Piotr Tomasik, medeoprichter en president van TensorWave – Interviewreeks

Piotr Tomasik, medeoprichter en president van TensorWave, is een ervaren technologie-ondernemer en AI-infrastructuurleider met meer dan twee decennia ervaring in AI, SaaS, cloud computing, fintech en de creator-economie. Voordat hij TensorWave in 2023 medeoprichtte, was hij medeoprichter van Influential, een AI-gebaseerd influencer marketingplatform dat later door Publicis voor ongeveer 500 miljoen dollar werd overgenomen, waar hij als CTO werkte voordat hij overstapte naar een adviserende rol.

Gedurende zijn carrière heeft Tomasik ook bedrijven opgericht of geleid, waaronder Lets Rolo, On Guard Data en ActiveSide, en heeft hij senior technische functies bekleed bij CARD.com en Marker Trax. Naast zijn operationele rollen is hij een algemeen partner bij 1864 Fund en medeoprichter van StartUp Vegas, waar hij de startup-ecosysteem van Las Vegas en de opkomende technologie-talenten actief ondersteunt. Als afgestudeerde in computerwetenschappen van de UNLV en erkend tech-leider, is Tomasik bekend geworden door TensorWave te positioneren als een snel groeiend AI-compute-infrastructuurbedrijf dat zich richt op grote schaal GPU-cloudplatforms die worden aangedreven door AMD-accelerators.

TensorWave is een AI-infrastructuurbedrijf dat zich richt op het leveren van high-performance cloud computing die wordt aangedreven door AMD-GPU’s, en positioneert zich als een alternatief voor meer gesloten AI-ecosystemen. Opgericht in 2023 en gevestigd in Las Vegas, bouwt het bedrijf grote schaal GPU-clusters die zijn geoptimaliseerd voor het trainen en implementeren van geavanceerde AI-modellen, met de nadruk op prestaties, flexibiliteit en kostenefficiëntie. Door het gebruik van open hardware- en software-ecosystemen, beoogt TensorWave de toegang tot krachtige AI-compute-bronnen voor ondernemingen, onderzoekers en ontwikkelaars te verbreden, waardoor schaalbare AI-werklasten mogelijk worden zonder de beperkingen van traditionele vendor-lock-in.

Nvidia (NVDA ) domineert de meeste van de GPU-markt—waarom hebt u besloten om volledig in te zetten op AMD, en wat zijn de voordelen van die keuze voor TensorWave en zijn klanten?

Na de lancering van ChatGPT, steeg de vraag naar AI enorm. GPU’s werden snel opgepikt, en NVIDIA was vrijwel de enige optie als je het kon krijgen, en als je de kosten kon betalen. Die schaarste zorgde voor een enorme interesse in alternatieven. Nu we voorbij de initiële hype zijn, is er een echte kans om Nvidia’s dominantie uit te dagen met oplossingen die toegankelijk, kostenefficiënt en gemakkelijk te gebruiken zijn.

Als startup hebben we altijd zakelijke beslissingen genomen met een sterke focus en doel. Dat is de reden waarom we niet hebben geëxperimenteerd met Nvidia, en we zijn doorgegaan met het uitbouwen van onze capaciteiten op AMD. De volgende fase van ons bedrijf gaat over het verder ontwikkelen van die capaciteiten, zodat iedereen kan instappen en iets betekenisvols met AI kan doen. AMD is een geloofwaardig alternatief met echte productieschaal, een open software-houding en een memory-first-roadmap voor moderne AI.

Hoe verschilt TensorWaves benadering van AI-infrastructuur van traditionele GPU-cloudproviders?

Ons onderscheid is rechttoe rechtaan: we zijn de enige AMD-exclusieve cloud op grote schaal, met als doel om keuze te herstellen in AI-compute, Nvidia’s dominantie te doorbreken en toegang tot AI te democratiseren. Maar het gaat ook over onze ethos en ons engagement om een echte alternatief te bieden op de markt. Allereerst willen we uitzonderlijke AMD-gebaseerde infrastructuur op grote schaal leveren. Van daaruit zullen we ons uitbreiden naar top-tier-diensten op basis van die infrastructuur—Models-as-a-Service, AI-as-a-Service, waardoor alles gemakkelijker wordt.

Als een all-AMD-cloud hebben we software-ervaring die specifiek is ontwikkeld voor AMD vanaf de eerste dag. Deze focus laat ons toe om silicon, netwerken en software eind-tot-eind te optimaliseren, waardoor teams kunnen schalen wanneer ze dat nodig hebben.

Wat is de rol van uw strategische partnership met AMD in TensorWaves groei en onderscheid?

Die is fundamenteel. AMD heeft in TensorWave geïnvesteerd, ons uitgenodigd voor de MI300X Instinct-lancering en we werken nauw samen aan hardware, software-activatie en ecosysteemgroei. Als een all-AMD-cloud kunnen we snel bewegen met elke Instinct-generatie en dienen we als een levend laboratorium dat alternatieven biedt op de markt. Ons AMD-only-onderscheid heeft ons toegelaten om te werken aan een tempo dat niet haalbaar is in de AI-infrastructuurmarkt. Hun partnership laat ons toe om snel tekortkomingen te overbruggen, als eerste te schippen met nieuwe GPU’s en echte prestaties op grote schaal te publiceren.

GPU-toegang blijft een grote bottleneck voor AI-teams—hoe gaat TensorWave deze uitdaging aan?

We gaan deze bottlenecks aan door middel van onafhankelijkheid van de toevoer: door te bouwen op AMD, vermijden we de ergste beperkingen van andere chipfabrikanten en geven we beschikbaarheid door aan onze klanten. Onafhankelijkheid van de toevoer via AMD zorgt ervoor dat onze klanten niet vastzitten in dezelfde wachtrij als iedereen else.

Er zijn hiaten in de AI-infrastructuur-ecosysteem omdat zo veel spelers soortgelijke oplossingen bouwen, waardoor er veel overlap ontstaat. Dat komt vaak door een gebrek aan bewustzijn over wat er gebeurt op de markt. De eerste stap om deze hiaten te dichten is om te begrijpen wie wat doet, waar er kansen zijn voor samenwerking, waar concurrentie innovatie kan stimuleren en uiteindelijk hoe de ecosysteem als geheel kan verbeteren. Een uniek hiatus in de AI-infrastructuurmarkt is energie; zelfs als GPU’s beschikbaar zijn, is er vaak niet genoeg energie om de groeiende aantal AI-toepassingen te ondersteunen. Het oplossen van deze resource-uitdagingen is onze sleutel tot het mogelijk maken van duurzame groei en innovatie in de toekomst.

Hoe verhogen functies zoals directe vloeistofkoeling en UEC-klaar netwerken (Universal Ethernet Consortium) de prestaties en kostenefficiëntie?

Directe vloeistofkoeling en UEC-klaar netwerken zijn fundamenteel voor wat een moderne AI-cloud economisch haalbaar maakt op grote schaal, en beide zijn centraal in hoe we TensorWave hebben ontworpen.

Over DLC: de nieuwste accelerator-generaties, AMD’s MI355X en MI455X, werken binnen thermische enveloppen die lucht niet efficiënt kan hanteren. We hebben het over 1400W+ TDP’s per GPU. Directe vloeistofkoeling verwijdert hitte bij de bron via cold plate- of immersie-ontwerpen, wat drie dingen doet voor onze klanten. Ten eerste, het maakt het mogelijk om substantieel hogere rack-dichtheid te bereiken, 120-300kW+ per rack in plaats van 30 tot 40kW, wat de voetafdruk comprimeert en de kosten per megawatt voor onroerend goed en stroomdistributie verlaagt. Ten tweede, het drijft PUE naar 1,1, versus 1,4 tot 1,5 voor legacy luchtgekoelde faciliteiten; op onze schaal vertaalt dat zich naar tientallen miljoenen dollars aan jaarlijkse nutsbesparingen. Ten derde, en vaak ondergewaardeerd, houdt DLC silicium op lagere, stabielere junction-temperaturen, wat de levensduur van de hardware verlengt en de onderhouds- en reparatiekosten verlaagt. Dat laatste punt is enorm belangrijk wanneer je een zesjarig actief ondersteunt.

Over UEC: de Ultra Ethernet Consortium-specificatie, die AMD heeft helpen oprichten en die in 2025 1.0 heeft bereikt, geeft ons een open, merchant-silicon-fabric die de metrics die er echt toe doen voor gedistribueerde training overtreft of bereikt—tail latency op collectives, effectieve bandbreedte onder contention, en schaalgedrag voorbij de 100.000 GPU-drempel. Het kost-verhaal is structureel. Ethernet heeft een half dozijn geloofwaardige merchant-silicon-leveranciers die concurreren op prijs, versus een enkele-bron-alternatief dat een goed gedocumenteerd premium draagt. Voor een 100MW-site is het kiezen van UEC-klaar netwerken in plaats van propriëtaire fabric een typische negen-cijferige CAPEX-beslissing, en de operationele voordelen zijn cumulatief omdat onze netwerktechnici al Ethernet kennen.

Samen genomen, laten deze keuzes ons toe om betere trainings-economie te leveren dan legacy-clouds. Klanten zien hogere effectieve FLOPs per dollar, meer voorspelbare stap-tijden op grote banen en een duidelijke looptijd wanneer modellen schalen. Voor ons betekenen ze een meer verdedigbare koststructuur en de flexibiliteit om echt concurrerende tariefkaarten aan te bieden.

Kunt u voorbeelden delen van hoe klanten TensorWave gebruiken om grote schaal AI-modellen te trainen?

TensorWave-klanten hebben hoge prestatie-AI-compute nodig zonder GPU-schaarste, vendor-lock-in of uit de hand lopende kosten. TensorWave biedt exclusieve AMD-cloud—open, geheugen-geoptimaliseerd en productie-klaar, waardoor teams schaalbare AI-infrastructuur krijgen die toegankelijk, flexibel en kostenefficiënt is.

Als voorbeeld koos Modular ervoor om zijn MAX-inferentie-stack uit te voeren op TensorWaves AMD-GPU-infrastructuur omdat TensorWave significant betere kost-prestatie-economie biedt voor grote schaal AI-inferentie. Door Modulars MAX uit te voeren op TensorWaves AMD-compute, bereiken ze tot 70% lagere kosten per miljoen tokens, 57% snellere doorvoer en minder totale kosten dan andere GPU-stacks.

Met Nvidia’s voortdurende dominantie, waar ziet u de grootste kansen voor uitdagers zoals TensorWave?

In een AI-compute-ruimte die gedomineerd wordt door een paar grote spelers, zijn de grootste uitdagingen het bereiken van snelheid naar de markt, het leveren van de laatste technologie en het bieden van uitzonderlijke ondersteuning. Hyperscalers bieden vaak een breed scala aan opties, maar worstelen met het bieden van de focus of persoonlijke begeleiding die klanten nodig hebben. Om door te breken in deze gedomineerde ruimte, richt TensorWave zich op onze sterke punten, terwijl we samenwerken om de beste technologie mogelijk te maken en ervoor zorgen dat klanten alternatieve opties hebben.

De twee grootste kansen voor uitdagers van Nvidia’s AI-infrastructuur-dominantie liggen in open ecosystemen en geheugen. Open ecosystemen elimineren lock-in op elk niveau (hardware, interconnect, en software). Bovendien verandert geheugen, in combinatie met netwerk-geoptimaliseerde training/inferentie, de kostencurve.

Als we vijf jaar vooruitkijken, hoe ziet u de toekomst van AI-infrastructuur en TensorWaves rol daarin?

Gedurende jaren was het doel in AI-infrastructuur om het goed, stabiel en gemakkelijk te gebruiken te maken. De volgende fase zal gaan over wat je kunt leveren op basis van dat—beheerde diensten, AI-as-a-Service, alles dat klanten helpt om gemakkelijker te implementeren en te schalen.

We zijn aan het begin van een grote transformatie. AI-technologie blijft vooruitgang boeken, en alternatieven zoals AMD worden steeds meer haalbaar. Als dat gebeurt, zullen klanten zich meer op hun gemak voelen bij het implementeren van deze op grote schaal, en zal het hele ecosysteem beginnen te openen en te groeien. Bedrijven zoals AMD zijn steeds meer haalbaar. Als dat gebeurt, zullen klanten zich meer op hun gemak voelen bij het implementeren van deze op grote schaal, en zal het hele ecosysteem beginnen te openen en te groeien.

Bedankt voor het geweldige interview, iedereen die meer wil leren over dit innovatieve AI-infrastructuurbedrijf, kan TensorWave bezoeken.