Широкое внедрение ИИ ограничено разработкой ядра, специализированными низкоуровневыми процедурами, которые выполняют вычисления на GPU и ускорителях (Источник: Саммит по поддержке ядра). Вот почему мы возглавляем раунд финансирования @Standard_Kernel, когда они создают инфраструктуру, ориентированную на ИИ, для автоматизации оптимизации ядра. Каждая новая архитектура модели может требовать месяцев специализированной инженерии для оптимизации этих критически важных кодовых блоков. С ростом нагрузки на ИИ и нехваткой инженеров по ядрам компании тратят дорогостоящие вычислительные ресурсы на неоптимальный код, ожидая ручной оптимизации. Standard Kernel использует LLM и агентные системы для автоматической генерации, тестирования и оптимизации ядер, превращая месяцы инженерии в процессы в реальном времени, которые адаптируются к новому оборудованию и архитектурам. Мы верим, что соучредители @anneouyang и @ChrisRinard обладают выдающейся экспертизой. Они встретились в качестве ассистентов преподавателя по производительности программных систем в MIT. Анна является автором KernelBench, открытого бенчмарка Стэнфорда для LLM-сгенерированных GPU ядер, который Nvidia использовала в своих оценках в блоге для разработчиков. Крис вносит глубокий системный опыт и проверенное техническое лидерство. Добро пожаловать в семью GC!