Piotr Tomasik, Współzałożyciel i Prezes TensorWave – Seria Wywiadów

Piotr Tomasik, Współzałożyciel i Prezes TensorWave, jest doświadczonym przedsiębiorcą technologicznym i executive’em AI infrastructure z ponad dwudziestoletnim doświadczeniem, obejmującym AI, SaaS, chmurę obliczeniową, fintech i gospodarkę twórców. Przed założeniem TensorWave w 2023 roku, współzałożył Influential, platformę marketingu influencerów opartą na AI, później przejętą przez Publicis za około 500 milionów dolarów, gdzie pełnił funkcję CTO, zanim przeszedł na stanowisko doradcy.

W trakcie swojej kariery, Tomasik założył lub kierował firmami, w tym Lets Rolo, On Guard Data i ActiveSide, oraz pełnił stanowiska techniczne w CARD.com i Marker Trax. Ponadto, jest Partnerem Generalnym w 1864 Fund i współzałożycielem StartUp Vegas, gdzie aktywnie wspiera ekosystem startupów w Las Vegas i wschodzący talent technologiczny. Jako absolwent UNLV z tytułem w dziedzinie informatyki i uznany lider technologiczny, Tomasik stał się znany z pomocy w pozycjonowaniu TensorWave jako szybko rosnącej firmy AI compute infrastructure, skupiającej się na dużych platformach chmury GPU z napędem AMD.

TensorWave to firma infrastruktury AI, która koncentruje się na dostarczaniu wysokowydajnych usług chmury obliczeniowej z napędem AMD GPU, pozycjonując się jako alternatywa dla bardziej zamkniętych ekosystemów AI. Założona w 2023 roku i z siedzibą w Las Vegas, firma buduje duże klastry GPU zoptymalizowane do szkolenia i wdrożenia zaawansowanych modeli AI, z naciskiem na wydajność, elastyczność i efektywność kosztową. Wykorzystując otwarte ekosystemy sprzętu i oprogramowania, TensorWave ma na celu poszerzenie dostępu do potężnych zasobów obliczeniowych AI dla przedsiębiorstw, badaczy i deweloperów, umożliwiając skalowalne obciążenia AI bez ograniczeń tradycyjnego vendor lock-in.

Nvidia (NVDA ) dominuje większość rynku GPU – dlaczego zdecydowałeś się na AMD i jakie korzyści z tego wynikają dla TensorWave i jego klientów?

Po premierze ChatGPT, popyt na AI gwałtownie wzrósł. GPU zostały szybko wchłonięte, a NVIDIA była podstawową opcją, jeśli w ogóle była dostępna, i jeśli można było za nią zapłacić. Ten brak wywołał ogromne zainteresowanie alternatywami. Teraz, gdy minął początkowy szał, jest prawdziwa okazja, aby wyzwolić dominację Nvidii z rozwiązaniami, które są dostępne, efektywne kosztowo i łatwe w użyciu.

Jako startup, zawsze podejmujemy decyzje biznesowe z silnym celem i sensem. Dlatego nie eksperymentowaliśmy z Nvidią i kontynuowaliśmy rozwijanie naszych możliwości na AMD. Następna faza naszej firmy dotyczy wykorzystania tych ukierunkowanych możliwości, aby każdy mógł włączyć się i zrobić coś znaczącego z AI. AMD to wiarygodna alternatywa z prawdziwą skalą produkcyjną, otwartą postawą oprogramowania i mapą pamięci dla nowoczesnego AI.

Jak podejście TensorWave do infrastruktury AI różni się od tradycyjnych dostawców chmury GPU?

Nasza różnica jest prosta: jesteśmy jedyną chmurą AMD na dużą skalę, która ma na celu przywrócenie wyboru w obliczeniach AI, złamanie dominacji Nvidii i udostępnienie AI. Ale to także kwestia naszej etyki i zaangażowania w dostarczanie prawdziwej alternatywy na rynek. Przede wszystkim chcemy dostarczyć wyjątkową infrastrukturę AMD na dużą skalę. Następnie rozszerzymy się na usługi pierwszej klasy na górze – Usługi jako modele, AI jako usługi, czyniąc wszystko prostszym.

Jako chmura AMD, mamy doświadczenie oprogramowania specjalnie opracowanego dla AMD od samego początku. Ten focus pozwala nam zoptymalizować krzem, sieć i oprogramowanie od końca do końca, zapewniając, że zespoły mogą skalować, gdy potrzebują.

Jaką rolę odgrywa wasze partnerstwo strategiczne z AMD w rozwoju i różnicowaniu TensorWave?

Jest to podstawowe. AMD zainwestowało w TensorWave, zaprosiło nas do udziału w premierze MI300X Instinct i nadal ściśle współpracujemy w zakresie sprzętu, oprogramowania i wzrostu ekosystemu. Bycie chmurą AMD oznacza, że możemy szybko poruszać się z każdą generacją Instinct, służąc jako żywe laboratorium, które na dużą skalę zapewnia alternatywy na naszym rynku. Nasze partnerstwo pozwala nam szybko zamykać luki, jako pierwsi wprowadzać nowe GPU i publikować prawdziwe wyniki na dużą skalę.

Dostęp do GPU pozostaje główną przeszkodą dla zespołów AI – jak TensorWave radzi sobie z tym wyzwaniem?

Rozwiązywanie tych przeszkód rozpoczynamy od niezależności dostaw: budując na AMD, unikamy najgorszych ograniczeń dostaw innych producentów chipów i przekazujemy dostępność naszym klientom. Niepodległość dostaw poprzez AMD zapewnia, że nasi klienci nie są zmuszeni czekać w tej samej kolejce co wszyscy inni.

Luki w ekosystemie infrastruktury AI powstają, ponieważ wiele podmiotów buduje podobne rozwiązania, tworząc wiele nakładających się elementów. Często wynika to z braku świadomości co do tego, co dzieje się na rynku. Pierwszym krokiem do zamykania tych luk jest zrozumienie, kto robi co, gdzie są możliwości współpracy, gdzie konkurencja może napędzać innowacje, i w końcu, jak ekosystem może się poprawić jako całość. Jedną unikalną luką na rynku infrastruktury AI jest energia; nawet jeśli GPU są dostępne, często brakuje energii, aby wesprzeć rosnącą liczbę aplikacji AI. Rozwiązywanie tych wyzwań zasobowych jest naszym kluczem do umożliwienia zrównoważonego wzrostu i innowacji w nadchodzących latach.

Jak funkcje takie jak bezpośrednie chłodzenie cieczą i sieć UEC (Universal Ethernet Consortium) poprawiają wydajność i efektywność kosztową?

Bezpośrednie chłodzenie cieczą i sieć UEC są podstawowe dla tego, co sprawia, że nowoczesna chmura AI jest ekonomicznie uzasadniona na dużą skalę, i oba są centralne dla tego, jak zaprojektowaliśmy TensorWave.

Na temat DLC: najnowsze generacje przyspieszaczy, AMD MI355X i MI455X, pracują w termicznych obudowach, które powietrze nie może obsłużyć wydajnie. Mówimy o 1400W+ TDP na GPU. Bezpośrednie chłodzenie cieczą usuwa ciepło u źródła za pomocą płyty chłodzącej lub konstrukcji zanurzeniowych, co robi trzy rzeczy dla naszych klientów. Po pierwsze, umożliwia znacznie wyższą gęstość stojaków, 120-300kW+ na stojak zamiast 30 do 40kW, co kompresuje ślad i obniża koszty nieruchomości i dystrybucji energii. Po drugie, napędza PUE w kierunku 1,1, w porównaniu z 1,4 do 1,5 dla tradycyjnych obiektów chłodzonych powietrzem; w naszym przypadku przekłada się to na dziesiątki milionów dolarów oszczędności rocznie. Po trzecie, i często niedoceniane, DLC utrzymuje krzem na niższych, bardziej stabilnych temperaturach, co zachowuje trwałe stawki zegara podczas długich sesji szkoleniowych i wydłuża żywotność sprzętu. Ten ostatni punkt ma ogromne znaczenie, gdy podpisujesz sześcioletnią umowę.

Na temat UEC: specyfikacja Ultra Ethernet Consortium, której AMD pomogło założyć i która osiągnęła wersję 1.0 w 2025 roku, daje nam otwarty, merchant-silicon fabrykę, która spełnia lub przewyższa InfiniBand w metrykach, które naprawdę mają znaczenie dla rozproszonego szkolenia. Opóźnienia w kolektywach, efektywna przepustowość pod contention i zachowanie skalowania po przekroczeniu progu 100 000 GPU. Historia kosztów jest strukturalna. Ethernet ma pół tuzina wiarygodnych producentów krzemowych, którzy konkurują o cenę, w porównaniu z alternatywą jednego źródła, która niesie udokumentowaną premię. Dla obiektu 100 MW, wybór sieci UEC zamiast własnej sieci jest zwykle decyzją o dziewięciu cyfrach CAPEX, a korzyści operacyjne się kumulują, ponieważ nasi inżynierowie sieci już znają Ethernet.

Wzięte razem, te wybory pozwalają nam dostarczyć lepszą ekonomię szkolenia niż tradycyjne chmury. Klienci widzą wyższe efektywne FLOPs na dolar, bardziej przewidywalne czasy kroków na dużych zadaniach i wyraźną drogę, gdy modele się skalują. Dla nas oznacza to bardziej defensywną strukturę kosztów i elastyczność, aby oferować naprawdę konkurencyjne karty cenowe.

Czy możesz podzielić się przykładami, jak klienci wykorzystują TensorWave do szkolenia dużych modeli AI?

Klienci TensorWave potrzebują wysokowydajnych obliczeń AI bez niedoborów GPU, blokady dostawców lub kosztów, które wymykają się spod kontroli. TensorWave dostarcza wyłączną chmurę AMD – otwartą, zoptymalizowaną pod kątem pamięci i gotową do produkcji, co daje zespołom skalowalną infrastrukturę AI, która jest dostępna, elastyczna i efektywna kosztowo.

Na przykład, Modular wybrał uruchomienie swojego stosu inferencji MAX na infrastrukturze GPU AMD TensorWave, ponieważ TensorWave dostarcza znacznie lepszą ekonomię kosztów i wydajności dla dużych inferencji AI. Dzięki uruchomieniu MAX Modular na komputerze AMD TensorWave, osiągają do 70% niższy koszt na milion tokenów, 57% szybszy przepływ i niższy ogólny koszt w porównaniu z innymi stosami GPU.

Z dominacją Nvidii, gdzie widzisz największe szanse dla wyzwaniołych firm jak TensorWave?

W przestrzeni obliczeń AI, która jest zdominowana przez kilku głównych graczy, największymi wyzwaniami są osiągnięcie szybkości na rynek, dostarczenie najnowszej technologii i zapewnienie wyjątkowego wsparcia. Hyperscalery często oferują szeroki zakres opcji, ale mają trudności z zapewnieniem focusu lub indywidualnych wskazówek, których potrzebują klienci. Aby przebić się przez tę zdominowaną przestrzeń, TensorWave koncentruje się na swoich mocnych stronach, jednocześnie współpracując, aby dostarczyć najlepszą możliwą technologię i zapewnić, że klienci mają alternatywne opcje.

Dwie największe szanse dla wyzwaniołych firm Nvidii w infrastrukturze AI tkwią w otwartych ekosystemach i pamięci. Otwarte ekosystemy eliminują blokadę na każdym poziomie (sprzęt, łącza i oprogramowanie). Dodatkowo, pamięć w połączeniu z optymalizacją sieciową szkolenia/inferencji odwraca krzywą kosztów.

Spójrz pięć lat do przodu, jak wyobrażasz sobie przyszłość infrastruktury AI i rolę TensorWave w niej?

Przez lata, celem w infrastrukturze AI było to, aby uczynić ją dobrą, stabilną i łatwą w użyciu. Następna faza będzie dotyczyć tego, co można dostarczyć na górze – usług zarządzanych, AI jako usługi, czegokolwiek, co pomoże klientom wdrożyć i skalować łatwiej.

Jesteśmy na początku wielkiej transformacji. Technologia AI ciągle postępuje, a alternatywy takie jak AMD stają się coraz bardziej wiarygodne. Gdy tak się dzieje, klienci będą coraz bardziej komfortowo wdrażać je na dużą skalę, a cały ekosystem zacznie się otwierać i rozwijać.

Dziękuję za wspaniały wywiad, każdy, kto chce dowiedzieć się więcej o tej innowacyjnej firmie infrastruktury AI, powinien odwiedzić TensorWave.