OctoML, una startup con sede en Seattle que ofrece una plataforma de aceleración de aprendizaje automático construida sobre el proyecto de marco del compilador Apache TVM de código abierto, anunció hoy que ha recaudado una ronda de financiación de la Serie B de $ 28 millones liderada por Addition. Inversores anteriores Madrona Venture Group y Amplify Partners también participaron en esta ronda, lo que eleva la financiación total de la empresa a 47 millones de dólares. La compañía recaudó por última vez en abril de 2020, cuando anunció su ronda Serie A de $ 15 millones liderada por Amplify.
La promesa de OctoML, que fue fundada por el equipo que también creó TVM, es que los desarrolladores pueden llevar sus modelos a su plataforma y el servicio optimizará automáticamente el rendimiento de ese modelo para cualquier nube o dispositivo de borde.
Como me dijo el cofundador y CEO de OctoML nacido en Brasil, Luis Ceze, desde que planteó su ronda Serie A, la compañía comenzó a incorporar algunos de los primeros en adoptar su plataforma SaaS ‘Octomizer’.
Créditos de imagen: OctoML
“Todavía está en acceso temprano, pero tenemos cerca de 1,000 suscripciones de acceso temprano en la lista de espera”, dijo Ceze. “Esa fue una señal bastante fuerte para que terminemos tomando esta [funding]. La Serie B fue preventiva. Estábamos planeando comenzar a recaudar dinero ahora mismo. Apenas habíamos empezado a gastar nuestro dinero de la Serie A, todavía nos quedaba mucho de eso. Pero desde que vimos este crecimiento y teníamos más clientes que pagaban de lo que anticipamos, hubo muchas señales como, ‘oye, ahora podemos acelerar la maquinaria de lanzamiento al mercado, construir un equipo de éxito del cliente y continuar expandiendo el equipo de ingeniería’. para crear nuevas funciones “.
Ceze me dice que el equipo también vio fuertes señales de crecimiento en la comunidad en general en torno al proyecto TVM (con alrededor de 1,000 personas que asistieron a su conferencia virtual el año pasado). En cuanto a su base de clientes (y empresas en su lista de espera), Ceze dice que representa una amplia gama de verticales que van desde contratistas de defensa hasta empresas de servicios financieros y ciencias de la vida, empresas automotrices y nuevas empresas en una variedad de campos.
Recientemente, OctoML también lanzó soporte para el chip Apple M1, y obtuvo un muy buen rendimiento de eso.
La compañía también ha formado alianzas con pesos pesados de la industria como Microsoft (que también es un cliente), Qualcomm y AMD para desarrollar los componentes de código abierto y optimizar su servicio para una gama aún más amplia de modelos (y también más grandes).
Por el lado de la ingeniería, Ceze me dice que el equipo está buscando no solo optimizar y ajustar los modelos, sino también el proceso de capacitación. La capacitación de modelos de ML puede volverse costosa rápidamente y cualquier servicio que pueda acelerar ese proceso genera ahorros directos para sus usuarios, lo que a su vez hace que OctoML sea más fácil de vender. El plan aquí, me dice Ceze, es ofrecer una solución de extremo a extremo donde las personas puedan optimizar su entrenamiento de ML y los modelos resultantes y luego enviar sus modelos a su plataforma preferida. En este momento, sus usuarios todavía tienen que tomar el artefacto que crea el Octomizer e implementarlo ellos mismos, pero el soporte de implementación está en la hoja de ruta de OctoML.
“Cuando conocimos a Luis y al equipo de OctoML, sabíamos que estaban preparados para transformar la forma en que los equipos de ML implementan sus modelos de aprendizaje automático”, dijo Lee Fixel, fundador de Addition. “Tienen la visión, el talento y la tecnología para impulsar la transformación del aprendizaje automático en todas las empresas importantes. Lanzaron Octomizer hace seis meses y ya se está convirtiendo en la solución de referencia que utilizan los desarrolladores de soluciones y los científicos de datos para maximizar el rendimiento del modelo ML. Esperamos respaldar el crecimiento continuo de la empresa “.
Source link