Modular看起来提高铝mojo与1亿美元融资

毫无疑问，早期有很多的兴奋和金钱。

人工智能初创公司Modular在成立一年半之后，在其技术首次亮相仅四个月之后今天宣布已经筹集了1亿美元，使迄今为止的融资总额达到1.3亿美元。

新一轮融资由Generalcatalyst领投，GV (谷歌风投)、SVAngel、Greylock和Factory也参与其中。Modular已经将自己定位于解决为世界开发者修复人工智能基础设施的大胆目标。这一目标正在通过包括模块化AI运行时引擎和Mojo程序设计语言在内的以产品为主导的运动来实现。

该公司的联合创始人chrisLattner和Tim Davis对人工智能世界并不陌生，他们都曾在谷歌工作，支持TensorFlow的计划。

联合创始人多次看到AI面临的一个挑战是，在不同类型的硬件上部署是多么复杂。Modular旨在帮助解决这一挑战，在一个大的方式。

在这些系统上工作了这么长时间之后，我们集思广益，认为我们可以建立一个更好的基础设施堆栈，使人们更容易在全世界的硬件上跨云和跨框架开发和部署机器学习工作负载，以一种真正统一基础架构堆栈的方式，”戴维斯告诉VentureBeat。

ModularAl引擎如何改变当前的推理状态

如今，部署人工智能推理时，通常使用与特定硬件和软件组合相关的应用堆栈。

模块化人工智能引擎试图打破目前运行人工智能工作负载的孤立方式。Davis表示，模块化人工智能引擎能够加快人工智能工作负载的扩展速度，并可跨硬件移植。

Davis解释说，TensorFlow和PyTorch框架是最常见的AI工作负载之一，它们都由运行时编译器为后端提供动力。这些编译器基本上采用一个ML图，即一系列操作和函数，并使它们能够在系统上执行。

模块化AI引擎在功能上是AI框架的一个新后端，作为PyTorch和TensorFlow已经存在的执行引擎的替代。起初，Modular的引擎适用于人工智能推理，但它计划在未来扩展到训练工作负载。

(模块化人工智能引擎)使开发人员可以选择他们的后端，这样他们就可以跨架构扩展，”戴维斯解释说。“这意味着您的工作负载是可移植的，因此您有更多的选择，您不会被锁定到特定的硬件类型，它是世界上最快的后端人工智能工作负载执行引擎。

Modular正在寻求解决的另一个挑战是人工智能的编程语言。

开放源码的Python程序设计语言是数据科学和ML开发的事实上的标准，但是它在很大程度上遇到了问题。因此，开发人员需要用C++程序设计语言重写代码以获得可伸缩性。Mojo旨在解决这个问题。

“Python面临的挑战是它有一些技术上的限制，比如全局解释器锁不能做大规模并行化风格的执行，”Davis解释说。“因此，随着工作负载越来越大，它们需要自定义内存布局，您必须切换到C++，以获得性能并能够正确扩展。

Davis解释说Modular正在采用Pvthon并围绕它构建一个超集。Moo没有要求开发人员了解Python和C++，而是提供了一种能够支持现有Python代码的语言，具有所需的性能和可伸缩性。

“这是一个巨大的问题，因为你倾向于让研究人员社区用Python工作，但你有生产部署用C++工作，通常会发生的情况是，人们会越过墙结束他们的代码，然后他们将不得不重写它，以便使其能够在不同类型的硬件上执行，””戴维斯说。“我们已经解锁了。

到目前为止，Mojo只提供了私有预览版，今天已经向预览版等待列表中的一些开发者开放。戴维斯说，将有更广泛的可用性在9月。Mojo目前都是私有代码，不过Davis指出Modular有计划在2023年底前开放Moio的部分源代码。

他说:“我们的目标是真正推动世界人工智能开发社区，使他们能够更快地构建和创新，以帮助影响世界。