L'adoption généralisée de l'IA est limitée par le développement de noyaux, les routines spécialisées et de bas niveau qui exécutent des calculs sur des GPU et des accélérateurs (Source : Kernel Maintainers Summit). C'est pourquoi nous menons le tour de financement de @Standard_Kernel alors qu'ils construisent une infrastructure native à l'IA pour automatiser l'optimisation des noyaux. Chaque nouvelle architecture de modèle peut nécessiter des mois d'ingénierie spécialisée pour optimiser ces blocs de code critiques pour la performance. Avec l'explosion des charges de travail en IA et la rareté des ingénieurs en noyaux, les entreprises gaspillent des ressources de calcul coûteuses sur du code suboptimal en attendant des optimisations manuelles. Standard Kernel utilise des LLM et des systèmes d'agents pour générer, tester et optimiser automatiquement des noyaux, transformant des mois d'ingénierie en processus en temps réel qui s'adaptent à nouveau matériel et architectures. Nous croyons que les co-fondateurs @anneouyang et @ChrisRinard apportent une expertise exceptionnelle. Ils se sont rencontrés en tant qu'assistants d'enseignement pour l'ingénierie de la performance des systèmes logiciels au MIT. Anne a écrit KernelBench, un benchmark open-source de Stanford pour les noyaux GPU générés par LLM que Nvidia a utilisé dans ses évaluations de blog pour développeurs. Chris apporte une expérience approfondie des systèmes et un leadership technique éprouvé. Bienvenue dans la famille GC !