AI模型优化初创公司Deci融资2100万美元

总部位于以色列特拉维夫的Deci是一家开发机器学习模型优化平台的公司，今天宣布它在由 Insight Partners 领投的 A 轮融资中筹集了 2100 万美元，Square Peg、Emerge、Jibe Ventures、Samsung Next、Vintage 跟投Investment Partners 和 Fort Ross Ventures。首席执行官约纳坦·盖夫曼 (Yonatan Geifman) 表示，这项投资是在Deci 910 万美元种子轮融资一年后进行的，使公司的总资本筹集到 3010 万美元，并将用于通过扩大销售、营销和服务业务来支持增长。

人工智能的进步带来了创新，有可能改变跨行业的企业。但较长的开发周期和高昂的计算成本仍然是产品化道路上的障碍。根据麦肯锡最近的一项调查，只有 44% 的受访者表示在部署人工智能的业务部门采用人工智能可以节省成本。Gartner 预测——如果目前的趋势持续下去——80% 的人工智能项目将仍然是“炼金术”，由“[数据科学] 奇才”运营，他们的才能“不会在组织中扩展”。

Deci 由 Geifman、Ran El-Yaniv 和企业家 Jonathan Elial 于 2019 年共同创立。Geifman 和 El-Yaniv 在 Technion 的计算机科学系相识，Geifman 是该系的博士候选人，El-Yaniv 是教授。通过利用数据科学技术，该团队开发了产品，通过重新设计模型以最大限度地提高吞吐量，同时最大限度地减少延迟，从而在硬件上加速人工智能。

“我于 2019 年与 Ran El-Yaniv 教授和 Jonathan Elial 共同创立了 Deci，以应对上述挑战。凭借我们才华横溢的深度学习研究人员和工程师团队，我们开发了一种创新解决方案——利用 AI 本身来打造下一代 AI。通过利用算法优先的方法，我们专注于提高人工智能算法的功效，从而提供优于任何其他硬件或软件优化技术优势的模型，”盖夫曼通过电子邮件告诉 VentureBeat。

Deci 通过数据预处理和加载，自动选择模型架构和超参数(即影响模​​型预测的变量)，在云、边缘和移动设备上实现运行时加速。该平台还处理部署​​、服务和监控、持续跟踪模型以及提供建议以帮助客户迁移到更具成本效益的服务等步骤。

该公司在其网站上写道：“Deci 的平台为现有深度学习模型提供了显着的性能提升，同时保持其准确性。”“它设计深度模型以更有效地使用它们运行的​​硬件平台，无论是 CPU、GPU、FPGA 还是专用 ASIC 加速器。... 加速器是一种依赖于数据的算法解决方案，可与其他已知的压缩技术(例如修剪和量化)协同工作。事实上，加速器充当互补加速解决方案的乘法器，例如 AI 编译器和专用硬件。”

奥特纳克

机器学习部署历来受到算法的大小和速度以及对昂贵硬件的需求的限制。事实上，麻省理工学院的一份报告发现机器学习可能正在接近计算极限。另一项Synced研究估计，华盛顿大学的Grover 假新闻检测模型在大约两周内的训练成本为 25,000 美元，而谷歌估计花费了 6,912 美元来训练BERT。

Deci 的解决方案是一个引擎——自动神经架构构建，或 AutoNAC——它重新设计模型以创建具有多个计算路线的新模型，并针对推理设备和数据集进行了优化。每条路线都有专门的预测任务，Deci 的路由器组件确保每个数据输入都通过正确的路线进行定向。

“[O] 你的 AutoNAC 技术是第一个商业上可行的神经架构搜索 (NAS)，最近发现了 DeciNets，这是一个行业领先的计算机视觉模型系列，它只利用了谷歌规模的 NAS 技术，后者已被用于发现 EfficientNet 等知名且强大的神经架构，”Geifman 说。“这样的模型赋予开发人员将他们的想法转化为革命性产品所需的能力。”

拥有 30 名员工的公司 Deci 最近宣布与英特尔进行战略合作，以优化芯片制造商 CPU 上的 AI 推理。除了英特尔，这家初创公司表示，自动驾驶汽车、制造、通信、视频和图像编辑以及医疗保健领域的“许多”公司都采用了 Deci 平台。

“Deci 的成立是为了帮助企业最大限度地发挥其基于人工智能的解决方案的潜力。正在利用人工智能的企业面临着向上的斗争，因为研究表明，只有 53% 的人工智能项目能够从原型到生产，”盖夫曼说。“这个问题在很大程度上可以归因于难以驾驭繁琐的深度学习生命周期，因为新功能和用例受到硬件可用性有限、模型缓慢和无效、开发周期浪费时间以及财务障碍的阻碍。简而言之，人工智能开发人员需要更好的工具来检查和解决算法本身;否则，他们将继续陷入困境。”

Deci 与OctoML竞争，OctoML是一家同样声称使用专有工具和流程自动化机器学习优化的初创公司。其他竞争对手包括DeepCube、Neural Magic和DarwinAI，它们使用所谓的“生成合成”来摄取模型并输出高度优化的版本。