این داستان تقریباً 12 سال پیش آغاز شد، زمانی که تایو آدسنیya شروع به کار با میکروچیپ‌ها و پردازنده‌های هوش مصنوعی کرد. او عمدتاً به تولیدکنندگان بزرگ کمک می‌کرد تا تصمیم بگیرند کدام تراشه‌ها را در سخت‌افزار خود استفاده کنند. او به TechCrunch گفت که این سال‌ها به او بینش اولیه‌ای درباره روند تقاضا در بازار محاسبات هوش مصنوعی داد. “شروع سیستم‌های دید لولا یک شرط‌بندی بر روی آینده جهان و آنچه که من می‌دیدم بود،” او گفت.

در سال 2024، او سیستم‌های دید لولا، یک شرکت زیرساخت هوش مصنوعی که نرم‌افزار و تراشه‌هایی برای اجرای مدل‌های هوش مصنوعی بر روی دستگاه‌ها می‌سازد، راه‌اندازی کرد. محصول اصلی این شرکت نرم‌افزاری است که مدل‌های هوش مصنوعی را به دستورالعمل‌هایی تبدیل می‌کند که تراشه خاصی می‌تواند اجرا کند. آدسنیya این نرم‌افزار را “ابزارچین کامپایلر” می‌نامد و می‌گوید که این یک گلوگاه بزرگ است: راه‌اندازی دستی یک مدل هوش مصنوعی بر روی سخت‌افزار جدید می‌تواند “تقریباً 200 ساعت” طول بکشد تا فقط برای تست شروع شود. لولا ویژن می‌گوید که لایه نرم‌افزاری را بازسازی کرده و همچنین در حال توسعه تراشه‌های نیمه‌رسانای خود است تا بخشی از این فرایند را خودکار کند. یک مشتری کد و مدل هوش مصنوعی که می‌خواهد استفاده کند، چه سفارشی و چه منبع باز، را ارائه می‌دهد و نرم‌افزار هر دو را به دستوراتی تبدیل می‌کند که تراشه مشتری می‌تواند اجرا کند.

“سرعت تنها بخشی از آن است،” آدسنیya گفت. او توضیح داد که راه‌اندازی سریع‌تر به شرکت‌های فضایی و “سایر شرکت‌های مهم عملیاتی” فرصت می‌دهد تا “مدل‌های دقیق‌تری را بر روی داده‌های خود اجرا کنند، با مصرف توان پایین‌تر.”

“برای این مشتریان،” او گفت، “دقت و قابلیت اطمینان چیزهای دلپذیر نیست. آن‌ها تعیین می‌کنند که آیا یک محصول از بررسی‌های قانونی عبور می‌کند و آیا در میدان به طور قابل اعتمادی کار می‌کند یا خیر.”

سیستم‌های دید لولا، مستقر در واشنگتن، دی‌سی، یکی از چندین استارتاپ است که سعی دارد به فناوری NVIDIA برای اجرای هوش مصنوعی بر روی دستگاه‌ها گزینه‌ای ارائه دهد. در حال حاضر، آدسنیya گفت، بسیاری از شرکت‌ها با Jetson NVIDIA، یک خط از ماژول‌های محاسباتی متراکم برای اجرای هوش مصنوعی بر روی دستگاه‌ها یا با مدل‌های هوش مصنوعی منبع باز شروع می‌کنند. آدسنیya ادعا کرد که اینها “اغلب از کار می‌افتند یا از جعبه به خوبی عمل نمی‌کنند، بنابراین تیم‌ها روزها یا هفته‌ها صرف می‌کنند تا آن‌ها را اصلاً راه‌اندازی کنند و سپس هفته‌های بیشتری را صرف اشکال‌زدایی کنند تا مدل‌ها قابل استفاده شوند.”

“حتی در آن زمان،” او ادامه داد، “مصرف انرژی اغلب باعث نفوذ به بودجه محاسباتی لبه می‌شود، یا برد نمی‌تواند به اندازه کافی محاسبات برای مدل‌های متوسط تا بزرگ که محصول نیاز به اجرای موفق آن‌ها دارد، ارائه دهد. این منجر به این می‌شود که مدل‌های شناسایی از هدف‌ها عقب بمانند یا اشیاء را به اشتباه شناسایی کنند.” (محاسبات لبه به معنی اجرای هوش مصنوعی به طور مستقیم بر روی یک دستگاه، مانند دوربین یا پهپاد، به جای یک مرکز داده دور است. مدل‌های شناسایی سیستم‌های هوش مصنوعی هستند که اشیاء را شناسایی می‌کنند.)

به گفته شرکت، دوازده مشتری شرکتی نامه‌های ابراز علاقه به خرید تراشه‌های سیستم‌های دید لولا به محض در دسترس بودن امضا کرده‌اند و این شرکت در حال حاضر یک مشتری امضا شده دارد. این شرکت همچنین با SCALE، یک برنامه توسعه نیروی کار میکروالکترونیک، همکاری کرده است تا با آزمایشگاه‌های نیمه‌رسانا بیشتری کار کند. “برای دریافت درآمد زودتر، ما اکنون نرم‌افزار خود را بر روی سخت‌افزارهای موجود مجوز می‌دهیم،” آدسنیya گفت. (به عبارت دیگر، به جای منتظر ماندن برای تراشه‌های خود، این شرکت اجازه خواهد داد مشتریان برای استفاده از نرم‌افزار خود بر روی تراشه‌هایی که از قبل وجود دارند، پرداخت کنند.) او افزود که این شرکت تاکنون کمی بیشتر از 1 میلیون دلار سرمایه‌گذاری جمع‌آوری کرده است.

سیستم‌های دید لولا برای گروه 200 استارتاپ منتخب سال جاری TechCrunch Battlefield انتخاب شد، گروهی از 200 استارتاپ که برای این برنامه انتخاب شده‌اند. “TechCrunch وقتی که من دانشجو بودم در Purdue، مورد علاقه من بود،” او گفت. پس از حدود یک سال ساخت محصول و امضای اولین مشتری خود، او گفت که احساس کرد وقت آن رسیده است که برای Battlefield درخواست دهد و شرکت را در معرض دید عموم بیشتری قرار دهد.

در مورد اینکه چه چیزی او را بیشتر در مورد این رویداد هیجان‌زده می‌کند، او گفت: “برقراری ارتباطات معنادار و یادگیری هر چه بیشتر درباره آنچه در فضای ما و اطراف آن در حال وقوع است. و به طور مستقیم، من منتظر هستم که سرمایه‌گذاران چک بکشند.”

برای یادگیری بیشتر در مورد سیستم‌های دید لولا و ده‌ها استارتاپ دیگر که به ما در TechCrunch Disrupt هفته آینده می‌پیوندند (همراه با سرمایه‌گذاران که برای بررسی آن‌ها می‌آیند)، در هفته آینده با ما در سان‌فرانسیسکو بپیوندید، از 13-15 اکتبر.