Rebellions kerää 400 miljoonaa dollaria, kun tekoäly-infrastruktuuri siirtyy skaalautuvan käyttöönoton suuntaan, arvo 2,34 miljardia dollaria

Rebellions on kerännyt 400 miljoonaa dollaria ennen listautumista tapahtuneessa rahoituskeräyksessä, jonka johtajana toimi Mirae Asset Financial Group ja Korean kansallinen kasvurahasto. Keräys kasvattaa yhtiön kokonaisrahoitusta 850 miljoonaan dollariin ja arvostaa yhtiön noin 2,34 miljardiin dollariin.

Rahoituskeräys tapahtui vain muutamia kuukausia 250 miljoonan dollarin sarjan C -rahoituskierroksen jälkeen, mikä korostaa, miten nopeasti pääoma virtaa yhtiöille, jotka keskittyvät yhteen tekoälyn tärkeimmistä haasteista: tekoälymallien suorittamiseen tuotantoympäristössä.

Samaan aikaan yhtiö esitteli kaksi uutta infrastruktuurialustaa, RebelRackin ja RebelPODin, joiden tavoitteena on toimittaa täysin käyttöönotettavat tekoälyjärjestelmät todellisen maailman laajamittaiseen käyttöön.

Rajoitus on siirtynyt koulutuksesta inferenceen

Tekoälyteollisuus on siirtymässä vaiheeseen, jossa mallin kyky ei ole ainoastaan rajoittava tekijä. Haaste on siirtynyt inference-prosessiin, jossa malleja suoritetaan tuotantoympäristössä.

Organisaatiot kohtaavat nyt käytännön rajoituksia, kuten virrankulutuksen, käyttöönoton monimutkaisuuden ja kustannustehokkuuden. Nämä tekijät ovat muuttumassa kriittisiksi, kun tekoäly siirtyy kokeilusta ydinliiketoimintaprosesseihin.

Rebellions asemoi itsensä suoraan tämän kerroksen sisään. Sen sijaan, että yhtiö keskittyisi mallien koulutukseen, se rakentaa infrastruktuuria, joka tekee tekoälystä käytettävissä, skaalautuvaa ja taloudellisesti kannattavaa todellisissa ympäristöissä.

Täysipainoinen lähestymistapa inference-infrastruktuuriin

Alustan ytimessä on Rebel100 NPU, chiplet-pohjainen kiihdyttäjä, joka on suunniteltu erityisesti inference-työkuormille.

Eroaan yleiskäyttöisistä GPU:ista, jotka on optimoitu koulutukseen, Rebel100 on suunniteltu toimittamaan korkeaa tehokkuutta ja matalaa viivettä mallien suorittamiseen tuotannossa. Korostus on suorituskyvyn ja kustannustehokkuuden suhteen, jotka molemmat ovat muuttumassa kriittisiksi, kun tekoälytyökuormat laajenevat.

Lisäksi ohjelmistopuolella Rebellions on kehittänyt pilviympäristöön sopivan ohjelmistopinon, joka integroituu laajasti käytettyihin avoimen lähdekoodin kehyksiin, kuten PyTorch, vLLM, Triton ja Hugging Face.

Tämä lähestymistapa mahdollistaa kehittäjille mallien käyttöönoton ilman, että heidän tarvitsee sopeutua omistajiin järjestelmiin, mikä vähentää kitkaa ja mahdollistaa joustavuuden eri ympäristöissä. Alusta on rakennettu Kubernetes-pohjalle ja tukee hajautettua inferenceä, mikä mahdollistaa työkuormien skaalautuvuuden yhdenmukaisen käyttöönoton kokemuksen ylläpitäen.

Chipistä käyttöönotettaviin järjestelmiin

RebelRackin ja RebelPODin julkaisemisen myötä Rebellions laajentaa strategiaansa yksittäisten kiihdyttimien lisäksi täysin integroiduksi infrastruktuuriksi.

RebelRack on suunniteltu tuotantovalmiiksi yksiköksi inference-laskentaa varten, kun taas RebelPOD yhdistää useita rackeja skaalautuvaan klusteriin laajamittaisiin käyttöönottoihin.

Nämä järjestelmät yhdistävät ohjelmisto- ja laitteistokomponentit modulaariseen infrastruktuuriin, jota voidaan käyttöönottoja ja toistaa tietokeskuksissa. Korostus on mahdollistaa organisaatioiden suorittaa tekoälytyökuormia olemassa olevien voiman ja infrastruktuurirajoitusten puitteissa ilman, että vaaditaan kokonaan uusia laitoksia.

Tämä järjestelmätason optimointi heijastaa kasvavaa kysyntää ratkaisuille, jotka voivat pidentää nykyisten tietokeskuksien elinikää tukeakseen uusia tekoälyyn perustuvia sovelluksia.

Laajentuminen globaaleille markkinoille

Rebellions nopeuttaa nyt globaalia laajentumistaan, erityisesti Yhdysvaltoihin.

Yhtiö kohdistaa huomionsa pilvipalveluntarjoajille, teleoperaattoreille ja hallituksen tukemille tekoälyaloitteille, jotka kaikki priorisoivat yhä enemmän tehokasta ja käyttöönotettavaa infrastruktuuria.

Tämä laajentuminen on linjassa laajemman suuntauksen kanssa kohti suvereenia tekoälyä, jossa maat ja yritykset tavoittelevat suurempaa hallintaa tekoälykyvyistään sen sijaan, että riippuisivat kokonaan ulkoisista toimittajista.

Siirtyminen skaalautuvaan tekoäly-infrastruktuuriin

Tekoälyekosysteemi on käymässä läpi rakenteellisen muutoksen. Korostus on siirtymässä pois suurempien mallien rakentamisesta ja kohti sitä, miten nämä mallit käyttöönotetaan ja suoritetaan todellisissa ympäristöissä.

Koulutus on edelleen keskittynyt pienelle joukolle toimijoita, mutta laaja käyttöönotto riippuu inferencesta, jossa mallit toimivat jatkuvasti voimaan sovellukset ja palvelut. Tämä siirtyminen asettaa uuden painopisteen tehokkuudelle, kustannuksille, viiveelle ja virrankulutukselle yksinomaan laskentakapasiteetin sijaan.

Infrastruktuuri kehittyy vastaavasti. On kasvavaa kysyntää järjestelmille, jotka integroituvat olemassa oleviin ympäristöihin, tukevat avoimia kehyksiä ja skaalautuvat ilman, että edellytetään merkittäviä uudelleensuunnittelua. Ohjelmistokerrokset, jotka yksinkertaistavat käyttöönoton ja orkestraation, ovat muuttumassa yhtä kriittisiksi kuin perustavanlaatuinen laitteisto.

Nämä muutokset muokkaavat kilpailua koko teollisuudessa. Menestys määritellään yhä enemmän kyvynä toimittaa luotettavia, skaalautuvia järjestelmiä, jotka suoritetaan todellisissa rajoituksissa, samalla kun organisaatioille annetaan joustavuutta ja hallintaa siitä, miten tekoälyä käytetään.