Mueon הודיעה ב-15 באוקטובר על גיוס של 65 מיליון דולר בסבב A לפיתוח תשתית מחשוב המשלבת חישוב, זיכרון ורכיבים נוספים ביחידות תלת-ממדיות מודולריות. הכסף מיועד להרחבת הצוותים ולקידום הפלטפורמה לבדיקות מערכת ולמוכנות לייצור. זו עדיין תוכנית פיתוח: ההודעה אינה מציגה מערכת הזמינה כעת לרכישה רחבה, וגם אינה מוכיחה שחיסכון מסוים כבר הושג אצל לקוחות.
את הסבב הובילה Maverick Silicon, בהשתתפות Intel Capital ומשקיעים נוספים. לפי הודעת הגיוס שפרסמה Intel Capital, הסכום המצטבר שגייסה החברה עבר 80 מיליון דולר. במרכז הפיתוח נמצאות יחידות בשם Cubelets, שנועדו לצמצם את המרחק הפיזי שהמידע עובר בין רכיבי המערכת. עבור מי שמפתח או מפעיל שירותי AI, זהו ניסיון לטפל בעלות התשתית מתחת לשכבת המודל עצמו.
למה המרחק בין הרכיבים חשוב
מודל AI זקוק לחישוב, אבל גם לגישה מתמשכת למידע. המעבד אינו עובד לבדו: נתונים צריכים להגיע מהזיכרון, לעבור בין רכיבים ולהישמר להמשך העבודה. לכן בחינת מערכת לפי עוצמת המאיץ בלבד משאירה מחוץ לתמונה חלק מהעבודה שהיא נדרשת לבצע. מערכת מהירה בחישוב יכולה עדיין להמתין למידע במקום אחר בתהליך.
Mueon מציעה להתייחס לחישוב ולזיכרון כחלק מתכנון משולב של המערכת. במקום להתחיל מרכיב בודד ולחבר סביבו את שאר החלקים, החברה מתכננת יחידות המאגדות כמה מהתפקידים בסמיכות. החיבורים, אספקת החשמל ופינוי החום נכללים באותו מאמץ הנדסי. לפי החברה, כך אפשר לשנות את צפיפות המחשוב ואת עלות העברת המידע בתוך המערכת.
הקרבה לבדה אינה מבטיחה תוצאה מסחרית. הכנסת יותר רכיבים לנפח קטן יכולה לשנות גם את דרישות הקירור, את נגישות התחזוקה ואת אופן הרחבת המערכת. משום כך השאלה המעשית היא איך התכנון מתפקד תחת עומס רציף ובתוכנה אמיתית. תרשים ארכיטקטורה מסביר את הרעיון, אך לקוח צריך לדעת גם כיצד המערכת מתנהגת לאורך זמן.
מה הגיוס אמור לאפשר
לפי ההודעה, הכסף יסייע להרחיב את צוותי ההנדסה והתפעול, לקדם אימות של המערכת ולהעמיק עבודה עם לקוחות. החברה מתארת פעילות בארכיטקטורת השבבים והמערכת, בשילוב מתקדם של רכיבים, בתוכנה ובתיאום העבודה ביניהם. מסלול נוסף הוא בדיקה עם שותפים טכנולוגיים ותעשייתיים בדרך מאב-טיפוס למוצר שניתן לייצר.
ההבחנה בין השלבים חשובה. מימון של פיתוח אינו זהה למימון של אספקה מסחרית שכבר החלה. בדיקת רכיב בודד שונה מבדיקת מערכת מלאה, ומערכת שעובדת בתנאי ניסוי עדיין צריכה להתאים לשרשרת אספקה ולשגרת תפעול. ההודעה מציבה את Mueon במסלול של התקדמות ואימות, בלי לקבוע שכל התחנות האלה כבר הושלמו.
גם התוכנה היא חלק מהסיפור. חומרה חדשה יכולה להיות מעניינת מבחינה פיזית ועדיין לדרוש עבודה רבה כדי להריץ עליה עומסי AI קיימים. Mueon מתארת פיתוח שכבת תוכנה ותזמור שתאפשר שימוש באמצעות מסגרות עבודה ותהליכי פריסה מוכרים. עבור צוותי פיתוח, היקף ההתאמות שיידרשו יהיה חלק מהעלות האמיתית של אימוץ המערכת.
כיצד לקרוא את יעד היעילות
Mueon מציגה יעד של שיפור עד פי 10 ביעילות החשמל והעלות, בתוך שטח רצפה דומה לזה של ארון שרתים. זהו יעד שמציגה החברה, ולא תוצאה עצמאית שאפשר להחיל על כל מודל או על כל מרכז נתונים. המילה "עד" משאירה מקום להבדלים בין עומסים, הגדרות מערכת ותנאי השוואה. אין בהודעה בסיס להבטיח ללקוח חיסכון אחיד.
כדי להבין מה משמעותו של נתון כזה, כדאי לבחון בעתיד מה בדיוק נמדד. עלות לרכיב, עלות להפעלת שעה ועלות להשלמת משימה הן שאלות שונות. גם מספר גדול של פעולות אינו מבטיח שמשימה עסקית הסתיימה נכון. מערכת יכולה לייצר יותר תוצאות, אך אם יש צורך לבצע אותן מחדש, החיסכון בשכבה אחת עלול להיעלם בשכבה אחרת.
אותו עיקרון חל על חשמל. השוואה שימושית צריכה להסביר אילו רכיבים נכללו במדידה, מה היו דרישות הקירור ומה היה העומס בזמן הבדיקה. אלה שאלות להערכת הפלטפורמה כאשר יהיו נתוני מערכת מפורטים. הן אינן טענה שהחברה הסתירה עלויות או שהגישה שלה לא תעבוד. בשלב הנוכחי, הן מגדירות מה דרוש כדי לעבור מהבטחה הנדסית להחלטת רכש.
מה צוותים יכולים לעשות כבר עכשיו
למי שמפעיל שירות AI אין כרגע סיבה לשנות ספק רק על סמך הגיוס. פעולה מועילה יותר היא להגדיר את צוואר הבקבוק הקיים: זמן תגובה, מגבלת זיכרון, קיבולת מקבילית או עלות למשימה שהושלמה בהצלחה. כאשר הדרישה מתועדת, אפשר יהיה להשוות פלטפורמה חדשה לאותה נקודת מוצא, במקום לשנות בכל פעם את מטרת הבדיקה.
צוות שבוחן חומרה חדשה יכול להכין עומס עבודה מייצג הכולל גם מקרים קשים, ולא רק הדגמה קצרה. רצוי לתעד את איכות התוצאות, זמן ההמתנה והמאמץ שנדרש לפריסה ולתחזוקה. אין צורך להניח מראש איזו ארכיטקטורה תנצח. המטרה היא לאפשר לנתונים להראות אם שינוי התשתית פותר את הבעיה שבגללה נשקל המעבר מלכתחילה.
המשמעות של ההימור על המערכת כולה
הגיוס של Mueon מממן ניסיון לשנות את האופן שבו חלקי המחשוב מתחברים זה לזה. הוא מצטרף לשאלה רחבה שמעסיקה כל מפעיל שירות: כמה עבודה שימושית אפשר לבצע בתוך מגבלות של כסף, אנרגיה ושטח. מבחינת המשתמש בשירות AI, השינוי יהיה משמעותי רק אם ייתרגם בעתיד לשירות אמין יותר, זמין יותר או זול יותר בתנאים ברורים.
כעת אפשר לקבוע שהחברה קיבלה משאבים נוספים להתקדם בבדיקת הגישה שלה. את יתר השאלות יצטרכו לפתור נתוני מערכת, היתכנות ייצור ועבודה עם לקוחות. לכן הגיוס ראוי לתשומת לב מצד העוסקים בתשתיות AI, לצד הפרדה עקבית בין המימון שכבר הוכרז, המערכת שנמצאת בפיתוח והיתרונות שהחברה מקווה לספק באמצעותה.
לצד הביצועים, ראוי לבחון גם זמינות תמיכה, תחזוקה ותהליך התאוששות מתקלות לפני החלטת רכש.