Široké přijetí umělé inteligence je omezeno vývojem jádra, specializovanými nízkoúrovňovými rutinami, které provádějí výpočty na GPU a akcelerátorech (Zdroj: Kernel Maintainers Summit). Proto vedeme kolo financování @Standard_Kernel, protože budují nativní infrastrukturu pro umělou inteligenci pro automatizaci optimalizace jádra. Každá nová architektura modelu může vyžadovat měsíce specializovaného inženýrství k optimalizaci těchto bloků kódu kritických pro výkon. S prudkým nárůstem pracovní zátěže umělé inteligence a nedostatkem inženýrů jádra společnosti vypalují drahé výpočetní prostředky na neoptimálním kódu a čekají na ruční optimalizace. Standardní jádro používá LLM a agentní systémy k automatickému generování, testování a optimalizaci jader, čímž transformuje měsíce inženýrství na procesy v reálném čase, které se přizpůsobují novému hardwaru a architekturám. Věříme, že spoluzakladatelé @anneouyang a @ChrisRinard přinášejí hvězdné odborné znalosti. Setkali se společně jako asistenti pedagoga pro Performance Engineering of Software Systems na MIT. Anne je autorkou KernelBench, open-source stanfordského benchmarku pro jádra GPU generovaná LLM, který Nvidia použila ve svých hodnoceních na blogu pro vývojáře. Chris přispívá hlubokými zkušenostmi se systémy a osvědčeným technickým vedením. Vítejte na GC Famiglia!