L'adozione diffusa dell'AI è limitata dallo sviluppo del kernel, le routine specializzate e a basso livello che eseguono calcoli su GPU e acceleratori (Fonte: Kernel Maintainers Summit). Ecco perché stiamo guidando il round di finanziamento di @Standard_Kernel mentre costruiscono un'infrastruttura nativa per l'AI per automatizzare l'ottimizzazione del kernel. Ogni nuova architettura di modello può richiedere mesi di ingegneria specializzata per ottimizzare questi blocchi di codice critici per le prestazioni. Con i carichi di lavoro dell'AI in esplosione e gli ingegneri del kernel scarsi, le aziende bruciano costosi calcoli su codice subottimale mentre aspettano ottimizzazioni manuali. Standard Kernel utilizza LLM e sistemi agenti per generare, testare e ottimizzare automaticamente i kernel, trasformando mesi di ingegneria in processi in tempo reale che si adattano a nuovo hardware e architetture. Crediamo che i co-fondatori @anneouyang e @ChrisRinard portino un'esperienza stellare. Si sono incontrati come assistenti alla didattica per l'Ingegneria delle Prestazioni dei Sistemi Software al MIT. Anne ha scritto KernelBench, un benchmark open-source di Stanford per i kernel GPU generati da LLM che Nvidia ha utilizzato nelle sue valutazioni sul blog per sviluppatori. Chris contribuisce con una profonda esperienza nei sistemi e una comprovata leadership tecnica. Benvenuti nella GC Famiglia!