高瓴领投「TensorChord」种子轮，发力机器学习基础设施领域

近年来,人工智能行业迈进高速发展期,分工细化,产业落地成为主旋律,AI 与各个场景的交叉、对话不断在发生。为帮助AI应用落地,机器学习正在发挥巨大价值。据公开消息显示,近日,机器学习基础设施领域(简称:MLOps)企业「TensorChord」宣布完成数百万美元的种子轮融资。本轮融资领投方为高瓴创投(GL Ventures),云九资本跟投。

TensorChord成立于2022年6月,主打MLOps领域。MLOps的主要作用是连接算法工程师团队和AI基础设施团队,建立起简单易用的模型开发、部署与运维流程,从而帮助企业提升AI落地的效率和效果。公司联合创始人兼CEO高策也进一步表示,MLOps的目标是帮助AI更好地落地,所以只有当企业的AI应用越来越多的时候,MLOps才有用武之地。过去几年里,AI技术应用的爆发,海外几家MLOps公司的发展,以及高策和团队对AI在公有云中落地程度的观察,都让他们更加确信MLOps的发展前景,TensorChord也就此成立。

在具象的市场需求方面,TensorChord团队发现AI领域在快速发展的同时,也存在人才、硬件浪费的问题。而公司的第一款产品「envd」则致力于提升算法工程师的人效和硬件资源的利用率。

在提升人效方面,据高策介绍,当前不少公司内部的算法工程师需要花费大量精力在构建和维护AI基础设施上,但在他看来,算法工程师的工作应该服务于公司的核心业务,为业务发展创造更多价值。

此外,今天的算法工程师在工作时,也常常需要AI基础设施团队帮忙进行资源配置工作。比如,当算法工程师基于容器架构进行调试时,需要AI基础设施团队帮忙构建容器镜像。而envd则提供了一种基于Python语言的镜像构建方式,让算法工程师也可以自行完成这一部分工作,从而提升团队整体效率。

而在提升硬件资源利用率方面,高策解释,GPU本身不⽀持硬件辅助的虚拟化等特性,使得其利用率有待提高。

具体表现为,算法工程师需要基于GPU进行算法的调试工作,而GPU等底层资源属于AI基础设施团队的管辖范畴,算法工程师需要申请使用,这使得不论是在本地使用GPU卡,还是采用集群或容器的方式,算法工程师都偏向长期占用GPU开展工作。这种情况下,AI基础设施团队无法及时对GPU进行回收,就会造成企业计算资源的浪费。“在公有云上,GPU 的利⽤率在 30-40% 就已经是⾮常不错的表现了。”针对这一痛点,高策介绍,envd可以精准洞察GPU资源的占用情况 ,帮助AI基础设施团队进行资源的及时回收。其具体实现逻辑是, envd在镜像构建的工具中引入支持SSH协议的守护进程。并且,这一功能支持本地和远程(类似云开发),保证用户在不同的硬件资源上能有一致的体验。

整体而言,高策表示,开发环境的构建是算法⼯程师⼯作流程的⼊⼝,也是⽬前基础设施仍未解决的问题之⼀。所以,TensorChord团队希望⾯向AI从业者打造更加符合他们使⽤习惯的环境构建和分发⼯具,让AI基础设施团队和算法团队各司其职,提升企业整体业务效率。

在创始团队的愿景中,TensorChord从成立第一天起就面向全球市场,创始团队也计划于明年开展海外的团队建设和市场探索。

高瓴创投合伙人李强表示:在机器学习工程化实践中,如何将数据、算法、模型和实际场景相结合,推动更复杂和有效的解决方案落地,一直以来都是核心问题。MLOps作为机器学习工程化的重要内容,已连续两年进入Gartner数据科学技术成熟度曲线,是促进机器学习规模化落地的有力保障,我们非常看好它的未来。TensorChord团队在该领域拥有强大的技术优势、经验和持续学习能力。作为它的首轮投资人,我们相信TensorChord将成为MLOps方向上领先的创新公司,为企业们创造真实价值。

自9月底,高瓴发布“Aseed+”种子计划以来,高瓴聚焦制造业、新能源、新材料、生物科技、碳中和等重点领域,积极寻找早期企业,为早期初创企业提供创新平台支持、产学顾问、产业资源对接、融资服务等在内的高瓴种子共创服务。