Når du skal køre kunstig intelligens på en specifik hardwareplade – en drone, et kamera eller et satellit-instrument – er processen notorisk tidskrævende og uforudsigelig. Det er præcis det problem, som Lola Vision Systems, en ny startup fra Washington D.C., vil løse.
Grundlægger Tayo Adesanya har tolv års erfaring med microchips og AI-processorer. Han hjalp store producenter med at vælge de rigtige chips til deres hardware og opsamlede derigennem indsigt i, hvor markedet for AI-computing bevægede sig hen. “Starting Lola Vision Systems was a bet on where the world was headed and what I was seeing,” sagde han til TechCrunch.
Fra manuel konfiguration til automatiseret oversættelse
Virksomhedens kerneproblem er det, Adesanya kalder “compiler toolchain” – en softwarelayer, der oversætter AI-modeller til instruktioner, som en specifik chip kan udføre. I dag foregår denne oversættelse stort set manuelt, og det kan tage “roughly 200 hours” bare at få gang i testfasen.
Lola Vision Systems vil automatisere dette arbejde. En kunde leverer sin kode og den AI-model, han eller hun vil bruge – uanset om det er selvbyg eller open source – og Lola Visions software oversætter det hele til instruktioner, som kundens chip kan eksekvere. Virksomheden udvikler desuden sine egne semiconduktorer for at optimere processen yderligere.
Hastighed er dog ikke det eneste argument. For missionsrelevante industrier som luftfart betyder hurtigere setup også, at firmaer kan køre mere præcise modeller på deres egne data med lavere strømforbrug. “For these customers,” sagde Adesanya, “accuracy and reliability aren’t nice to have. They determine whether a product passes regulatory review and whether it works reliably in the field.”
Nvidia Jetson som udgangspunkt – men med begrænsninger
I dag starter mange virksomheder med Nvidias Jetson-linje – kompakte computermoduler designet til edge computing – eller med open source AI-modeller. Problemet: “often break or run poorly out of the box, so teams spend days or weeks getting them to run at all, then even more weeks debugging until the models are usable.”
Selv når det endelig virker, løber strømforbruget ofte løbsk og sprænger budgetterne for edge computing. Eller også kan hardware’en ikke levere nok beregningskraft til de større AI-modeller, som produktet reelt har brug for. Resultatet er, at genkendelsesmodeller halter bagud, eller systemet fejlidentificerer objekter.
Lola Vision Systems præsenterer sig således som et alternativ til Nvidias dominans inden for AI på edge-devices – en rolle, som flere startups nu gør forsøg på at indtage.
Første kunde indhentet, finansiering på 1 million dollar
Virksomheden har allerede underskrevet kontrakter med tolv virksomhedskunder, der har udtrykt interesse i at købe Lola Visions chips, når de bliver tilgængelige. Desuden har den allerede en signeret kunde. Derudover har Lola Vision indgået partnerskab med SCALE, et amerikanske workforce development-program inden for mikroelektronik.
For at få indtægter hurtigere har Adesanya valgt at licensere Lola Visions software på eksisterende hardware i stedet for at vente på egne chips. “To get revenue sooner, we will now license our software on existing hardware,” forklarede han.
Virksomheden har til dato samlet indsamlet knap 1,1 million dollar i funding. Den blev valgt til TechCrunchs Battlefield 200, et prestigefyldt program, der hvert år udvælger 200 håbefulde startups. Adesanya deltager på TechCrunch Disrupt i San Francisco 13.-15. oktober for at præsentere virksomheden for investorer og få mere øje for sit projekt.