屢破世界紀錄！UC伯克利博士初創(chuàng)AI公司，又獲數億融資
“站在風口上，啥都能飛起來”。
前段時間，UC伯克利博士、新加坡國立大學校長青年教授尤洋剛剛率領團隊斬獲AAAI 2023杰出論文獎，名震AI圈。時隔不到3個月，尤洋又一次引起AI界矚目。這一次是因為他的創(chuàng)業(yè)公司。
5月22日，尤洋創(chuàng)立的潞晨科技宣布完成A輪融資，金額高達數億元。
據公司介紹，本輪融資是潞晨科技成立18個月內完成的第三輪融資，此次融資資金將主要用于團隊擴張和業(yè)務拓展。
尤洋——久負盛名，成績斐然
尤洋的出名源自他攻讀UC伯克利計算機博士的一篇論文，189 頁的論文旨在縮小高性能計算（HPC）和機器學習（ML）之間的差距。
早在研究生期間，他就以第一作者身份獲得2015年國際并行與分布式處理大會（IPDPS）的最佳論文。
尤洋
在2015年以計算機系第一名的成績從清華大學畢業(yè)后，尤洋前往美國加州伯克利大學攻讀博士學位，師從美國科學院學院與工程院院士、ACM／IEEE Fellow James Demmel教授。而后者也是潞晨科技首席戰(zhàn)略官。
James Demmel教授
真正讓尤洋在AI業(yè)內享負盛名的是他提出的一系列AI訓練方法。
博士期間，尤洋的主要研究方向是高性能計算與機器學習的交叉領域，研究重點為大規(guī)模深度學習訓練算法的分布式優(yōu)化。
后來，他和他的團隊先是打破了ImageNet訓練速度的世界記錄，后又以第一作者發(fā)表論文《Imagenet training in minutes》，獲國際并行處理大會（ICPP）最佳論文獎。
在其論文中提出的LARS優(yōu)化器再次刷新了ImageNet訓練速度的世界紀錄，將 AlexNet模型的訓練時間壓縮到24分鐘。到這還遠沒結束。一年之后，他在谷歌實習期間，又作為一作提出了LAMB優(yōu)化器，成功將BERT的預訓練時間，從原本的三天三夜縮短至76分鐘。
LAMB的卓越性能使其成為機器學習領域的主流優(yōu)化器，并陸續(xù)被谷歌，微軟，英特爾，英偉達等科技巨頭廣泛應用。
LAMB優(yōu)化器的性能
后面尤洋成為新加坡國立大學計算機系首位擔任校長青年教授（Presidential Young Professor）的華人
一路而來，尤洋在AI領域創(chuàng)造了豐碩成果和矚目戰(zhàn)績。在2021年7月，他帶著這些成就回國創(chuàng)立了潞晨科技。
以解放AI生產力為使命
2021年7月尤洋回國創(chuàng)立潞晨科技，9月份就作為首位來自中國企業(yè)的獲獎者榮獲超算領域高性能專委會杰出新人獎。
而在2021年8月份，潞晨科技獲得由創(chuàng)新工場和真格基金合投的超千萬元種子輪融資；2022年9月，又獲得藍馳創(chuàng)投領投的600萬美元天使輪融資；2023年5月宣布完成數億A輪融資，本輪融資是潞晨科技成立18個月內完成的第三輪融資，此次融資資金將主要用于團隊擴張和業(yè)務拓展。
AI熱潮的來臨，讓全球的資本市場都開始關注AI領域產業(yè)。既有對沖基金巨鱷全力押注AI“領頭羊”企業(yè)，又有知名資本青睞AI新秀。
在這一眾備受矚目的AI產業(yè)中，陸續(xù)出現一批大模型解決方案供應商。因為包括微軟、亞馬遜、谷歌在內的巨頭都知道，生成式AI能力“涌現”的背后，是恐怖算力的支撐。
起初的算力可以靠“堆料”實現。但隨著數量增加，邊際效應遞減加快，只堆數量費用又高，效率又低。而且這個算力支出，就算對巨頭來說也是一筆不能忽視的負擔。
這個時候，就需要優(yōu)化技術。
而潞晨科技Colossal－AI和對應的企業(yè)版PaaS平臺，其愿景就是幫客戶達成最小化模型部署成本、最大化計算效率的效果。
他們這對大模型訓練中稀缺的內存資源試圖進行科學管理，對GPU、CPU、NVME等異構資源進行動態(tài)管理。
尤洋表示，“我們希望數據都能放到GPU里。但是如果GPU放不下了就放CPU里，CPU放不下就放NVMe里，但同時我們需要最小化CPU、GPU、NVMe之間的數據移動，這是最重要的”。
此外還有高效N維并行系統、高維張量并行、低延時推理系統等解決方案來幫助企業(yè)解決在大模型訓練中遇到的資源損耗問題。
Colossal－AI GitHub星數
目前這些系統均匯聚在公司的PaaS平臺中，開源版本Colossal－AI目前也已獲得約3萬顆GitHub星星。在具體服務方式上，尤洋表示，目前客戶可以通過潞晨的PaaS平臺直接訓練自己的模型，潞晨也可以幫助客戶訓練模型。
尤洋對潞晨科技的目標概括為“以解放AI生產力為使命”，輕飄飄的一句話背后是他和團隊這么多年以來的努力。
經過一段時間的野蠻生長，AI大模型開始進入了實用和落地的階段。衡量一個大模型的優(yōu)劣，也不再單純的只是參數、token、多模態(tài)等等。成本，永遠都是實際生產中最重要的指標。
差異化競爭一直是必要的�？梢灶A見，像潞晨科技這樣的AI企業(yè)將會越來越多。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
