广泛的AI采用受到内核开发的限制，内核是执行GPU和加速器上计算的专业低级例程（来源：内核维护者峰会）。这就是为什么我们在@Standard_Kernel的融资轮中处于领先地位，因为他们正在构建AI原生基础设施，以自动化内核优化。 每个新的模型架构可能需要数月的专业工程来优化这些性能关键的代码块。随着AI工作负载的激增和内核工程师的稀缺，公司在等待手动优化的同时，花费昂贵的计算资源在次优代码上。 Standard Kernel利用LLM和代理系统自动生成、测试和优化内核，将数月的工程转变为实时过程，适应新的硬件和架构。 我们相信联合创始人@anneouyang和@ChrisRinard带来了卓越的专业知识。他们在MIT一起担任软件系统性能工程的助教。Anne撰写了KernelBench，这是一个开源的斯坦福基准，用于LLM生成的GPU内核，Nvidia在其开发者博客评估中使用过。Chris则贡献了深厚的系统经验和经过验证的技术领导力。 欢迎加入GC Famiglia！