Rebellions 籌集 4 億美元，AI 基礎設施轉向可擴展部署，估值 23.4 億美元

Rebellions 已籌集了 4 億美元的 pre-IPO 資金，由 Mirae Asset Financial Group 和 Korea National Growth Fund 領投。這輪資金將公司的總資金增加到 8.5 億美元，估值約為 23.4 億美元。

這次籌資僅在 2.5 億美元的 C 輪籌資 之後不久，就凸顯了資本迅速流向專注於 AI 最重要挑戰之一的公司：在生產環境中高效運行模型。

同時，公司推出了兩個新的基礎設施平台，RebelRack 和 RebelPOD，旨在為大規模使用提供可完全部署的 AI 系統。

限制從訓練轉移到推理

AI 行業正在進入一個階段，模型能力不再是唯一的限制因素。挑戰已轉移到推理，即在生產環境中大規模運行模型的過程。

組織現在面臨著實際的限制，例如功耗、部署複雜性和成本效率。隨著 AI 從實驗轉向核心業務運營，這些因素變得至關重要。

Rebellions 正在直接定位在這一層。與其專注於訓練模型，公司正在建造基礎設施，以使 AI 在實際環境中可用、可擴展和經濟可行。

推理基礎設施的全棧式方法

平台的核心是 Rebel100 NPU，一種為推理工作負載專門設計的 chiplet 加速器。

與優化訓練的通用 GPU 不同，Rebel100 設計為在生產環境中運行模型時提供高效率和低延遲。重點是每瓦特的性能和成本效率，隨著 AI 工作負載的擴展，這兩個因素都變得至關重要。

除了硬件，Rebellions 還開發了一個與 PyTorch、vLLM、Triton 和 Hugging Face 等廣泛使用的開源框架集成的雲原生軟件棧。

這種方法允許開發人員在不需要適應專有系統的情況下部署模型，從而減少摩擦並在不同環境中提供靈活性。平台基於 Kubernetes，支持分佈式推理，使得可以在保持一致的部署體驗的情況下擴展工作負載。

從芯片到可部署系統

隨著 RebelRack 和 RebelPOD 的推出，Rebellions 正在將其戰略從單個加速器擴展到完全集成的基礎設施。

RebelRack 設計為生產就緒的推理計算單元，而 RebelPOD 則將多個機架連接到大規模部署的可擴展集群。

這些系統將硬件和軟件結合到模塊化的基礎設施中，可以在數據中心部署和複製。重點是使組織能夠在現有的功耗和基礎設施限制內運行 AI 工作負載，而不是需要完全新的設施。

這種系統級優化反映了對於可以延長現有數據中心投資壽命並支持新 AI驅動應用的解決方案的日益增长的需求。

擴展到全球市場

Rebellions 現在正在加速其全球擴張，特別注重美國市場。

公司正針對雲服務提供商、電信運營商和政府支持的 AI 項目，這些組織越來越優先考慮高效和可部署的基礎設施。

這次擴張符合一個更廣泛的趨勢，即主權 AI，各國和企業尋求對其 AI 能力的控制，而不是完全依賴外部提供商。

向可擴展 AI 基礎設施的轉變

AI 生態系統正在經歷結構性的轉變。重點正在從構建更大的模型轉向如何在實際環境中部署和運行模型。

訓練仍然集中在少數玩家中，但廣泛的採用取決於推理，即模型連續運行以驅動應用程序和服務。這種轉變使得效率、成本、延遲和功耗等因素比原始計算更重要。

基礎設施正在相應地演變。對於可以集成到現有環境、支持開放框架和在不需要重大重新設計的情況下擴展的系統的需求越來越大。簡化部署和編排的軟件層與底層硬件一樣重要。

這些變化正在重塑整個行業的競爭。成功越來越多地被定義為提供可靠、可擴展的系統的能力，這些系統在實際約束下表現良好，同时為組織提供了對 AI 部署的靈活性和控制。