Deci是一家拥有 50 名员工的初创公司，正在开发一个构建和优化人工智能驱动系统的平台，今天宣布完成了由 Insight Partners 牵头的 2500 万美元 B 轮融资，参与方包括 Square Peg、Emerge、Jibe Ventures、Fort Ross Ventures 和 ICON 使公司的总融资额达到了 5510 万美元。据联合创始人兼首席执行官 Yonatan Geifman 称，这笔资金将用于扩大Deci的上市活动以及支持公司的研发工作。
公司在创建用于在其应用程序和服务中部署的文本、音频和图像分析 AI 模型方面面临几个障碍。成本很高——在商业硬件上训练一个模型可能会花费数万美元，甚至更多。虽然新一代芯片和定制设计的人工智能加速器在一定程度上帮助减轻了负担，但从头开始创建模型仍然不是一件容易的事。
Geifman 提出神经架构搜索 (NAS) 作为解决方案。 NAS 是 Deci 高度依赖的一系列技术，可以帮助自动发现针对给定问题的低成本、最佳模型。 Deci 在这方面并不是独一无二的——谷歌的Vertex AI服务利用 NAS 来优化模型在特定的、客户指定的任务上的性能。但 Geifman 认为，Deci 的平台以较低的成本提供对 NAS 功能的访问。
2019 年，Geifman 与 Ran El-Yaniv 和企业家 Jonathan Elial 共同创立了 Deci。 Geifman 和 El-Yaniv 是在 Technion 的计算机科学系认识的，当时 Geifman 是博士生，El-Yaniv 是教授。
“与公开可用的最强大的模型相比，Deci的专有技术 [可以生成] 新的图像分类模型……运行时间提高了 2 倍以上，准确性也提高了，”Geifman 在一封电子邮件中告诉 TechCrunch。 “这意味着以前只能部署在大型且昂贵的 GPU 上的 AI 应用程序现在可以部署在 CPU 上。”
图片来源：德西
这些都是崇高的主张。但 Deci 得到了英特尔的支持，英特尔去年 3 月宣布与这家初创公司展开战略业务和技术合作，以优化英特尔处理器上的机器学习。 Geifman 声称，该合作关系导致创建了一个模型，该模型可以加速英特尔 CPU 上的问答任务的性能，以及一个用于 Cascade Lake 处理器的图像分类模型，该模型“显着降低了计算开销”。
Geifman 此前告诉 TechCrunch，Deci 的一位客户，一家视频会议提供商，使用该平台推出了一项模糊用户设备背景的功能。其他人已经利用 Deci 为他们自己的内部计算构建更好的模型，即使他们理论上拥有 GPU 和计算能力来运行任何东西。
“创建Deci是为了增强开发人员的能力并消除整个 AI 生命周期中与生产相关的瓶颈，”Geifman 说。 “这种能力的业务影响转化为……缩短生产时间以及解锁新的人工智能用例和解决资源受限设备上的新细分市场的能力。”
Geifman 还指出，压缩模型可以帮助公司节省推理计算成本——即部署模型后实际服务模型的成本。根据可观察性软件供应商 Pepperdata 的一项民意调查，部分由于云中托管模型的普及，超过三分之一的企业经常出现高达 40% 的云预算超支。
虽然 Geifman 断言 Deci 的业务继续增长，但该初创公司面临挑战，包括 NAS 的技术限制。 （难以评估的 NAS 可能既昂贵又耗时。）此外，Deci 还与许多公司竞争，这些公司正在开发提高模型效率的方法，例如 OctoML、Neural Magic 和 OmniML。
未来几个月将是对 Deci 对逆风的稳健性的考验。
“虽然我们无法透露估值，但我们可以说它与上一轮相比显着增加。由于 Deci 业务的增长以及产品扩展到自然语言处理等其他领域的机会，我们现有的投资者决定加倍投资以支持这种增长，”Geifman 说。 “我们没有看到（最近的经济发展）产生重大影响。我们主要关注企业，而经济放缓主要影响中型市场公司和初创公司。”
Insight Partners 董事总经理、Deci 董事会成员 Lonne Jaffe 在与 TechCrunch 的电子邮件中补充道：“Deci 强大的技术让您可以输入您的 AI 模型、数据和目标硬件——无论该硬件是在边缘还是在云端——并且指导您寻找替代模型，这些模型将产生类似的预测准确性并大大提高效率……[这是一个增值，因为]拥有更高效的人工智能系统基础设施可以使人工智能产品在质量上有所不同和更好，不仅更便宜、运行速度更快。 ”
原文： https://techcrunch.com/2022/07/13/deci-lands-25m-for-tech-that-makes-ai-models-more-efficient/