La adopción generalizada de la IA está limitada por el desarrollo de kernels, las rutinas especializadas de bajo nivel que ejecutan cálculos en GPUs y aceleradores (Fuente: Cumbre de Mantenedores de Kernels). Por eso estamos liderando la ronda de financiación de @Standard_Kernel mientras construyen infraestructura nativa de IA para automatizar la optimización de kernels. Cada nueva arquitectura de modelo puede requerir meses de ingeniería especializada para optimizar estos bloques de código críticos para el rendimiento. Con la explosión de cargas de trabajo de IA y la escasez de ingenieros de kernels, las empresas queman costosos recursos de computación en código subóptimo mientras esperan optimizaciones manuales. Standard Kernel utiliza LLMs y sistemas de agentes para generar, probar y optimizar automáticamente kernels, transformando meses de ingeniería en procesos en tiempo real que se adaptan a nuevo hardware y arquitecturas. Creemos que los cofundadores @anneouyang y @ChrisRinard aportan una experiencia estelar. Se conocieron como asistentes de enseñanza para Ingeniería de Rendimiento de Sistemas de Software en MIT. Anne es autora de KernelBench, un benchmark de código abierto de Stanford para kernels de GPU generados por LLM que Nvidia ha utilizado en sus evaluaciones de blogs para desarrolladores. Chris contribuye con una profunda experiencia en sistemas y un liderazgo técnico comprobado. ¡Bienvenido a la familia GC!