В понедельник компания объявила о закрытии раунда финансирования seed на сумму $15 млн при оценке в $100 млн, сообщается в ее пресс-релизе. Среди инвесторов — Touring Capital, Principal VC, топ-менеджеры крупных чипмейкеров, а также исследователи из OpenAI и Anthropic.
Проблема CUDA
Чтобы понять, к чему стремится Infinity, достаточно взглянуть на причины успеха Nvidia. Ее чипы работают быстро, но ее настоящий ров — это CUDA, программный слой, который компания выстраивала на протяжении почти двух десятилетий.
Основные ИИ-фреймворки, PyTorch и TensorFlow, базируются на CUDA. Напишите свое приложение на Python, и по умолчанию оно будет выполняться на «железе» от Nvidia. Именно благодаря такому удобству Nvidia, по оценкам, удерживает около 80% рынка ИИ-ускорителей для дата-центров.
Конкурирующие чипы от AMD, Qualcomm и AWS часто не уступают Nvidia в «сырой» производительности. Чего им не хватает, так это программного обеспечения. Перенос моделей на новые процессоры требует написания ядер — низкоуровневого кода, управляющего чипом, — и немногие команды могут позволить себе такие трудозатраты.
Агент, который пишет код для чипов
Infinity намерена автоматизировать эту работу. Ее ИИ-агент Ignition самостоятельно генерирует, тестирует и переписывает такие ядра, а также продолжает их оптимизировать по мере поступления данных о производительности. Люди-инженеры задают направление, а всю рутинную работу выполняет агент.
Результаты, о которых заявляет Infinity, впечатляют, хотя они исходят от самой компании. По ее утверждению, при работе с производителем чипов d-Matrix агент Ignition через 10 часов после первого взаимодействия с аппаратным обеспечением достиг 92% пиковой производительности нового чипа. В течение 10 дней на нем были запущены три передовые модели по принципу «от начала до конца».
В ходе другого теста Infinity заявила, что за один день увеличила скорость генерации модели с примерно 1 400 до более чем 20 000 токенов в секунду. Это превосходит показатели vLLM — широко используемого открытого фреймворка инференса. Эти заявления пока не прошли независимую проверку.
Автоматизация изобретений
Личность основателя во многом определяет характер проекта. Джереми Никсон (Jeremy Nixon) — бывший исследователь Google Brain, создавший AGI House, хакерское сообщество в Сан-Франциско, из которого, по его словам, выросли сотни стартапов.
Никсон рассказал TechCrunch, что одержим «автоматизированными изобретениями» — идеей о том, что ИИ может стать своего рода метатехнологией. Когда-то он создал алгоритм Omega, который изобретал другие алгоритмы машинного обучения и циклически оценивал их. Ignition применяет тот же подход к аппаратной части.
Он с энтузиазмом объявил о привлечении средств в сети X, приветствуя появление ИИ-систем, которые «создают, оптимизируют и изобретают» следующее поколение систем искусственного интеллекта.
Плотная гонка и оговорки
Infinity пополняет ряды стартапов, пытающихся положить конец монополии CUDA. Компания заявляет, что уже приносит миллионы долларов годовой регулярной выручки и насчитывает 26 сотрудников. Ее бизнес-модель предполагает получение доли от прироста скорости и снижения издержек, а не лицензионные сборы.
Однако существуют и серьезные оговорки. Это стартап на посевной стадии с единственным публичным партнером по производству чипов, а основные бенчмарки заявлены самой компанией. Тем не менее ставка высока. Поскольку инференс стремительно превращается в статью расходов, на которую в этом году придется две трети всех затрат на ИИ-вычисления, более дешевые способы его запуска стоят целое состояние.
«Эпоха ИИ будет определяться не только тем, кто создает лучший чип, но и тем, кто сможет запустить передовые модели на любом чипе с бешеной скоростью», — отметил Никсон. Если Ignition будет работать так, как заявлено, ров, делавший Nvidia недосягаемой, начнет казаться не таким уж глубоким.
Опубликовано 21 июля 2026 - 06:31 Наверх
