Tekoälyn laajaa käyttöönottoa rajoittaa ytimen kehittäminen, erikoistuneet, matalan tason rutiinit, jotka suorittavat laskelmia GPU:illa ja kiihdyttimillä (Lähde: Kernel Maintainers Summit). Siksi johdamme @Standard_Kernel rahoituskierrosta, kun he rakentavat tekoälynatiivia infrastruktuuria ytimen optimoinnin automatisoimiseksi. Jokainen uusi malliarkkitehtuuri voi vaatia kuukausien erikoistunutta suunnittelua näiden suorituskykykriittisten koodilohkojen optimoimiseksi. Kun tekoälyn työkuormat kasvavat räjähdysmäisesti ja ytimen insinöörit ovat vähissä, yritykset polttavat kalliita laskentoja epäoptimaalisella koodilla odottaessaan manuaalisia optimointeja. Standard Kernel käyttää LLM:iä ja agenttijärjestelmiä ytimien automaattiseen luomiseen, testaamiseen ja optimointiin, mikä muuttaa kuukausien suunnittelun reaaliaikaisiksi prosesseiksi, jotka mukautuvat uusiin laitteistoihin ja arkkitehtuureihin. Uskomme, että perustajat @anneouyang ja @ChrisRinard tuovat mukanaan loistavaa asiantuntemusta. He tapasivat yhdessä MIT:n ohjelmistojärjestelmien suorituskykytekniikan opetusassistentteina. Anne kirjoitti KernelBenchin, avoimen lähdekoodin Stanfordin vertailuarvon LLM:n luomille GPU-ytimille, jota Nvidia on käyttänyt kehittäjäblogien arvioinneissaan. Chris tuo mukanaan syvällistä järjestelmäkokemusta ja todistettua teknistä johtajuutta. Tervetuloa GC Famigliaan!