Rebellions เพิ่มทุน 400 ล้านดอลลาร์ เนื่องจากโครงสร้างพื้นฐาน AI มีการเปลี่ยนแปลงไปสู่การนำไปใช้งานที่มีการปรับขนาด มีมูลค่าประมาณ 2.34 พันล้านดอลลาร์

Rebellions ได้เพิ่มทุน 400 ล้านดอลลาร์ ในรอบการระดมทุนก่อนการเสนอขายหุ้นแก่ประชาชนทั่วไป (pre-IPO) ซึ่งนำโดย Mirae Asset Financial Group และ Korea National Growth Fund การระดมทุนครั้งนี้ทำให้ยอดการระดมทุนทั้งหมดอยู่ที่ 850 ล้านดอลลาร์ และมีมูลค่าประมาณ 2.34 พันล้านดอลลาร์

การระดมทุนครั้งนี้เกิดขึ้นเพียงไม่กี่เดือนหลังจากที่ 250 ล้านดอลลาร์ Series C ซึ่งเน้นย้ำถึงความเร็วในการไหลของทุนต่อ Unternehmen ที่มุ่งเน้นไปที่ความท้าทายที่สำคัญที่สุดของ AI: การทำงานของโมเดลอย่างมีประสิทธิภาพในสภาพแวดล้อมการผลิต

ในเวลาเดียวกัน บริษัทได้เปิดตัวสองแพลตฟอร์มโครงสร้างพื้นฐานใหม่ RebelRack และ RebelPOD ซึ่งมีเป้าหมายในการส่งมอบระบบ AI ที่สามารถนำไปใช้งานได้อย่างเต็มที่สำหรับการใช้งานขนาดใหญ่ในโลกแห่งความเป็นจริง

การเปลี่ยนแปลงจากการฝึกอบรมไปสู่การอนุมาน

อุตสาหกรรม AI กำลังเข้าสู่ช่วงเวลาที่ความสามารถของโมเดลไม่ใช่ปัจจัยจำกัดเพียงอย่างเดียว ความท้าทายได้เปลี่ยนไปสู่การอนุมาน ซึ่งเป็นกระบวนการทำงานของโมเดลในสภาพแวดล้อมการผลิต

องค์กรต่างๆ กำลังเผชิญกับความท้าทายเชิงปฏิบัติ เช่น การบริโภคพลังงาน ความซับซ้อนของการนำไปใช้งาน และความมีประสิทธิภาพในด้านต้นทุน ปัจจัยเหล่านี้มีความสำคัญมากขึ้นเมื่อ AI เปลี่ยนจากการทดลองไปสู่การดำเนินงานหลักของธุรกิจ

Rebellions กำลังจัดตำแหน่งตัวเองโดยตรงในชั้นนี้ แทนที่จะมุ่งเน้นไปที่การฝึกอบรมโมเดล บริษัทกำลังสร้างโครงสร้างพื้นฐานที่ออกแบบมาเพื่อทำให้ AI ใช้งานได้ มีการปรับขนาด และมีความคุ้มค่าในโลกแห่งความเป็นจริง

การเข้าถึงโครงสร้างพื้นฐานการอนุมานแบบเต็มรูปแบบ

ที่核心ของแพลตฟอร์มคือ Rebel100 NPU ซึ่งเป็นตัวเร่งการทำงานแบบชิปเล็ตที่สร้างขึ้นโดยเฉพาะสำหรับการทำงานของการอนุมาน

ไม่เหมือนกับ GPU ทั่วไปที่ได้รับการปรับให้เหมาะสมสำหรับการฝึกอบรม Rebel100 ได้รับการออกแบบมาเพื่อมอบประสิทธิภาพสูงและความล่าช้าที่ต่ำเมื่อทำงานของโมเดลในสภาพแวดล้อมการผลิต การเน้นย้ำถึงประสิทธิภาพต่อวัตต์และความมีประสิทธิภาพในด้านต้นทุน ซึ่งทั้งสองอย่างนี้มีความสำคัญมากขึ้นเมื่อ AI มีการปรับขนาด

นอกเหนือจากฮาร์ดแวร์ Rebellions ได้พัฒนาซอฟต์แวร์แบบคลาวด์-เนทีฟที่รวมเข้ากับเฟรมเวิร์กโอเพ่นซอร์สที่ใช้กันอย่างแพร่หลาย เช่น PyTorch, vLLM, Triton และ Hugging Face

การเข้าถึงนี้ช่วยให้นักพัฒนาสามารถนำไปใช้งานโมเดลได้โดยไม่ต้องปรับให้เข้ากับระบบที่เป็นกรรมสิทธิ์ ลดความซับซ้อนและเพิ่มความยืดหยุ่นในการใช้งานในสภาพแวดล้อมที่แตกต่างกัน แพลตฟอร์มถูกสร้างขึ้นบน Kubernetes และรองรับการอนุมานแบบกระจาย ทำให้สามารถปรับขนาดการทำงานได้ในขณะที่รักษาความสม่ำเสมอของประสบการณ์การนำไปใช้งาน

จากชิปไปสู่ระบบที่สามารถนำไปใช้งานได้

ด้วยการเปิดตัว RebelRack และ RebelPOD Rebellions กำลังขยายกลยุทธ์ของตนไปไกลกว่าเครื่องเร่งการทำงานแต่ละตัวสู่โครงสร้างพื้นฐานที่สมบูรณ์

RebelRack ได้รับการออกแบบมาเป็นหน่วยการคำนวณการอนุมานที่พร้อมสำหรับการผลิต ในขณะที่ RebelPOD เชื่อมต่อหลายยูนิตเข้าด้วยกันเพื่อสร้างคลัสเตอร์ที่สามารถปรับขนาดสำหรับการนำไปใช้งานขนาดใหญ่

ระบบเหล่านี้รวมฮาร์ดแวร์และซอฟต์แวร์เข้าด้วยกันเป็นโครงสร้างพื้นฐานแบบโมดูลาร์ที่สามารถนำไปใช้งานและทำซ้ำได้ข้ามศูนย์ข้อมูล จุดเน้นคือการทำให้องค์กรสามารถทำงาน AI ภายใต้ข้อจำกัดด้านพลังงานและโครงสร้างพื้นฐานที่มีอยู่ แทนที่จะต้องสร้างสิ่งอำนวยความสะดวกใหม่ทั้งหมด

การปรับให้เหมาะสมของระบบนี้สะท้อนถึงความต้องการที่เพิ่มขึ้นสำหรับโซลูชันที่สามารถขยายอายุการใช้งานของการลงทุนศูนย์ข้อมูลที่มีอยู่ในขณะเดียวกันก็รองรับการใช้งาน AI ใหม่ๆ

การขยายสู่ตลาดโลก

Rebellions กำลังเร่งการขยายตัวไปทั่วโลก โดยมุ่งเน้นไปที่สหรัฐอเมริกาเป็นพิเศษ

บริษัทกำลังกำหนดเป้าหมายไปที่ผู้ให้บริการคลาวด์ ผู้ให้บริการโทรคมนาคม และโครงการ AI ที่ได้รับการสนับสนุนจากรัฐบาล ซึ่งทั้งหมดนี้ให้ความสำคัญกับโครงสร้างพื้นฐานที่มีประสิทธิภาพและสามารถนำไปใช้งานได้มากขึ้น

การขยายตัวนี้สอดคล้องกับแนวโน้มที่กว้างขึ้นในการเปลี่ยนแปลงไปสู่ AI ที่มีการควบคุมโดยอธิปไตย โดยที่ประเทศและองค์กรต่างๆ ต้องการควบคุมความสามารถ AI ของตนเองมากกว่าการพึ่งพาผู้ให้บริการภายนอกทั้งหมด

การเปลี่ยนแปลงไปสู่โครงสร้างพื้นฐาน AI ที่มีการปรับขนาด

ระบบนิเวศของ AI กำลังผ่านการเปลี่ยนแปลงเชิงโครงสร้าง ความสนใจกำลังเปลี่ยนจากการจัดสร้างโมเดลที่ใหญ่ขึ้นไปสู่วิธีการนำไปใช้งานและทำงานของโมเดลในสภาพแวดล้อมที่แท้จริง

การฝึกอบรมยังคงมีการกระจุกตัวอยู่ในกลุ่มผู้เล่นที่เล็ก แต่การนำไปใช้งานอย่างกว้างขวางขึ้นอยู่กับการอนุมาน โดยที่โมเดลทำงานอย่างต่อเนื่องเพื่อขับเคลื่อนแอปพลิเคชันและบริการ ความเปลี่ยนแปลงนี้ทำให้ความสำคัญของประสิทธิภาพ ต้นทุน ความล่าช้า และการบริโภคพลังงานเพิ่มขึ้น มากกว่าการคำนวณดิบเพียงอย่างเดียว

โครงสร้างพื้นฐานกำลังพัฒนาไปตามนั้น มีความต้องการที่เพิ่มขึ้นสำหรับระบบที่รวมเข้ากับสภาพแวดล้อมที่มีอยู่ รองรับเฟรมเวิร์กที่เปิดกว้าง และปรับขนาดได้โดยไม่ต้องออกแบบใหม่ ซอฟต์แวร์ระดับที่ทำให้การนำไปใช้งานและจัดการง่ายขึ้นกำลังจะกลายเป็นสิ่งสำคัญไม่แพ้ฮาร์ดแวร์ใต้พื้นผิว

การเปลี่ยนแปลงเหล่านี้กำลังเปลี่ยนแปลงการแข่งขันในอุตสาหกรรม ความสำเร็จถูกกำหนดโดยความสามารถในการส่งมอบระบบที่เชื่อถือได้ มีการปรับขนาด และทำงานภายใต้ข้อจำกัดของโลกแห่งความเป็นจริง ในขณะเดียวกันก็ให้ความยืดหยุ่นและควบคุมวิธีการนำไปใช้งาน AI ให้กับองค์กร