反乱（Rebellions）が4億ドルを調達し、AIインフラストラクチャーがスケーラブルな展開にシフト、240億ドルで評価される

Rebellionsは、Mirae Asset Financial GroupとKorea National Growth Fundが率いるプレ・IPO資金調達ラウンドで4億ドルを調達しました。このラウンドにより、総資金調達額は8.5億ドルに達し、会社の評価額は約240億ドルとなります。

この資金調達は、2.5億ドルのシリーズCのわずか数ヶ月後に行われ、AIの最も重要な課題である効率的なプロダクション環境でのモデル実行に向けて資本が急速に流れ込んでいることを強調しています。

同社は、RebelRackとRebelPODという2つの新しいインフラストラクチャー・プラットフォームも導入しました。これらは、実際の、大規模な使用のための完全に展開可能なAIシステムを提供することを目的としています。

制約はトレーニングから推論に移動した

AI業界は、モデル能力が唯一の制限要因でなくなった段階に入っています。課題は、推論、つまりモデルをプロダクション環境で実行するプロセスに向けてシフトしています。

組織は、電力消費、展開の複雑さ、コスト効率などの実際の制約に直面しています。これらの要因は、AIが実験からコア・ビジネス・オペレーションに移行するにつれて、重要性を増しています。

Rebellionsは、このレイヤーに直接位置しています。モデルをトレーニングするのではなく、同社は、AIを実用的、スケーラブル、経済的に実行可能な実際の環境で使用できるようにするインフラストラクチャーを構築しています。

推論インフラストラクチャーへのフルスタック・アプローチ

プラットフォームの核心は、Rebel100 NPU、推論ワークロード用に特別に設計されたチップレットベースのアクセラレータです。

トレーニング用に最適化された汎用GPUとは異なり、Rebel100は、プロダクション環境でモデルを実行するときに、高い効率と低遅延を提供するように設計されています。重点は、ワットあたりのパフォーマンスとコスト効率に置かれています。これらは、AIワークロードがスケールするにつれて、重要性を増しています。

ハードウェア以外に、Rebellionsは、PyTorch、vLLM、Triton、Hugging Faceなどの広く使用されているオープンソース・フレームワークと統合するクラウドネイティブ・ソフトウェア・スタックを開発しました。

このアプローチにより、開発者は、独自のシステムに適応する必要なく、モデルを展開できます。フリクションが軽減され、さまざまな環境間で柔軟性が提供されます。プラットフォームはKubernetesに基づいており、分散型推論をサポートしているため、展開をスケールすることができ、同時に一貫した展開体験を維持できます。

チップから展開可能なシステムへ

RebelRackとRebelPODの導入により、Rebellionsは、個々のアクセラレータから完全に統合されたインフラストラクチャーへの戦略を拡大しています。

RebelRackは、推論コンピュートのプロダクション・レディ・ユニットとして設計されています。一方、RebelPODは、複数のラックを大規模なクラスターに接続し、大規模な展開を可能にします。

これらのシステムは、ハードウェアとソフトウェアをモジュラーなインフラストラクチャーに組み合わせ、データセンター内で展開および複製できます。重点は、組織が新しいAIドリブンのアプリケーションをサポートしながら、既存のデータセンター投資の寿命を延ばすことができるソリューションを提供することに置かれています。

このシステム・レベルの最適化は、AIドリブンのアプリケーションをサポートしながら、既存のデータセンター投資の寿命を延ばすことができるソリューションに対する需要の増加を反映しています。

グローバル・マーケットへの拡大

Rebellionsは、特に米国を対象に、グローバルな拡大を加速しています。

同社は、クラウド・プロバイダー、テレコム・オペレーター、政府主導のAIイニシアチブをターゲットにしています。これらはすべて、効率的で展開可能なインフラストラクチャーを優先しています。

この拡大は、主権AIへのより広範なトレンドと一致しています。ここで、国や企業は、外部プロバイダーに完全に依存するのではなく、AI能力に対するより大きなコントロールを求めています。

スケーラブルなAIインフラストラクチャーへのシフト

AIエコシステムは、構造的な変化を経験しています。焦点は、より大きなモデルを構築することから、実際の環境でモデルを展開して実行する方法への移行にシフトしています。

トレーニングはまだ少数のプレイヤーによって集中管理されていますが、広範な採用は推論に依存しています。ここで、モデルはアプリケーションやサービスを動かすために連続して実行されます。このシフトにより、生のコンピューティング能力だけでなく、効率、コスト、待ち時間、電力消費が重要性を増しています。

インフラストラクチャーは、それに応じて進化しています。既存の環境に統合できるシステム、オープン・フレームワークをサポートするシステム、メジャーな再設計を必要とせずにスケールできるシステムに対する需要が増加しています。展開とオーケストレーションを簡素化するソフトウェア・レイヤーは、基礎となるハードウェアと同等の重要性を持ちます。

これらの変化は、業界全体の競争を再定義しています。成功は、実際の環境の制約下で信頼性が高くスケーラブルなシステムを提供し、同時に組織がAIを展開する方法に対する柔軟性とコントロールを提供する能力で定義されるようになっています。