Пётр Томасик, сооснователь и президент TensorWave – Интервью

Пётр Томасик, сооснователь и президент TensorWave, – ветеран технологического предпринимательства и руководитель инфраструктуры ИИ с более чем двумя десятилетиями опыта в области ИИ, SaaS, облачных вычислений, финтех и экономики создателей. До основания TensorWave в 2023 году он соосновал Influential, платформу маркетинга влиятельных лиц на основе ИИ, которая была позже приобретена Publicis за примерно 500 миллионов долларов, где он занимал должность технического директора, прежде чем перейти на должность советника.

На протяжении своей карьеры Томасик также основал или возглавлял компании, включая Lets Rolo, On Guard Data и ActiveSide, а также занимал старшие технологические должности в CARD.com и Marker Trax. Помимо операционных ролей, он является генеральным партнером в 1864 Fund и сооснователем StartUp Vegas, где он активно поддерживает экосистему стартапов в Лас-Вегасе и развивающийся технологический талант. Будучи выпускником компьютерных наук Университета Невады в Лас-Вегасе и признанным технологическим лидером, Томасик стал известен тем, что помогает позиционировать TensorWave как быстро растущую компанию инфраструктуры ИИ, ориентированную на крупномасштабные облачные платформы GPU, работающие на ускорителях AMD.

TensorWave – это компания инфраструктуры ИИ, ориентированная на предоставление высокопроизводительных облачных вычислений на основе GPU AMD, позиционирующая себя как альтернатива более закрытым экосистемам ИИ. Основанная в 2023 году и имеющая штаб-квартиру в Лас-Вегасе, компания строит крупномасштабные кластеры GPU, оптимизированные для обучения и развертывания передовых моделей ИИ, с упором на производительность, гибкость и эффективность затрат. Используя открытые экосистемы аппаратного и программного обеспечения, TensorWave стремится расширить доступ к мощным ресурсам вычислений ИИ для предприятий, исследователей и разработчиков, обеспечивая масштабируемые рабочие нагрузки ИИ без ограничений традиционной блокировки поставщиков.

Nvidia (NVDA ) доминирует на большинстве рынков GPU – почему вы решили сделать ставку на AMD, и какие преимущества это дает TensorWave и ее клиентам?

После запуска ChatGPT спрос на ИИ взлетел. GPU быстро раскупились, и NVIDIA была практически единственным вариантом, если только вы могли его получить, и если вы могли позволить себе эту стоимость. Этот дефицит вызвал огромный интерес к альтернативам. Теперь, когда мы прошли первоначальный ажиотаж, есть реальная возможность бросить вызов доминированию Nvidia с помощью решений, которые доступны, эффективны и просты в использовании.

Как стартап, мы всегда принимаем бизнес-решения с сильным фокусом и целью. Поэтому мы не экспериментировали с Nvidia и продолжили развивать наши возможности на основе AMD. Следующая фаза нашей компании заключается в том, чтобы использовать эти сосредоточенные возможности, чтобы любой мог приступить к работе с ИИ и сделать что-то значимое. AMD – это достойная альтернатива с реальным производственным масштабом, открытой программной позицией и дорожной картой, ориентированной на современный ИИ.

Как подход TensorWave к инфраструктуре ИИ отличается от традиционных провайдеров облачных GPU?

Наша дифференциация проста: мы – единственный облачный провайдер на основе AMD в крупном масштабе, стремящийся восстановить выбор в вычислениях ИИ, нарушить доминирование Nvidia и демократизировать доступ. Но это также связано с нашей этикой и приверженностью к предоставлению真正щей альтернативы на рынок. Прежде всего, мы хотим предоставить исключительную инфраструктуру на основе AMD в крупном масштабе. Оттуда мы будем расширяться в лучшие услуги на основе этой инфраструктуры – Модели как услугу, ИИ как услугу, делая все проще.

Как облачный провайдер на основе AMD, у нас есть программный опыт, специально разработанный для AMD с первого дня. Этот фокус позволяет нам оптимизировать кремний, сеть и программное обеспечение от начала до конца, обеспечивая, чтобы команды могли масштабироваться, когда это необходимо.

Какую роль играет ваш стратегический партнерство с AMD в росте и дифференциации TensorWave?

Оно фундаментально. AMD инвестировала в TensorWave, пригласила нас на запуск MI300X Instinct и мы продолжаем тесно сотрудничать в области аппаратного и программного обеспечения, а также роста экосистемы. Быть облачным провайдером на основе AMD означает, что мы можем быстро двигаться с каждым поколением Instinct и служить живой лабораторией, которая предоставляет, в крупном масштабе, альтернативы на нашем рынке. Наша дифференциация на основе AMD позволила нам работать в темпе, который не так достижим на рынке инфраструктуры ИИ. Их партнерство позволяет нам быстро закрывать пробелы, первыми доставлять новые GPU и публиковать реальную производительность в крупном масштабе.

Доступ к GPU остается серьезным препятствием для команд ИИ – как TensorWave решает эту проблему?

Мы решаем эти препятствия сначала через независимость поставок: построив на основе AMD, мы избегаем худшего из ограничений поставок других производителей чипов и передаем доступность нашим клиентам. Независимость поставок через AMD гарантирует, что наши клиенты не застревают в очереди, как все остальные.

Пробелы в экосистеме инфраструктуры ИИ существуют, потому что многие игроки строят похожие решения, создавая много перекрытий. Это часто происходит из-за отсутствия осведомленности о том, что происходит на рынке. Первый шаг к закрытию этих пробелов – понимание того, кто делает что, где есть возможности для сотрудничества, где конкуренция может стимулировать инновации, и в конечном итоге, как экосистема может улучшиться в целом. Одна уникальная пробел в рынке инфраструктуры ИИ – это мощность; даже если GPU доступны, часто нет достаточно энергии, чтобы поддержать растущее количество приложений ИИ. Решение этих проблем с ресурсами является нашим ключом к обеспечению устойчивого роста и инноваций в будущем.

Как функции, такие как прямое жидкостное охлаждение и сеть UEC (Универсальный консорциум Ethernet), повышают производительность и эффективность затрат?

Прямое жидкостное охлаждение и сеть UEC являются фундаментальными для того, что делает современный облачный ИИ экономически жизнеспособным в крупном масштабе, и оба являются центральными для того, как мы спроектировали TensorWave.

О DLC: новые поколения ускорителей, такие как MI355X и MI455X от AMD, работают в термических оболочках, которые воздух не может эффективно обработать. Мы говорим о 1400 Вт+ ТДП на GPU. Прямое жидкостное охлаждение удаляет тепло из источника через холодную пластину или конструкции погружения, что делает три вещи для наших клиентов. Во-первых, оно позволяет существенно увеличить плотность стойки, 120-300 кВт+ на стойку вместо 30-40 кВт, что сжимает площадь и снижает стоимость реального учета и распределения энергии. Во-вторых, оно стимулирует PUE к 1,1, вместо 1,4-1,5 для устаревших воздушных систем охлаждения; в нашем масштабе это переводится в десятки миллионов долларов в год на экономии утилит. В-третьих, и часто недооценивается, DLC держит кремний на более низких и стабильных температурах соединения, что сохраняет устойчивые тактовые частоты во время длинных тренировочных запусков и продлевает срок службы оборудования. Этот последний момент имеет огромное значение, когда вы подписываете шестилетний актив.

О UEC: спецификация Ultra Ethernet Consortium, которая была основана AMD и достигла 1.0 в 2025 году, дает нам открытую, merchant-силikonную ткань, которая соответствует или превышает InfiniBand по метрикам, которые действительно имеют значение для распределенной тренировки. Задержка на коллективных, эффективная полоса пропускания под контентом и масштабирующее поведение после порога 100 000 GPU. История стоимости является структурной. Ethernet имеет полдюжины достоверных merchant-силikonных поставщиков, конкурирующих по цене, вместо единственного альтернативного варианта, который несет хорошо документированную премию. Для 100-мегаваттной площадки выбор сети UEC вместо проприетарной ткани обычно является девятизначным решением CAPEX, и операционные преимущества складываются, потому что наши сетевые инженеры уже знают Ethernet.

В совокупности эти выборы позволяют нам предоставить лучшую экономику тренировки, чем устаревшие облака. Клиенты видят более высокие эффективные FLOP на доллар, более предсказуемые времена шагов на больших задачах и четкую полосу, когда модели масштабируются. Для нас они означают более оборонительную структуру затрат и гибкость, чтобы предложить действительно конкурентные тарифные планы.

Можете ли вы поделиться примерами того, как клиенты используют TensorWave для обучения крупномасштабных моделей ИИ?

Клиенты TensorWave нуждаются в высокопроизводительных вычислениях ИИ без дефицита GPU, блокировки поставщиков или неконтролируемых затрат. TensorWave предоставляет эксклюзивное облачное решение на основе AMD – открытое, оптимизированное по памяти и готовое к производству, что дает командам масштабируемую инфраструктуру ИИ, которая доступна, гибка и эффективна по затратам.

Например, Modular выбрала запуск своего стека MAX на инфраструктуре GPU AMD TensorWave, потому что TensorWave обеспечивает значительно лучшую экономику затрат на крупномасштабное вывод ИИ. Запустив MAX на вычислительной мощности AMD TensorWave, они достигают до 70% более низкой стоимости на миллион токенов, 57% более быстрой пропускной способности и более низкой общей стоимости, чем другие стека GPU.

С учетом продолжающегося доминирования Nvidia, где вы видите самые большие возможности для претендентов, таких как TensorWave?

В пространстве вычислений ИИ, доминируемом несколькими крупными игроками, самыми большими проблемами являются достижение скорости выхода на рынок, предоставление последних технологий и обеспечение исключительной поддержки. Гиперскелеры часто предлагают широкий спектр вариантов, но борются с предоставлением фокуса или персонализированного руководства, которое нужны клиентам. Чтобы прорваться в это доминирующее пространство, TensorWave фокусируется на наших силах, сотрудничая, чтобы предоставить лучшую технологию, возможную, и гарантируя, что клиенты имеют альтернативные варианты.

Две самые большие возможности для претендентов на доминирование Nvidia в инфраструктуре ИИ – это открытые экосистемы и память. Открытые экосистемы исключают блокировку на каждом уровне (аппаратное, сетевое и программное). Кроме того, память, в сочетании с сетью, оптимизированной для тренировки/вывода, переворачивает кривую затрат.

Оглядываясь вперед на пять лет, как вы представляете себе будущее инфраструктуры ИИ и роль TensorWave в нем?

На протяжении многих лет целью в инфраструктуре ИИ было сделать ее хорошей, стабильной и простой в использовании. Следующая фаза будет заключаться в том, что можно предоставить на основе этого – управляемые услуги, ИИ как услугу, все, что помогает клиентам развертывать и масштабировать более легко.

Мы находимся на начальной стадии крупной трансформации. Технология ИИ продолжает развиваться, и альтернативы, такие как AMD, становятся все более жизнеспособными. Когда это происходит, клиенты будут более комфортно чувствовать себя, развертывая их в крупном масштабе, и вся экосистема начнет открываться и расти.

Спасибо за отличное интервью, все, кто хочет узнать больше об этой инновационной компании инфраструктуры ИИ, должны посетить TensorWave.