Фінансування
Daisytuner залучила €6 млн посівних інвестицій для розвитку Daisyflow і компіляторних технологій

Ключові моментиDaisyflow зберігає запити моделей і вихідні дані всередині інфраструктури клієнта, а не…
Показати більше
- Daisyflow зберігає запити моделей і вихідні дані всередині інфраструктури клієнта, а не в хмарі постачальника.
- Компілятор docc перевіряє кожну оптимізацію на коректність, перш ніж додати доведені рецепти до своєї бази даних.
- Daisytuner має поширити свій ранній результат продуктивності на AMD на більше типів моделей і постачальників прискорювачів.
Daisytuner оголосила 16 листопада 2026 року про залучення €6 млн посівних інвестицій і випуск Daisyflow — рушія інференсу ШІ, який обслуговує моделі у власній інфраструктурі клієнтів і адаптує їхнє виконання до різного апаратного забезпечення.
Раунд спільно очолили Elaia і LEA Ventures, до нього також долучилися Amadeus APEX Technology Fund і Seedcamp. Daisytuner повідомила, що спрямує залучені кошти на впровадження Daisyflow у більшій кількості підприємств, розширення команди та розвиток компіляторних технологій.
За даними Daisytuner, перші результати показують, що Qwen 2.5 працює на графічних процесорах AMD Instinct до 18% швидше за vLLM. Цей результат надає запуску конкретний показник продуктивності, оскільки компанія представляє Daisyflow як рішення для ширшого спектра категорій моделей і постачальників прискорювачів.
Автоматизація компіляції в основі Daisyflow
В основі технології лежить docc — компілятор Daisytuner із відкритим вихідним кодом. Він перетворює PyTorch, NumPy і C/C++ на проміжне подання потоків даних — формат, який чітко описує переміщення даних, паралельні обчислення та обчислювальні операції, — а потім генерує машинний код для платформ CUDA від NVIDIA та ROCm від AMD, а також для нових архітектур. Це допомагає впоратися з ручною оптимізацією продуктивності, яка може знадобитися, коли нова модель або чип порушує роботу наявних оптимізацій.
Агенти ШІ шукають способи оптимізації та перевіряють їх на реальному обладнанні. Перед використанням docc перевіряє коректність кожної оптимізації, а перевірені рецепти додаються до бази даних продуктивності. Під час подальшої компіляції компілятор може зіставляти ці рецепти зі схожим кодом, завдяки чому знання, отримані під час попередніх робочих навантажень, допомагають у нових завданнях з оптимізації.
Розміщена на хостингу платформа Daisytuner перетворює цей процес на робочий цикл розробника з безперервним тестуванням продуктивності під час надсилання змін до GitHub, редактором оптимізацій у браузері та базою даних продуктивності. Користувачі можуть переглядати вузькі місця, виміряні на реальному обладнанні, створювати рецепти оптимізації та надсилати результати у вигляді запитів на злиття. Daisyflow розвиває цей рівень оптимізації, додаючи обслуговування моделей у виробничому середовищі.
Репозиторій docc публікує компілятор за новою ліцензією BSD. У таблиці сумісності зазначено підтримку Linux для інтерфейсів C/C++, Python і PyTorch із бекендами OpenMP, CUDA та ROCm. Інтерфейс PyTorch підтримує лише інференс, а не навчання.
Розгортання під контролем клієнта
Daisyflow обслуговує мовні моделі, моделі комп’ютерного зору, мовлення та рекомендацій. Рівень інференсу спрямовує запити до моделей, об’єднує їх у пакети й планує виконання завдань для ефективного використання обладнання, а також координує багатоетапні робочі процеси й процеси за участю агентів. Застосунки підключаються через стандартні API; для мовних моделей передбачено сумісність з OpenAI, а також доступний готовий до використання чат-інтерфейс.
На сторінці продукту Daisyflow зазначено, що його можна розгорнути локально, у дата-центрі клієнта або в приватній хмарі; серед варіантів прискорювачів — NVIDIA, AMD, Intel і Tenstorrent. Запити, дані та результати залишаються в інфраструктурі клієнта. Daisytuner оцінює робочі навантаження, обладнання та витрати, встановлює систему, адаптує моделі до вибраних прискорювачів і продовжує брати участь в експлуатації та налаштуванні.
Daisytuner орієнтується на постачальників хмарних послуг зі змішаними парками обладнання, підприємства, які прагнуть контролювати дані та виконання завдань, а також виробників обладнання, зацікавлених у швидшій інтеграції у виробничі середовища. Модель розгортання поєднує ці аудиторії: клієнти обирають інфраструктуру або володіють нею, а Daisytuner надає рівні оптимізації та обслуговування моделей і співпрацює з ними в питаннях експлуатації.
Фінансування підтримує обидва напрями цієї пропозиції: ширше впровадження в підприємствах і компіляторну систему, покликану зменшити обсяг ручної інтеграції з появою нових моделей і чипів. Головний виклик — масштабування: потрібно поширити ранній результат щодо продуктивності на AMD на різні типи моделей, виробників прискорювачів і середовища клієнтів, для яких призначена Daisyflow.












