AI驱动GPU工作性能优化的CoreWeave融资11亿美元，估值达到190亿美元
近日，据海外媒体报道，人工智能驱动的云服务厂商CoreWeave宣布已完成11亿美元的C轮融资，公司的估值也达到了190亿美元。这也比去年的70亿美元估值高出不少。此轮融资由Fidelity Management领投，其他投资者包括Coatue、Lykos Global Management、Altimeter Capital和Magnetar。
CoreWeave是一家为显卡工作提供负载优化的云平台，可以访问大约十几个不同的英伟达（Nvidia）GPU（图形处理单元）。它主要针对两个用例：人工智能和图形渲染。CoreWeave公司声称，其平台允许客户比现有的公有云更经济高效地运行工作负载，并且具有更好的性能。CoreWeave提供的一些GPU，如H100，是专门为人工智能工作负载而从头开始开发的。其云平台还配备了其他英伟达芯片，如A40，这主要面向计算机图形专业人士。
与人工智能优化的其他同类产品不同，A40和CoreWeave提供的其他渲染优化GPU包括RT内核，这主要针对光线追踪（ray tracing）进行了优化，光线追踪是一种用于模拟阴影和动态模糊等灯光效果的渲染技术。该方法包括将虚拟光线照射在物体上，并研究这些光线如何反射回来，以找到最逼真的像素设置。
CoreWeave的云是基于Kubernetes的，其使用了Kubernetes的扩展Knative，可以在应用程序需求发生变化时自动调整客户环境中的硬件数量。Knative的旗舰功能之一是所谓的“归零缩放”机制。当GPU集群不被活跃使用时，通常不能完全关闭它们，但必须让某些组件运行。这些未使用的组件会继续消耗硬件资源，从而产生额外的成本。在有了Knative之后，CoreWeave的客户可以在不需要GPU的时候关闭集群中的所有GPU。
构建GPU集群通常很困难，因为在关闭显卡后重新激活显卡可能会花费大量时间。这个冗长的引导过程又增加了硬件成本，并给用户体验带来了延迟。为此，CoreWeave开发了一种名为Tensorizer的软件工具来应对这一挑战。
重新激活GPU集群需要时间的一个原因是，每次它运行的AI模型都必须重新加载到显卡中。由于最先进的人工智能模型的大小为数个GB，因此加载过程可能很慢。根据CoreWeave的说法，Tensorizer通过将人工智能模型分成小块拉入GPU来加快工作流程，而不是像其他工具一样一次性完成。
CoreWeave使用GPUDirect RDMA（英伟达开发的网络加速技术）编排显卡之间的数据流。通常，对图形卡的网络请求必须通过其主机服务器的操作系统和中央处理单元。GPUDirect RDMA则跳过了这些步骤，这使得数据能够更快地到达GPU。CoreWeave将显卡安装在裸机服务器上，这些机器不运行管理程序，这种安排避免了与虚拟化相关的硬件开销，并为客户工作负载留下了更多资源。
目前，CoreWeave在美国各地的14个数据中心托管基础设施，其中大部分是在过去两年内建成的。据报道，CoreWeave将利用新的融资在欧洲建立更多的云计算设施。从长远来看，公司计划将其数据中心网络扩展到其他市场，并筹集更多资金以支持业务增长。
延伸阅读：
- 软银、英伟达和微软联合投资，自动驾驶技术公司Wayve融资10.5亿美元
- 英伟达旗下投资部门参与投资，英国的AI语音客户服务公司PolyAI获4600万欧元C轮融资
- 英伟达发布通用人形机器人基础多模态模型Project GR00T
- 英伟达发布可以在本地运行的AI聊天机器人，更加注重数据安全和个人隐私
- 英伟达在2023年已参与35笔人工智能领域的投资
Powered by Froala Editor
