随着边缘AI高速增长，大量资本也开始涌入这个赛道。
2022年3月29日，人工智能初创公司OmniML宣布获得1000万美元种子资金，以加速AI在边缘设备上的使用。本轮融资由GGV Capital领投，Qualcomm Ventures、Foothill Ventures和其他几家风险投资公司跟投。
「做技术类的startup，应该有深厚的技术积累，应该致力于解决一个很痛的痛点，而不是成为一个补充营养的维生素。其次，做的东西要独一无二，带来数量级的提升而不只是小改进，可以明显区别于其他产品。另外，对于AI Researcher来说一个综合的团队很重要。在企业中，仅仅依靠技术是不够的，市场落地同样重要。」这是OmniML创始人之一、MIT EECS助理教授韩松早前接受媒体采访时的一段话。官网资料显示，OmniML成立于2021年，总部位于加利福尼亚州，旨在为边缘设备放大和启用强大的机器学习功能。OmniML通过创建深度学习模型来弥合AI应用程序与边缘上的各种设备之间的差距，从而提高AI的速度、准确性和效率。目前，人工智能技术虽然已经在所有可以想象的领域改善我们的生活，但是针对日益多样化的边缘硬件，至今没有一个高效的功能模型设计的AI解决方案。因此，模型部署需要重复的手动设计和训练迭代，花费大量的资源和时间。OmniML核心产品是一个模型设计平台，可自动针对GPU、AI SoC甚至微型MCU进行模型协同设计、训练和部署。「对于每个ML应用程序，我们提供了一组量身定制的模型架构和运行时库，以便在边缘设备上高效执行。给定目标硬件设备，我们的平台探索不同组合的广阔空间，然后进行搜索以获得每个设备的最佳设计，而无需重复训练。通过我们的协同设计方法，部署的模型将在速度和内存占用减少方面有数量级的提高，而不会牺牲太多的准确性。」OmniML通过弥合人工智能应用程序与它们对硬件的高要求之间的差距，以加速人工智能在边缘设备上的部署——尤其是计算机视觉。由于开发人员不再需要针对特定芯片和设备手动优化ML模型，OmniML能够使ML任务在不同边缘设备上的速度提高10倍，而工程工作量仅为1/10，不仅大幅提高模型性能，而且显著降低企业成本。据悉，OmniML正在与智能相机和自动驾驶等领域的客户合作，创建支持人工智能的高级计算机视觉，以提高安全性和实时态势感知能力。OmniML一共有三位联合创始人，分别是首席科学家韩松、首席执行官吴迪和首席技术官毛慧子，个个履历光鲜。其中，韩松是MIT EECS助理教授、原深鉴科技联合创始人。他本科毕业于清华大学，博士毕业于斯坦福大学，师从NVIDIA首席科学家Bill Dally教授。韩松的研究广泛涉足深度学习和计算机体系结构，他提出的Deep Compression模型压缩技术曾获得ICLR'16最佳论文，ESE稀疏神经网络推理引擎获得FPGA'17最佳论文，对AI算法在移动端的高效部署影响深远。他的研究成果在Xilinx、NVIDIA、Facebook、Samsung得到广泛应用。
在博士期间，韩松与同为清华大学毕业的汪玉、姚颂联合创立了深鉴科技（DeePhi Tech），其核心技术之一为神经网络压缩算法，随后深鉴科技被美国半导体公司赛灵思收购。2018年，韩松加入MIT担任助理教授，入选2019年度麻省理工科技评论35 Innovators under 35，并在2020年获得NSF CAREER Award及IEEE“AIs 10 to Watch:The Future of AI”Award。2021年，韩松成立AI边缘计算公司OmniML。据了解，边缘AI发源于边缘计算。边缘计算也称为边缘处理，是一种将服务器放置在本地设备附近网络技术,这有助于降低系统的处理负载，解决数据传输的延迟问题。这样的处理是在传感器附近或设备产生数据的位置进行的，因此称之为边缘。边缘计算可以在没有网络连接的情况下处理数据。这意味着可以在无需流式传输或在云端数据存储的情况下进行数据创建等操作。如今在越来越多的情况下，设备数据无法通过云端处理。尤其在工业机器人和自动驾驶汽车领域，它们需要高速处理，但当数据流增大而产生处理时延时会非常危险。通过将通常委托给云端的信息处理交给边缘设备，可以实现无传输延迟的实时处理。此外，如果只传输重要信息到云端，可以减少传输数据量，这能将通信中断的风险降到最低。随着边缘AI高速增长，大量资本也开始涌入这个赛道。目前，OmniML已经得到了包括GGV Capital、Qualcomm Ventures、Foothill Ventures、Matrix Partners、Tectonic Ventures、Fellows Fund、IMO Ventures、GSR Ventures在内的知名风险投资公司的支持。https://www.thepaper.cn/newsDetail_forward_2272546