Piotr Tomasik, medgrunnlegger og president i TensorWave – Intervju-serie

Piotr Tomasik, medgrunnlegger og president i TensorWave, er en erfaren teknologi-entrepreneur og AI-infrastruktur-eksekutiv med mer enn to tiår med erfaring innen AI, SaaS, skytjenester, finansteknologi og skaperøkonomi. Før han grunnla TensorWave i 2023, var han medgrunnlegger av Influential, en AI-drevet influencer-markedsføringsplattform som senere ble kjøpt av Publicis for omtrent 500 millioner dollar, der han var CTO før han gikk over til en rådgiverrolle.

I løpet av sin karriere har Tomasik også grunnlagt eller ledet selskaper som Lets Rolo, On Guard Data og ActiveSide, samt hatt senior tekniske stillinger i CARD.com og Marker Trax. I tillegg til sine operative roller er han generalsekretær i 1864 Fund og medgrunnlegger av StartUp Vegas, der han aktivt støtter Las Vegas’ startup-økosystem og fremvoksende teknologitalent. En UNLV-datavitenskapsgrad og anerkjent teknologileder, Tomasik har blitt kjent for å hjelpe med å posisjonere TensorWave som et raskt voksende AI-regnskapsinfrastrukturselskap som fokuserer på store skala GPU-skytjenester drevet av AMD-akseleratorer.

TensorWave er et AI-infrastrukturselskap som fokuserer på å levere høy-ytelseskytjenester drevet av AMD-GPUer, og posisjonerer seg som en alternativ til mer lukkede AI-økosystemer. Grunnlagt i 2023 og med hovedkontor i Las Vegas, bygger selskapet store skala GPU-kluster som er optimalisert for opplæring og distribusjon av avanserte AI-modeller, med fokus på ytelse, fleksibilitet og kostnadseffektivitet. Ved å utnytte åpne hard- og programvareøkosystemer, sikter TensorWave på å utvide tilgangen til kraftfulle AI-regnskapsressurser for bedrifter, forskere og utviklere, og muliggjøre skalerbare AI-arbeidsbelastninger uten begrensningene til tradisjonell leverandør-låsing.

Nvidia (NVDA ) dominerer størsteparten av GPU-markedet – hvorfor bestemte du deg for å satse helt på AMD, og hva fordeler gir dette valget TensorWave og dens kunder?

Etter lanseringen av ChatGPT, økte etterspørselen etter AI kraftig. GPU-er ble raskt tatt, og NVIDIA var nesten den eneste muligheten hvis du kunne få tak i dem, og hvis du kunne håndtere kostnadene. Denne mangelen utløste en stor interesse for alternativer. Nå som vi er forbi den innledende hype, er det en reel mulighet til å utfordre Nvidias dominans med løsninger som er tilgjengelige, kostnadseffektive og enkle å bruke.

Som et startup, har vi alltid tatt forretningsbeslutninger med en sterk fokus og formål. Derfor har vi ikke eksperimentert med Nvidia, og vi har fortsatt å bygge ut våre muligheter på AMD. Neste fase av vårt selskap handler om å satse på disse fokuserte mulighetene, så alle kan komme i gang og gjøre noe meningsfullt med AI. AMD er en troverdig alternativ med reell produksjonsskala, en åpen programvare-holdning og en minne-først-vei for moderne AI.

Hvordan skiller TensorWaves tilnærming til AI-infrastruktur seg fra tradisjonelle GPU-skytjenesteleverandører?

Vår differensiering er rett frem: vi er den eneste AMD-eksklusive skytjenesten i stor skala, som søker å gjenopprette valg i AI-regnskap, bryte Nvidias dominans og demokratisere tilgang. Men det handler også om vår etos og forpliktelse til å bringe en sann alternativ til markedet. Først og fremst ønsker vi å levere eksepsjonell AMD-basert infrastruktur i stor skala. Deretter vil vi utvide til topp-klassetjenester på toppen av det – Modeller-som-en-tjeneste, AI-som-en-tjeneste, og gjøre alt enklere.

Som en AMD-eksklusive skytjenesten har vi programvare-erfaring bygget spesifikt for AMD fra dag én. Denne fokuseringen lar oss optimalisere silisium, nettverk og programvare fra ende til ende, og sikre at team kan skaleres når de trenger det.

Hva rolle spiller din strategiske partnerskap med AMD i TensorWaves vekst og differensiering?

Det er grunnleggende. AMD investerte i TensorWave, inviterte oss til MI300X Instinct-lanseringen og vi fortsetter å samarbeide tett på hardware, programvare-aktivering og økosystem-vækst. Å være en AMD-eksklusive skytjenesten betyr at vi kan flytte raskt med hver Instinct-generasjon, og fungere som en levende laboratorium som tilbyr, i stor skala, alternativer innen vår marked. Vår AMD-eksklusive differensiering har gjort det mulig for oss å arbeide i en takt som ikke er like oppnåelig i AI-infrastrukturmarkedet. Deres partnerskap lar oss lukke hull raskt, levere først på nye GPU-er og publisere virkelig ytelse i stor skala.

GPU-tilgang er fortsatt en stor flaskehals for AI-team – hvordan takler TensorWave denne utfordringen?

Vi takler disse flaskehalser først og fremst gjennom forsyningsuavhengighet: ved å bygge på AMD, unngår vi de verste av andre chip-produsenters forsyningsbegrensninger, og overfører tilgjengelighet til kunder. Forsyningsuavhengighet gjennom AMD sikrer at våre kunder ikke blir sittende og venter i samme kø som alle andre.

Luker i AI-infrastruktur-økosystemet eksisterer fordi så mange spillere bygger lignende løsninger, og skaper mye overlap. Det kommer ofte fra en mangel på kunnskap om hva som skjer over hele markedet. Første skrittet til å lukke disse lukene er å forstå hvem som gjør hva, hvor det er muligheter for samarbeid, hvor konkurranse kan drive innovasjon, og hvordan økosystemet kan forbedres som helhet. En unik luke i AI-infrastrukturmarkedet er kraft; selv om GPU-er er tilgjengelige, er det ofte ikke nok energi til å støtte den voksende mengden AI-applikasjoner. Å løse disse ressurs-utfordringene er vår nøkkel til å muliggjøre bærekraftig vekst og innovasjon i årene som kommer.

Hvordan forbedrer egenskaper som direkte væskeavkjøling og UEC-klar nettverking (Universal Ethernet Consortium) ytelse og kostnadseffektivitet?

Direkte væskeavkjøling og UEC-klar nettverking er grunnleggende for hva som gjør en moderne AI-skytjeneste økonomisk bærekraftig i stor skala, og begge er sentrale for hvordan vi har designet TensorWave.

Om DLC: de nyeste akselerator-generasjonene, AMDs MI355X og MI455X, kjører ved termiske omgivelser som luft ikke kan håndtere effektivt. Vi snakker om 1400W+ TDP per GPU. Direkte væskeavkjøling fjerner varme ved kilde via kaldeplate- eller neddykningsdesign, som gjør tre ting for våre kunder. Først og fremst muliggjør det vesentlig høyere rack-tetthet, 120-300kW+ per rack i stedet for 30 til 40kW, som komprimerer fotavtrykk og kutte per megawatt eiendom og kraftdistribusjonskostnader. Andre, det driver PUE mot 1,1, i stedet for 1,4 til 1,5 for eldre luft-avkjølte anlegg; på vår skala oversetter det til titall millioner dollar i årlige utgiftsbesparelser. Tredje, og ofte underappresiert, holder DLC silisium ved lavere, mer stabile forbinder-temperaturer, som bevarende vedvarende klokke-rater under lange opplæringsløp og utvider den nyttige livslengden til hårdwaren. Det siste punktet betyr enormt når du underwriter en seks-års aksje.

Om UEC: Ultra Ethernet Consortium-specifikasjonen, som AMD hjalp til å grunnlegge og som nådde 1,0 i 2025, gir oss en åpen, handels-silikon-fabrikk som møter eller overgår InfiniBand på de målene som virkelig teller for distribuert opplæring. Hale-latenhet på kollektiver, effektivt båndbredde under konflikt og skalerings-atferd forbi 100 000 GPU-grensen. Kostnadshistorien er strukturell. Ethernet har en halv dusin troverdige handels-silikon-leverandører som konkurrerer på pris, i stedet for en enkelt-kilde-alternativ som bærer en vel-dokumentert premie. For en 100MW-anlegg er valget av UEC-klar nettverking i stedet for proprietær fabrikk en typisk ni-sifret CAPEX-beslutning, og de operative fordeler kompenserer fordi våre nettverksingeniører allerede kjenner Ethernet.

Tatt sammen, lar disse valgene oss levere bedre opplærings-økonomi enn eldre skytjenester. Kunder ser høyere effektive FLOPs per dollar, mer forutsigbare steg-tider på store jobber og en klar løpebane når modeller skaleres. For oss betyr det en mer forsvarlig kostnad-struktur og fleksibilitet til å tilby konkurrerende pris-kort.

Kan du dele eksempler på hvordan kunder utnytter TensorWave til å opplære store skala AI-modeller?

TensorWave-kunder trenger høy-ytelses AI-regnskap uten GPU-mangel, leverandør-låsing eller løpske kostnader. TensorWave tilbyr eksklusiv AMD-sky – åpen, minne-optimert og produksjonsklar, som gir teamer skalerbar AI-infrastruktur som er tilgjengelig, fleksibel og kostnadseffektiv.

For eksempel valgte Modular å kjøre sin MAX-inferens-stakk på TensorWaves AMD-GPU-infrastruktur fordi TensorWave leverer vesentlig bedre kost-ytelses-økonomi for stor skala AI-inferens. Ved å kjøre Modulars MAX på TensorWaves AMD-regnskap, oppnår de opptil 70% lavere kostnad per million token, 57% raskere gjennomstrømming og lavere samlet kostnad enn andre GPU-stakker.

Med Nvidias fortsatt dominans, hvor ser du de største mulighetene for utfordrere som TensorWave?

I et AI-regnskapsrom som domineres av noen få store spillere, er de største utfordringene å oppnå markedsføringshastighet, levere den siste teknologien og tilby eksepsjonell støtte. Hyperskalere tilbyr ofte en rekke muligheter, men sliter med å tilby fokus eller personlig veiledning som kunder trenger. For å bryte gjennom dette dominerte rommet, fokuserer TensorWave på våre styrker, samtidig som vi samarbeider for å tilby den beste teknologien mulig og sikre at kunder har alternative muligheter.

De to største mulighetene for utfordrere av Nvidias AI-infrastruktur-dominans er i åpne økosystemer og minne. Åpne økosystemer eliminerer låsing på alle nivåer (hardware, kobling og programvare). I tillegg eliminerer minne, i kombinasjon med nettverks-optimert opplæring/inferens, kostnadskurven.

Om fem år, hvordan ser du fremtiden for AI-infrastruktur og TensorWaves rolle i den?

I årevis har målet for AI-infrastruktur vært å gjøre det bra, stabilt og enkelt å bruke. Neste fasen vil handle om hva du kan levere på toppen av det – managed services, AI-som-en-tjeneste, noe som hjelper kunder å deployere og skalerer mer enkelt.

Vi er i begynnelsen av en stor transformasjon. AI-teknologi fortsetter å utvikle seg, og alternativer som AMD blir mer og mer livskraftige. Når det skjer, vil kunder bli mer komfortable med å deployere dem i stor skala, og hele økosystemet vil begynne å åpne seg og vokse.

Takk for det flotte intervjuet, alle som ønsker å lære mer om dette innovative AI-infrastrukturselskapet, bør besøke TensorWave.