人工智能初创公司OmniML完成千万美元融资 - 安防知识网 - 资讯

人工智能初创公司OmniML宣布获得1000万美元种子资金，以加速AI在边缘设备上的使用。

2022年3月29日，人工智能初创公司OmniML宣布获得1000万美元种子资金，以加速AI在边缘设备上的使用。本轮融资由GGV Capital领投，Qualcomm Ventures、Foothill Ventures和其他几家风险投资公司跟投。

加速边缘设备AI计算

「做技术类的startup，应该有深厚的技术积累，应该致力于解决一个很痛的痛点，而不是成为一个补充营养的维生素。其次，做的东西要独一无二，带来数量级的提升而不只是小改进，可以明显区别于其他产品。另外，对于AI Researcher来说一个综合的团队很重要。在企业中，仅仅依靠技术是不够的，市场落地同样重要。」这是OmniML创始人之一、MIT EECS助理教授韩松早前接受媒体采访时的一段话。

官网资料显示，OmniML成立于2021年，总部位于加利福尼亚州，旨在为边缘设备放大和启用强大的机器学习功能。OmniML通过创建深度学习模型来弥合AI应用程序与边缘上的各种设备之间的差距，从而提高AI的速度、准确性和效率。

目前，人工智能技术虽然已经在所有可以想象的领域改善我们的生活，但是针对日益多样化的边缘硬件，至今没有一个高效的功能模型设计的AI解决方案。因此，模型部署需要重复的手动设计和训练迭代，花费大量的资源和时间。

OmniML核心产品是一个模型设计平台，可自动针对GPU、AI SoC甚至微型MCU进行模型协同设计、训练和部署。

「对于每个ML应用程序，我们提供了一组量身定制的模型架构和运行时库，以便在边缘设备上高效执行。给定目标硬件设备，我们的平台探索不同组合的广阔空间，然后进行搜索以获得每个设备的最佳设计，而无需重复训练。通过我们的协同设计方法，部署的模型将在速度和内存占用减少方面有数量级的提高，而不会牺牲太多的准确性。」

OmniML通过弥合人工智能应用程序与它们对硬件的高要求之间的差距，以加速人工智能在边缘设备上的部署——尤其是计算机视觉。由于开发人员不再需要针对特定芯片和设备手动优化ML模型，OmniML能够使ML任务在不同边缘设备上的速度提高10倍，而工程工作量仅为1/10，不仅大幅提高模型性能，而且显著降低企业成本。

据悉，OmniML正在与智能相机和自动驾驶等领域的客户合作，创建支持人工智能的高级计算机视觉，以提高安全性和实时态势感知能力。