廣泛的AI採用受到內核開發的限制，內核是執行GPU和加速器上計算的專業低級例程（來源：內核維護者峰會）。這就是為什麼我們在@Standard_Kernel的融資輪中處於領先地位，因為他們正在構建AI原生基礎設施，以自動化內核優化。 每個新的模型架構可能需要數月的專業工程來優化這些性能關鍵的代碼塊。隨著AI工作負載的激增和內核工程師的稀缺，公司在等待手動優化的同時，花費昂貴的計算資源在次優代碼上。 Standard Kernel利用LLM和代理系統自動生成、測試和優化內核，將數月的工程轉變為實時過程，適應新的硬件和架構。 我們相信聯合創始人@anneouyang和@ChrisRinard帶來了卓越的專業知識。他們在MIT一起擔任軟件系統性能工程的助教。Anne撰寫了KernelBench，這是一個開源的斯坦福基準，用於LLM生成的GPU內核，Nvidia在其開發者博客評估中使用過。Chris則貢獻了深厚的系統經驗和經過驗證的技術領導力。 歡迎加入GC Famiglia！