Isotopen aiein neues Startup, das sich auf künstliche Intelligenz für Enterprise Analytics konzentriert, hat mit gestartet 20 Millionen US -Greenback an Saatgutfinanzierung. Das Unternehmen stellte seinen AI -Agenten vor, AIDNNso entwickelt, dass Unternehmensmanager mithilfe natürlicher Sprache mit ihren Daten interagieren.

AIDNN kann Berichte und Planungsdokumente generieren, indem Informationen aus verschiedenen Quellen abgerufen werden, einschließlich ERP, CRM, Finanzanwendungen und Cloud -Speicher.

AIDNN für Unternehmensdatenherausforderungen entwickelt

Im Gegensatz zu einfachen Chatbots ist AIDNN für die Durchführung einer mehrstufigen Datenverarbeitung erstellt. Es kann Daten lokalisieren und reinigen, Datensätze normalisieren und den Kontextspeicher für eine komplexe Analyse beibehalten. Das System bietet Transparenz, indem er seine Argumentation, Annahmen und Anomalien zeigt und gleichzeitig Empfehlungen für die nächsten Schritte bietet.

Zum Beispiel kann AIDNN a entfernen monatlicher Trendbericht (wiederkehrender Umsatzerlöse) Durch Extrahieren von Metadaten, Reinigen und Verbinden von Datensätzen, Antriebeneinnahmen und aggregierenden Ergebnissen. Diese Fähigkeit zeigt die Fähigkeit des Agenten, Prozesse zu automatisieren, die in der Regel umfangreiche manuelle Arbeiten von Analysten erfordern.

Gründer bringen tiefe Daten und KI -Erfahrung mit

Die Firma wurde mitbegründet von Arun MurthyAnwesend Prasanth JayachandranUnd Gopal Vijayaraghavanalle mit Hintergründen bei Hortonworks. Murthy warfare zuvor Mitbegründer von Hortonworks nach seiner Arbeit an Hadoop bei Yahoo und später als Chief Expertise Officer bei Scale ai. Er beschrieb seine Zeit im Maßstab als „Doktorarbeit“ in der KI -Entwicklung.

Hortonworks wuchs schnell Clouderawo Murthy ein Staff von 200 Personen beaufsichtigte. Seine Erfahrung sowohl in Cloudera als auch in der Skala zeigte anhaltende Herausforderungen im Zusammenhang mit dem Datenzugriff und inspirierte die Schaffung von Isotopen -KI.

Die Saatgutfinanzierungsrunde wurde von angeführt von VAB Goel von NTTVCsignalisiert das Vertrauen der Anleger in die Fähigkeit des Startups, in Enterprise Analytics zu konkurrieren.

Wettbewerb in einem überfüllten Analytics -Markt

Isotopes AI betont, dass AIDNN die Datenschutz für Unternehmen sicherstellt, da Informationen nicht an externe KI -Anbieter geteilt werden müssen. Dieser Fokus auf sichere Bereitstellung soll ein zentrales Anliegen für Unternehmenskunden in Anspruch nehmen.

Trotzdem sieht sich AIDNN von etablierten Spielern aus Salesforce Tableau und aufkommende Startups wie Weisheitdie auch AI-betriebene Analysetools bieten. Isotopes zielt darauf ab, sich mit den tiefen Branchenerfahrungen seiner Gründer und den erweiterten Datenzugriffs- und Kontextspeicherfunktionen von AIDNN zu unterscheiden.

---

Ausgewähltes Bildnachweis

SAN FRANCISCO – 15. Mai 2025 – Cognichip, das Unternehmen für Künstliche Chip Intelligence (ACI) für Semiconductor Design, kündigte heute seinen Begin mit 33 Millionen US -Greenback an Saatgutfinanzierung an.

Cognichip unter der Leitung von Lux Capital und Mayfield mit Unterstützung von FPV und Candou Ventures sagte Cognichip, es sei das erste physikalische Fundamentmodell (PIFM) für Halbleiter, das die Entwicklung von Entwicklungszeitplänen und die Reduzierung der Kosten beschleunigt.

Cognichip wurde von ehemaligen Mitarbeitern von Amazon, Google, Apple, Synopsys, Aquantia und KLA gegründet und hat zwei große Herausforderungen in der Entwicklung der Halbleiterentwicklung: hohe Kosten und Unzugänglichkeit. Das heutige Chip-Design ist zeitaufwändig und teuer und dauert oft 3-5 Jahre und über 100 Millionen US-Greenback, bevor er die Produktion erreicht. Traditionelle Ansätze, die darauf angewiesen sind, mehr Geld, Berechnung der Macht und Menschen auf das Drawback zu werfen, sind nicht mehr nachhaltig. Dies ist insbesondere angesichts des prognostizierten Mangels von 1 Million Fachkräften bis 2030 betrifft – eine Belegschaft, die das geschätzte Umsatzwachstum der Branche auf sein prognostiziertes Potenzial von 1 Billion US -Greenback einschränken kann (das geschätzte Umsatzwachstum der Branche (Deloitte). Cognichip baut ACI auf, um diese Probleme anzugehen und das Chip -Design schneller, einfacher und zugänglicher zu machen.

„Unsere Imaginative and prescient ist es, die Ökonomie des Halbleiterdesigns grundlegend umzugestalten“, sagte Faraj Aalaei, CEO und Gründer von Cognichip. „Als Gründer, der zwei Halbleiterunternehmen erfolgreich veröffentlicht hat, und als Risikokapitalgeber habe ich aus erster Hand gesehen, wie Semiconductor-Startups aufgrund hoher Kosten und langen Zeitplänen oft als„ überfundierbar “eingestuft werden. Mit dem Aufstieg der generativen KI haben wir einmal in der Technology einen Anteil, wie Chips, wie Chips, gegründet wurden. Innovation skalierbar, sicher und zugänglich für angehende zukünftige Pioniere unserer Branche.

Cognichips ACI führt ein bahnbrechendes, physikalisches AI-Basis-Modell ein, das absichtlich für das Design des Halbleiterdesigns gebaut wurde. ACI überdenken grundlegend 40 Jahre traditionelle Serienchip-Entwicklung mit einem modernen, kühnsten, gesprächigen Konversationsansatz, der groß angelegte, sichere, beschleunigte Recheninfrastrukturen nutzt.

Von Einzelpersonen bis hin zu Unternehmen ermöglicht ACI Engineering-Groups, effizienter und kostengünstiger zu arbeiten und künstliche Intelligenz als neuer Skalierungsfaktor für die Halbleiterindustrie zu erhöhen.

Zu den wichtigsten Vorteilen von ACI gehören:

• 50% schnellere Konstruktionszyklen: Reduziert die Zeit vom Konzept bis zur Produktion durch gleichzeitige lokale und globale Optimierung

• 75% Reduzierung der Entwicklungskosten: Reduziert drastisch den Aufwand und das Fachwissen, die für die Entwicklung und Prüfung von Chips erforderlich sind

• Verbesserte Leistung, Leistung und Effizienz: Beseitigt unnötiges Blähungen, indem sie Produkte näher an die Anforderungen bringen und kontinuierlich für Bereich und Strom optimieren

• Verbesserte Flexibilität: Passt sich leicht an Veränderungen der Marktanforderungen und Produktvariationen an und minimieren kostspielige Neugestaltungen

• Vereinfachte Skalierbarkeit: Ermöglicht die schnelle Erstellung neuer Produktvarianten, um die Marktanforderungen für flexibles Portfoliomanagement zu erfüllen

Über die Effizienz hinaus bringt ACI die dringend benötigte Flexibilität in die Lieferkette. Traditionell erfordert das Umschalten von Chipherstellern oder die Änderung von Produktionsprozessen umfangreiche Neugestaltungsanstrengungen. Die interoperable ACI -Lösung von Cognichip beseitigt diese Reibung, ermöglicht es nahtloser Skalierung, verringert die Risiken der Lieferkette und ermöglicht es Unternehmen, ein künftiges Wachstum mit größerer Beweglichkeit zu planen.

„Die Halbleiterindustrie befindet sich an einem kritischen Wendepunkt, wobei traditionelle Designmethoden in Bezug auf eskalierende Kosten und ein drohender Talentmangel zunehmend nicht nachhaltig werden. Cognichip verändert die Wirtschaft und Geschwindigkeit des Halbleiterdesigns grundlegend“, sagte Navin Chaddha, das Companion in Mayfield. „Wir freuen uns, mit Faraj Aalaei und dem Cognichip -Group zusammenzuarbeiten, während sie den Zugang zur Halbleiterinnovation demokratisieren und etwas wirklich revolutionäres aufbauen, das die AI -Infrastruktur von morgen betreibt.“

“Cognichip führt einen neuen Skalierungsfaktor für Halbleiter ein: Intelligenz. Indem sie KI tief in die Physik des Chip -Designs einbetten, beschleunigen sie Innovationen auf eine Weise, die traditionelle Skalierung niemals erreichen könnte, sagte Shahin Farshchi, Companion bei Lux Capital. „Wir glauben, dass der Ansatz von Cognichip die Grundlage der Halbleiterindustrie für die kommenden Jahrzehnte umgestalten wird.“

„Das Zusammenbrechen der traditionellen Barrieren des Chip-Designs ist nicht nur ein Wendepunkt für die Halbleiterindustrie. Sie kommt der gesamten globalen Technologiewirtschaft zugute“, sagte Pegah Ebrahimi-Mitbegründer und Geschäftsführer bei FPV Ventures. „Das Silicon Valley wurde wegen der hier geborenen Halbunternehmen auf die Karte gesetzt, und ich bin begeistert, ein Group von außergewöhnlichen Veteranen zu unterstützen, die erneut die Zukunft des Halbleiterdesigns umgestalten, die fortgeschrittene Rechenlösungen für jeden Spieler zugänglicher machen.

SAN FRANCISCO-5. März 2025-Ceramic.ai ist heute aus Stealth mit Software program for Basis Mannequin Coaching Infrastruktur hervorgegangen, mit der Unternehmen generative KI-Modelle effizienter erstellen und feinstimmen können.

Ceramic.ai wurde von Anna Patterson, dem ehemaligen Google VP of Engineering and Gradient Ventures-Gründer, gegründet.

Ceramic.ai sagte auch, dass es sich um 12 Millionen US -Greenback an Saatgutfinanzierung von NEA, IBM, Samsung Subsequent, Earthshot Ventures und Alumni Ventures gesichert hat.

„Inmitten eines Anstiegs der KI -Einführung werden zu viele Unternehmen immer noch durch Maßstabsgrenzen behindert – von unerschwinglichen Kosten bis hin zu begrenzten Infrastrukturen“, sagte Patterson, CEO. „Wir demokratisieren den Zugang zur Hochleistungs-KI-Infrastruktur, damit Unternehmen die Komplexität des KI-Trainings steuern können, ohne Hunderte von Millionen an Forschungs- und technischen Ressourcen auszugeben. Bei der KI von Enterprise geht es jedoch nicht nur um bessere Instruments, sondern darum, wie Unternehmen arbeiten. Wenn die AI -Adoption a wäre
Baseballspiel, wir würden immer noch die Nationalhymne singen. “

Globale KI -Investitionen verzeichnen bis 2027 ein explosives Wachstum von 16 Milliarden US -Greenback im Jahr 2023 auf schätzungsweise 143 Milliarden US -Greenback. Trotz dieser Ausgabensteigerungen haben 74 Prozent der Unternehmen immer noch Schwierigkeiten, die KI effektiv zu skalieren und Wert zu erreichen. Eine große Herausforderung besteht darin, dass der Aufbau der KI-Infrastruktur teuer, komplex und ressourcenintensiv ist. Während Tech -Giganten Milliarden für die Entwicklung proprietärer KI -Infrastruktur ausgeben, fehlt den meisten Unternehmen die technischen Ressourcen, um ihre eigenen KI -Modelle zu optimieren und zu skalieren.

Die aktuelle AI -Infrastruktur kann bis zu 10 -fach, jedoch nicht zu 100x skalieren. Das exponentielle Wachstum erfordert eine vollständige Neugestaltung. Ceramic.ai verbindet diese Lücke, indem sie eine unternehmungslösliche Plattform bereitstellt, die nicht nur schneller, sondern grundsätzlich skalierbarer ist, um die nächste Era von KI zu versorgen, was die Komplexität und die Kosten des KI-Modelltrainings dramatisch verringert.

Das Modell der Softwareplattform kann mit langen Kontexten und einer beliebigen Clustergröße trainieren und es Unternehmen ermöglichen, ihre eigenen KI -Modelle schneller zu entwickeln, zu trainieren und zu skalieren als herkömmliche Methoden. Für kleinere Modelle ist Ceramic.ai auf NVIDIA H100 GPUs bis zu 2,5 x schneller als bis zu aktuelle hochmoderne Plattformen und für groß angelegte Langkaltextmodelle. Keramic.ai ist die einzig praktikable Wahl für schnelles Coaching.

Ceramic.ai hat eine umfassende Plattform entwickelt, die sich mit den zentralen Herausforderungen des KI -Bereitstellers der Unternehmen befasst:

● Geschwindigkeit und Effizienz: Die Trainingsinfrastruktur von Ceramic.AI bietet eine höhere Effizienz von bis zu 2,5X als Open-Supply-Stapel, wodurch die Schulungskosten gesenkt und gleichzeitig die Modellleistung verbessert werden.
● Exklusive Langkontext-Trainingsfunktion: Ceramic.ai ist die einzige Plattform, die große Modelle für langkontextdaten schulen kann und die unübertroffene Qualität und Leistung bietet. Das Unternehmen übertrifft alle gemeldeten Benchmarks für ein lang kontextbezogenes Modelltraining und hält auch für 70B+ Parametermodelle eine hohe Effizienz bei.
● Überlegene Argumentationsmodellleistung: Keramik trainierte ein Argumentationsmodell für die Problemlösung und erreichte einen genauen Spielpass@1-Punktzahl bei GSM8K von 92% Tuning Metas LLAMA70B 3.3 Basismodell von 78% und übertrifft Deepseeks R1 84%.
● Optimierte Datenverarbeitung: Die Trainingsdaten für Keramikformen, sodass sichergestellt wird, dass jeder Mikro-Batch nach Thema ausgerichtet ist. Aktuelle Ansätze maskieren entweder andere Dokumente weg, verlieren den Vorteil einer längeren Kontextlänge oder achten auf irrelevante Dokumente und lernen schlechte Gewohnheiten. Indem wir Schulungsdaten neu ordnen, erhöhen wir in 64K- oder 128K-Kontexten, alle zum gleichen Thema, die Anzahl der Datenpunkte, an denen die Aufmerksamkeit quadratisch gelernt werden kann.

Ceramic.ai wurde von einem Expertenteam in groß angelegten Infrastrukturen erbaut und hat bereits dazu beigetragen, Unternehmen zu reduzieren und die Modelltrainingseffizienz in frühen Versuchen zu verbessern. Sie arbeiten mit Lambda, AWS und anderen für beschleunigtes Coaching zusammen.

„Ceramic.ai ist ein Spielveränderer für KI-Entwickler und Unternehmen, die eine höhere Effizienz und eine überlegene Preisleistung anstreben“, sagte Sam Khosroshahi, VP, BD & Strategic Tätigkeiten I AI & Machine Studying bei Lambda. „In unseren Angeboten bieten unsere Angebote Kunden eine beschleunigte Full-Stack-Lösung, die sowohl von Infrastruktur als auch von Modellkompetenz unterstützt und unterstützt wird. Auf diese Weise können Kunden schnellere Ergebnisse, reduzierte Entwicklungskosten und hochwertige Lösungen erzielen. “

„Der meteorische Aufstieg von AI struggle wie eine Rakete, die an einen Pferdekutsch befördert wurde-bisher“, sagte Lila Tretikov, Partnerin und Leiterin der AI-Strategie, NEA. „Anna und ihr Crew in Keramic.ai haben algorithmisch einen kritischen Engpass im Modelltraining zerstört und es schneller, effizienter und skalierbarer gemacht. Mit Keramik können Unternehmen ihre bereits large AI -Schulungs -Workloads 100x skalieren – ohne den entsprechenden Anstieg der Kosten oder der Komplexität. “

„Unsere Investition in Keramik zeigt, wie IBM Innovation fördert und Partnerschaften in hochstrategischen Gebieten verfestigt“, sagte Emily Fontaine, Vizepräsidentin von IBM World Head of Enterprise Capital. „Wir freuen uns, mit Keramik zusammenzuarbeiten, um die kIRTIC -Notwendigkeit zu befriedigen, die Kosten für die KI -Rechenkosten zu senken und das Coaching effizienter und zugänglicher zu gestalten.“