【注目AIスタートアップ１００社】Run:AIの紹介

こんにちは。草場です。

エクスポネンシャルテクノロジーの一つ、AIに関して、CBインサイツでリストアップされている注目スタートアップ１００社、１社ずつ見ていきます。

「AI 100: The Artificial Intelligence Startups Redefining Industries」

AI、機械学習について見直したい方は、シンラボの人気記事「OpenCVによるAIの実装方法」をご参考ください。

本日取り上げるスタートアップは、アクセラレーター分野のRun:AIです。名前、ロゴがかわいいですね。

AIの開発は、計算負荷の高い学習モデルを大量に並列実行することが基本であり、GPUなどの特殊で高価なプロセッサが必要となります。
ITリーダー、MLOps、データサイエンスチームは、最適な速度と利用率を達成するために高価なコンピュートリソースを割り当てて制御する能力が限られていることに気付きます。
これらの課題を解決するために、Run:AIは、AIのオーケストレーションとアクセラレーションのための世界初のコンピュートマネジメントプラットフォームを構築しました。Run:AIは、GPUコンピュートリソースを一元化して仮想化することで、リソースの優先順位付けと割り当てを可視化して制御するとともに、ワークフローを簡素化してデータサイエンティストのインフラストラクチャの手間を省きます。
これにより、AIプロジェクトがビジネス目標に確実にマッピングされ、データサイエンスチームの生産性が大幅に向上し、リソースの制限なしに同時進行のモデルを構築してトレーニングすることが可能になります。
ITチームは、各ジョブのランタイム、キューイング、GPU使用率の確認とプロビジョニングなど、コントロールを維持しながらリアルタイムの可視性を得ることができます。
また、仮想的なリソースプールにより、ITリーダーは、オンプレミスやクラウドを問わず、複数のサイトのコンピュートリソースを確認したり、割り当てたりすることができます。Run:AIプラットフォームは、Kubernetes上に構築されており、主要なオープンソースフレームワークとの統合が容易です。

技術面、まったくわかりませんが、メリットは以下です。

・トレーニング時間とコストの管理
高価なGPUリソースの割り当てをコントロールすることが出来る。IT部門はデータサイエンス・コンピューティングのニーズをコントロールし、優先順位をつけ、ビジネス目標に合わせることができる。

・GPU消費量の可視化
コンピューティングリソースの柔軟な「仮想プール」を作成することで、ITリーダーは、オンプレミス、クラウドを問わず、サイト全体のインフラストラクチャの容量と利用率を可視化することが出来る。

・ディープラーニングの学習を最適化
ユーザーやチーム間でリソースを柔軟にプールしたり共有したりすることで、AIクラスターの利用率を最適化する。

・データ実験を最高速度で実行
データサイエンティストがAIモデルをトレーニングする際に、既存のコンピューティングリソースをより有効に活用することで、最適な速度を提供。AIワークロードをコンピュートパワーから抽象化し、分散コンピューティングの原則を適用することで、企業はDLモデリングからより速い結果を得ることができます。

これも無料で使えそうなので、導入してみましょう