Według doniesień „Liberty Times” były dyrektor generalny Intela, Pat Gelsinger, który ogłosił swoje „przejście na emeryturę” 2 grudnia 2024 roku, ujawnił, iż został inwestorem w brytyjskim startupie Fractile.ai. Na platformie X (dawniej Twitter) Gelsinger wyraził entuzjazm związany z dołączeniem do grona udziałowców firmy, podkreślając, iż w przyszłości dominować będą tanie rozwiązania inferencyjne, a ograniczenie kosztów i zużycia energii to klucz do skalowalności sztucznej inteligencji.
W ocenie Gelsingera, który przyznał, iż kwestiami pamięci obliczeniowej interesował się już 40 lat temu podczas studiów doktoranckich, żaden kierunek rozwoju AI nie wzbudza w tej chwili większego entuzjazmu niż technologie oferowane przez Fractile.ai. Startup ma przyczynić się do rozwoju koncepcji komputerów „in-memory”, dzięki którym obliczenia są wykonywane bezpośrednio w modułach pamięci. Pozwala to znacząco ograniczyć zapotrzebowanie na moc i obniżyć koszty, co jest szczególnie istotne w obliczu rosnącego zapotrzebowania na inferencję przy dużych zbiorach danych.
Z informacji przytoczonych przez „Data Center Dynamics” wynika, iż Fractile.ai pracuje nad układami opartymi na wspomnianej technologii „in-memory compute”. Celem jest stworzenie chipów zużywających mniej energii i zapewniających lepszą wydajność przy niższych kosztach. Takie rozwiązania mają ułatwić masowe wdrażanie systemów AI w różnych sektorach przemysłu.
Pat Gelsinger nie jest oczywiście jedynym inwestorem
„TechCrunch Disrupt Berlin 2017 (24977403548)” by TechCrunch is licensed under CC BY 2.0.Firma zebrała już 15 milionów dolarów z funduszy Kindred Capital, NATO Innovation Fund oraz Oxford Science Enterprises, a także od aniołów biznesu. Wśród nich znalazł się Stan Boland – przedsiębiorca oraz były członek zarządu Arm i Acorn Computers, który ma na koncie sukcesy w tworzeniu i sprzedawaniu firm z branży układów scalonych oraz sztucznej inteligencji.
Dla sektora technologicznego może to oznaczać przyspieszenie prac nad układami nowej generacji, skupionymi na efektywności i wydajności.
