέχει τα επίπεδα βελτιστοποίησης και εξυπηρέτησης και συνεργάζεται μαζί τους για τη λειτουργία.

Η χρηματοδότηση στηρίζει και τις δύο πλευρές αυτής της πρότασης: την ευρύτερη ανάπτυξη σε επιχειρήσεις και ένα σύστημα μεταγλωττιστή που αποσκοπεί στη μείωση της χειροκίνητης ενσωμάτωσης καθώς εμφανίζονται νέα μοντέλα και τσιπ. Η βασική πρόκληση είναι το εύρος: να επεκταθεί το αρχικό αποτέλεσμα απόδοσης της AMD στους τύπους μοντέλων, στους προμηθευτές επιταχυντών και στα περιβάλλοντα πελατών που έχει σχεδιαστεί να υποστηρίζει το Daisyflow.

Evan Mercer είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στο Unite.AI, καλύπτοντας startups τεχνητής νοημοσύνης, venture capital και τις δυναμικές χρηματοδότησης που διαμορφώνουν την επόμενη γενιά τεχνολογικών εταιρειών. Η αναφορά του εστιάζει στην καινοτομία πρώιμου σταδίου, τις ροές κεφαλαίου και τις στρατηγικές αποφάσεις που λαμβάνουν οι ιδρυτές και οι επενδυτές καθώς οι εταιρείες AI αναπτύσσονται από την ιδέα μέχρι την παγκόσμια επίδραση.

Με στρατηγικό και αναλυτικό πρίσμα, ο Evan εξετάζει τους γύρους χρηματοδότησης, τη θέση στην αγορά και τις αναδυόμενες τάσεις στο οικοσύστημα των AI startups. Παρακολουθεί πώς το venture capital, οι εταιρικές επενδύσεις και οι χρηματιστηριακές αγορές διασταυρώνονται με τις επαναστατικές εξελίξεις στην τεχνητή νοημοσύνη, διαχωρίζοντας τα ανθεκτικά σήματα από τη βραχυπρόθεσμη υπερβολή.

Τα άρθρα που συντάσσει ο Evan Mercer είναι δημιουργημένα από AI και ελέγχονται από την ομάδα συντακτών του Unite.AI για να διασφαλιστεί η ακρίβεια, το πλαίσιο και η υπεύθυνη κάλυψη του παγκόσμιου τοπίου επενδύσεων στην AI