Piotr Tomasik, medgrundare och VD för TensorWave – Intervjuserie

Piotr Tomasik, medgrundare och VD för TensorWave, är en veteran inom teknologi och AI-infrastruktur med mer än två decenniers erfarenhet inom AI, SaaS, molntjänster, finansiell teknik och skapar-ekonomin. Innan han co-founding TensorWave 2023, co-founding Influential, en AI-driven influencer-marknadsföringsplattform som senare förvärvades av Publicis för cirka 500 miljoner dollar, där han tjänstgjorde som CTO innan han gick över till en rådgivande roll.

Under sin karriär har Tomasik också grundat eller lett företag som Lets Rolo, On Guard Data och ActiveSide, samtidigt som han har haft seniora tekniska positioner på CARD.com och Marker Trax. Utöver sina operativa roller är han en allmän partner i 1864 Fund och medgrundare av StartUp Vegas, där han aktivt stöder Las Vegas startup-ekosystem och framväxande tekniktalang. En UNLV datavetenskaps-examen och erkänd teknikledare, Tomasik har blivit känd för att ha hjälpt till att positionera TensorWave som ett snabbväxande AI-beräkningsinfrastrukturföretag med fokus på storskaliga GPU-molnplattformar som drivs av AMD-acceleratorer.

TensorWave är ett AI-infrastrukturföretag som fokuserar på att leverera högpresterande molntjänster som drivs av AMD-GPU:er, och positionerar sig som ett alternativ till mer slutna AI-ekosystem. Grundat 2023 och med huvudkontor i Las Vegas, bygger företaget storskaliga GPU-kluster som är optimerade för utbildning och distribution av avancerade AI-modeller, med fokus på prestanda, flexibilitet och kostnadseffektivitet. Genom att utnyttja öppna hårdvaru- och mjukvaruekosystem syftar TensorWave till att öka tillgången till kraftfulla AI-beräkningsresurser för företag, forskare och utvecklare, och möjliggöra skalbara AI-arbetsbelastningar utan begränsningar från traditionell leverantörslåsning.

Nvidia (NVDA ) dominerar större delen av GPU-marknaden – varför bestämde du dig för att satsa på AMD, och vilka fördelar ger det valet TensorWave och dess kunder?

Efter lanseringen av ChatGPT sköt AI-efterfrågan i höjden. GPU:er tog slut snabbt, och NVIDIA var i princip den enda möjliga valet om man kunde få tag på dem, och om man kunde hantera kostnaden. Den bristen väckte ett enormt intresse för alternativ. Nu när vi har passerat den första hype-fasen finns det en verklig möjlighet att utmana Nvidias dominans med lösningar som är tillgängliga, kostnadseffektiva och lätta att använda.

Som startup har vi alltid fattat affärsbeslut med ett starkt fokus och syfte. Det är därför vi inte har experimenterat med Nvidia, och vi har fortsatt att bygga ut våra förmågor på AMD. Nästa fas i vår företagsresa handlar om att bygga vidare på dessa fokuserade förmågor så att alla kan komma igång och göra något meningsfullt med AI. AMD är ett trovärdigt alternativ med verklig tillverkningskapacitet, en öppen mjukvarupostur och en minnesförst-roadmap för modern AI.

Hur skiljer sig TensorWaves tillvägagångssätt för AI-infrastruktur från traditionella GPU-molntjänsteleverantörer?

Vår differentiering är enkel: vi är den enda AMD-exklusiva molntjänsten i stor skala, som syftar till att återställa valet i AI-beräkningar, bryta Nvidias dominans och demokratisera tillgången. Men det handlar också om vår etos och vårt åtagande att erbjuda ett verkligt alternativ på marknaden. Först och främst vill vi leverera exceptionell AMD-baserad infrastruktur i stor skala. Därefter kommer vi att expandera till toppklass-tjänster ovanpå det – Models-as-a-Service, AI-as-a-Service, och göra allt enklare.

Som en AMD-exklusiv molntjänst har vi mjukvaruupplevelse som är specifikt utformad för AMD från dag ett. Detta fokus låter oss optimera kisel, nätverk och mjukvara från slut till slut, vilket säkerställer att team kan skala när de behöver.

Vilken roll spelar er strategiska partnerskap med AMD i TensorWaves tillväxt och differentiering?

Det är grundläggande. AMD har investerat i TensorWave, bjudit in oss till MI300X Instinct-lanseringen och vi samarbetar nära med hårdvara, mjukvaruaktivering och ekosystemtillväxt. Att vara en AMD-exklusiv molntjänst betyder att vi kan röra oss snabbt med varje Instinct-generation, och fungera som ett levande laboratorium som erbjuder, i stor skala, alternativ inom vår marknad. Vår AMD-exklusiva differentiering har möjliggjort för oss att arbeta i en takt som inte är lika uppnåelig på AI-infrastrukturmärket. Deras partnerskap låter oss stänga luckor snabbt, leverera först på nya GPU:er och publicera verklig prestanda i stor skala.

GPU-tillgång förblir en stor flaskhals för AI-team – hur hanterar TensorWave den utmaningen?

Vi hanterar dessa flaskhalsar först genom leverantörsoberoende: genom att bygga på AMD undviker vi de värsta begränsningarna från andra chip-tillverkare, och överför tillgänglighet till kunderna. Leverantörsoberoende genom AMD säkerställer att våra kunder inte fastnar i samma kö som alla andra.

Luckor i AI-infrastrukturekosystemet finns eftersom så många aktörer bygger liknande lösningar, vilket skapar en hel del överlappning. Det beror ofta på bristande medvetenhet om vad som händer på marknaden. Det första steget för att stänga dessa luckor är att förstå vem som gör vad, var det finns möjligheter för samarbete, var konkurrens kan driva innovation och hur ekosystemet kan förbättras som helhet. En unik lucka på AI-infrastrukturmärket är kraft; även om GPU:er är tillgängliga, finns det ofta inte tillräckligt med energi för att stödja den växande mängden AI-applikationer. Att lösa dessa resursutmaningar är vår nyckel till att möjliggöra hållbar tillväxt och innovation i framtiden.

Hur förbättrar funktioner som direkt vätskekylnings- och UEC-klar nätverk (Universal Ethernet Consortium) prestanda och kostnadseffektivitet?

direkt vätskekylnings- och UEC-klar nätverk är grundläggande för vad som gör en modern AI-molntjänst ekonomiskt livskraftig i stor skala, och båda är centrala för hur vi har utformat TensorWave.

Om DLC: de senaste accelerator-generationerna, AMD:s MI355X och MI455X, körs vid termiska områden som luft inte kan hantera effektivt. Vi pratar om 1400W+ TDP per GPU. Direkt vätskekylnings- avlägsnar värme vid källan via kallplattor eller nedsänkningsdesigner, vilket gör tre saker för våra kunder. Först möjliggör det avsevärt högre rackdensitet, 120-300kW+ per rack istället för 30 till 40kW, vilket komprimerar fotavtrycket och skärper per megawatt fastighets- och eldistributionkostnader. Andra, det driver PUE mot 1,1, jämfört med 1,4 till 1,5 för äldre luftkylda anläggningar; på vår skala översätter det till tiotals miljoner dollar i årliga besparingar på el. Tredje, och ofta underskattat, DLC håller kisel vid lägre, mer stabila kopplingspunkter, vilket bevarar varaktiga klockhastigheter under långa utbildningspass och förlänger den användbara livslängden för hårdvaran. Det sistnämnda är viktigt när man är ansvarig för en sexårig tillgång.

Om UEC: Ultra Ethernet Consortium-specifikationen, som AMD hjälpte till att grunda och som nådde 1,0 2025, ger oss ett öppet, merchant-silicon-fabric som möter eller överträffar InfiniBand på de parametrar som faktiskt är viktiga för distribuerad utbildning. Svanslatens på kollektiv, effektiv bandbredd under konkurrens, och skalbeteende efter 100 000 GPU-tröskeln. Kostnadshistorien är strukturerad. Ethernet har ett halvdussin trovärdiga merchant-silicon-leverantörer som konkurrerar på pris, jämfört med en ensamkäll-alternativ som bär en väldokumenterad premie. För en 100 MW-plats är valet av UEC-klar nätverk istället för proprietärt fabric en typisk nio-siffrig CAPEX-beslut, och de operativa fördelarna ackumuleras eftersom våra nätverksingenjörer redan känner till Ethernet.

Tagna tillsammans låter dessa val oss leverera bättre utbildningsekonomi än äldre molntjänster. Kunderna ser högre effektiv FLOPs per dollar, mer förutsägbara steg på stora jobb och en tydlig väg när modellerna skalar. För oss betyder det en mer försvarbar kostnadsstruktur och flexibiliteten att erbjuda verkligt konkurrenskraftiga prislistor.

Kan du dela exempel på hur kunder använder TensorWave för att utbilda storskaliga AI-modeller?

TensorWave-kunder behöver högpresterande AI-beräkningar utan GPU-brist, leverantörsbunden eller springande kostnader. TensorWave erbjuder exklusiv AMD-molntjänst – öppen, minnesoptimerad och produktionsklar, vilket ger teamen skalbar AI-infrastruktur som är tillgänglig, flexibel och kostnadseffektiv.

Till exempel valde Modular att köra sin MAX-inferensstack på TensorWaves AMD-GPU-infrastruktur eftersom TensorWave levererar avsevärt bättre kostnad-prestanda för storskalig AI-inferens. Genom att köra Modulars MAX på TensorWaves AMD-beräkning uppnår de upp till 70% lägre kostnad per miljon token, 57% snabbare genomströmning och lägre total kostnad jämfört med andra GPU-stackar.

Med Nvidias fortsatta dominans, var ser du de största möjligheterna för utmanare som TensorWave?

I en AI-beräkningsrymd som domineras av ett fåtal stora aktörer är de största utmaningarna att uppnå marknadsacceleration, leverera den senaste tekniken och erbjuda exceptionell support. Hyperscalers erbjuder ofta en mängd olika alternativ, men kämpar för att erbjuda den fokus eller personliga vägledning som kunderna behöver. För att bryta igenom denna dominerade marknad fokuserar TensorWave på våra styrkor, samtidigt som vi samarbetar för att erbjuda den bästa tekniken möjlig och säkerställer att kunderna har alternativa val.

De två största möjligheterna för utmanare av Nvidias AI-infrastrukturdominans är i öppna ekosystem och minne. Öppna ekosystem eliminerar låsning på varje nivå (hårdvara, interconnect och mjukvara). Dessutom minskar minnespartner med nätverksoptimerad utbildning/inferens kostnadskurvan.

Om fem år, hur ser du framtiden för AI-infrastruktur och TensorWaves roll i den?

Under många år har målet för AI-infrastruktur varit att göra den bra, stabil och lätt att använda. Nästa fas kommer att handla om vad man kan leverera ovanpå det – hanterade tjänster, AI-as-a-Service, allt som hjälper kunder att distribuera och skala mer enkelt.

Vi är i början av en stor transformation. AI-tekniken fortsätter att utvecklas, och alternativ som AMD blir allt mer trovärdiga. När detta sker kommer kunderna att bli mer bekväma med att distribuera dem i stor skala, och hela ekosystemet kommer att börja öppna upp och växa.

Tack för den underbara intervjun, alla som vill lära sig mer om detta innovativa AI-infrastrukturföretag bör besöka TensorWave.