Rebellions Raises $400M khi Cơ sở hạ tầng Trí tuệ nhân tạo Chuyển sang Triển khai có thể mở rộng, Được định giá 2,34 tỷ đô la

Rebellions đã thu được $400 triệu trong một vòng tài trợ trước IPO do Mirae Asset Financial Group và Korea National Growth Fund dẫn đầu. Vòng này đưa tổng tài trợ lên $850 triệu và định giá công ty khoảng $2,34 tỷ.

Sự tăng này diễn ra chỉ vài tháng sau khi $250 triệu Series C, nhấn mạnh sự nhanh chóng của việc luân chuyển vốn đến các công ty tập trung vào một trong những thách thức quan trọng nhất của AI: chạy mô hình hiệu quả trong môi trường sản xuất.

Đồng thời, công ty đã giới thiệu hai nền tảng cơ sở hạ tầng mới, RebelRack và RebelPOD, nhằm cung cấp hệ thống AI có thể triển khai đầy đủ cho sử dụng quy mô lớn trong thế giới thực.

Điều Kiện Hạn Chế Đã Chuyển Từ Huấn Luyện Sang Inference

Ngành công nghiệp AI đang bước vào giai đoạn mà khả năng của mô hình không còn là yếu tố hạn chế duy nhất. Thách thức đã chuyển sang inference, quá trình chạy mô hình trong sản xuất với quy mô.

Các tổ chức hiện đang phải đối mặt với các hạn chế thực tế như tiêu thụ năng lượng, phức tạp khi triển khai và hiệu quả về chi phí. Những yếu tố này đang trở nên quan trọng khi AI chuyển từ thử nghiệm sang hoạt động kinh doanh cốt lõi.

Rebellions đang định vị mình trực tiếp trong lớp này. Thay vì tập trung vào việc huấn luyện mô hình, công ty đang xây dựng cơ sở hạ tầng được thiết kế để làm cho AI có thể sử dụng, có thể mở rộng và có hiệu quả về mặt kinh tế trong môi trường thực tế.

Phương Pháp Full-Stack Đối Với Cơ Sở Hạ Tầng Inference

Tại lõi của nền tảng là Rebel100 NPU, một bộ tăng tốc dựa trên chiplet được xây dựng đặc biệt cho các tác vụ inference.

Không giống như GPU đa năng được tối ưu hóa cho việc huấn luyện, Rebel100 được thiết kế để cung cấp hiệu suất cao và độ trễ thấp khi chạy mô hình trong sản xuất. Sự nhấn mạnh là vào hiệu suất trên mỗi watt và hiệu quả về chi phí, cả hai đều đang trở nên quan trọng khi các tác vụ AI tăng quy mô.

Ngoài phần cứng, Rebellions đã phát triển một chồng phần mềm bản địa đám mây tích hợp với các khuôn khổ mã nguồn mở được sử dụng rộng rãi như PyTorch, vLLM, Triton và Hugging Face.

Phương pháp này cho phép các nhà phát triển triển khai mô hình mà không cần phải thích nghi với các hệ thống độc quyền, giảm ma sát và cho phép linh hoạt trên các môi trường khác nhau. Nền tảng được xây dựng trên Kubernetes và hỗ trợ inference phân tán, cho phép mở rộng các tác vụ trong khi duy trì trải nghiệm triển khai nhất quán.

Từ Chip Đến Hệ Thống Triển Khai Được

Với việc ra mắt RebelRack và RebelPOD, Rebellions đang mở rộng chiến lược của mình vượt ra ngoài các bộ tăng tốc riêng lẻ vào cơ sở hạ tầng tích hợp đầy đủ.

RebelRack được thiết kế như một đơn vị tính toán inference sẵn sàng cho sản xuất, trong khi RebelPOD kết nối nhiều giá đỡ thành một cụm có thể mở rộng cho các triển khai quy mô lớn.

Những hệ thống này kết hợp phần cứng và phần mềm vào cơ sở hạ tầng mô-đun có thể được triển khai và sao chép trên các trung tâm dữ liệu. Sự tập trung là vào việc cho phép các tổ chức chạy các tác vụ AI trong giới hạn năng lượng và cơ sở hạ tầng hiện có thay vì yêu cầu các cơ sở hoàn toàn mới.

Sự tối ưu hóa cấp hệ thống này phản ánh nhu cầu ngày càng tăng đối với các giải pháp có thể kéo dài tuổi thọ của các khoản đầu tư trung tâm dữ liệu hiện tại trong khi hỗ trợ các ứng dụng AI mới.

Mở Rộng Sang Thị Trường Toàn Cầu

Rebellions hiện đang đẩy nhanh quá trình mở rộng toàn cầu, với sự tập trung đặc biệt vào Hoa Kỳ.

Công ty đang nhắm vào các nhà cung cấp đám mây, nhà điều hành viễn thông và các sáng kiến AI được chính phủ hỗ trợ, tất cả đều đang ngày càng ưu tiên cơ sở hạ tầng hiệu quả và có thể triển khai.

Việc mở rộng này phù hợp với xu hướng rộng lớn hơn hướng tới AI chủ quyền, nơi các quốc gia và doanh nghiệp tìm kiếm quyền kiểm soát lớn hơn đối với các khả năng AI của họ thay vì phụ thuộc hoàn toàn vào các nhà cung cấp bên ngoài.

Sự Chuyển Đổi Hướng Đến Cơ Sở Hạ Tầng AI Có Khả Năng Mở Rộng

hệ sinh thái AI đang trải qua một sự thay đổi cấu trúc. Sự tập trung đang chuyển từ việc xây dựng các mô hình lớn hơn sang cách thức các mô hình đó được triển khai và chạy trong môi trường thực tế.

Huấn luyện vẫn tập trung trong một nhóm nhỏ các bên, nhưng việc áp dụng rộng rãi phụ thuộc vào inference, nơi các mô hình hoạt động liên tục để cung cấp năng lượng cho các ứng dụng và dịch vụ. Sự chuyển đổi này đặt ra tầm quan trọng mới đối với hiệu quả, chi phí, độ trễ và tiêu thụ năng lượng thay vì chỉ tính toán thô.

Cơ sở hạ tầng đang phát triển theo đó. Có nhu cầu ngày càng tăng đối với các hệ thống tích hợp vào các môi trường hiện có, hỗ trợ các khuôn khổ mở và mở rộng mà không cần phải thiết kế lại lớn. Các lớp phần mềm giúp đơn giản hóa việc triển khai và điều phối đang trở nên quan trọng không kém so với phần cứng cơ bản.

Những thay đổi này đang thay đổi lại sự cạnh tranh trên toàn ngành. Thành công ngày càng được định nghĩa bởi khả năng cung cấp các hệ thống đáng tin cậy, có thể mở rộng hoạt động dưới các hạn chế của thế giới thực, đồng thời mang lại cho các tổ chức sự linh hoạt và quyền kiểm soát cách thức AI được triển khai.