Run:ai - בינה מלאכותית שמגייסת 75 מיליון דולר
הסטארטאפ Run:ai גייס 75 מיליון דולר בהובלת אינסייט וטייגר גלובל. החברה פיתחה תוכנה לניהול וייעול משאבי מחשוב של בינה מלאכותית וגייסה מאז הקמתה 118 מיליון דולר. משקיעים נוספים שהצטרפו בסבב גיוס C הם TLV Partners ו- S Capital VC
על פי החברה, כספי ההשקעה ישמשו להרחבת מרכז הפיתוח בתל אביב, קליטת מפתחים, מהנדסים, מומחי בינה מלאכותית, מנהלי מוצר ואנשי שיווק וכן להגדלת הרחבת הצוותים בעולם ובחינת רכישות אסטרטגיות של סטארטאפים.
מדובר במערכת הפעלה עבור מעבדי בינה מלאכותית, המבוססת על טכנולוגיות וירטואליזציה מתקדמות. פלטפורמת Atlas של החברה מאגדת את כל משאבי המחשוב של הארגון ומקצה באופן דינמי ואוטומטי משאבים לכל המשימות הרצות במקביל בהתאם לצורך ולתיעדופים הארגוניים. הפלטפורמה פועלת בשרתי החברה ובענן ומלווה את הארגון בכל השלבים ממחקר ופיתוח אפליקציות בינה מלאכותית ועד להפעלתן בסביבות פרודקשן.
החברה רשמה צמיחה חדה בשנה האחרונה עם גידול של פי 9 בהכנסות (אבל זה לא אומר הרבה. כמה הכנסות היו קודם? כמה כעת?) והגדלת הצוות פי שלושה ל-70 עובדים במשרדי החברה בישראל וארה"ב.
- סבב A הורחב: סטראטאפ הפינטק יוטילה גייס 22 מיליון דולר
- אנלייט קיבלה 403 מיליון דולר למימון פרויקטים בארה"ב
- המלצת המערכת: כל הכותרות 24/7
החברה הוקמה בשנת 2018 על ידי עמרי גלר, מנכ״ל החברה, שעבד בעברו ביחידה טכנולוגית במשרד ראש הממשלה. וד״ר רונן דר, סמנכ"ל טכנולוגיה, חוקר לשעבר באוניברסיטת תל אביב ומהנדס אלגוריתמים באנוביט ובאפל.
בין הלקוחות של Run:AI חברות מ-Fortune 500 וכן סטארטאפים שעושים שימוש בבינה מלאכותית במגוון תחומים כמו פיננסים, רכב, בריאות, ומוסדות אקדמיים מובילים.
עמרי גלר, מנכ"ל Run:ai: "בינה מלאכותית היא השלב הבא בהתפתחות האנושות. השנה צפויות ההשקעות העולמיות על בינה מלאכותית להסתכם ב-433 מיליארד דולר, עליה של קרוב ל-20% בשנה אחת. מגמה זו צפויה להתחזק ככל שהשימוש בבינה מלאכותית יתרחב והניהול שלה יתייעל".
רונן דר, מייסד שותף ומנהל טכנולוגי: "אנחנו עושים עבור חומרת בינה מלאכותית את מה ש-VMware והווירטואליזציה עשו לעולם המחשוב המסורתי - יותר יעילות, ניהול פשוט יותר ופרודוקטיביות משתמש גבוהה יותר. למחשוב CPU מסורתי יש תוכנה עשירה עם כלי פיתוח רבים להפעלת יישומים בקנה מידה. עם זאת, בינה מלאכותית פועלת על מאיצי חומרה ייעודיים כגון GPUs שיש להם מעט כלים שיעזרו ביישום ובקנה מידה שלהם. במערכת Atlas בנינו שכבת תוכנה מקורית בענן שמפשטת באופן אוטומטי את חומרת בינה מלאכותית ומאפשרת למפתחים ולאנשי IT לקבל יותר ממשאבי המחשוב ולהאיץ פרויקטים של בינה מלאכותית."
- השמועות על מותו של חיפוש גוגל היו מוגזמות
- אנבידיה מציגה את DGX Spark - מחשב שולחני עם יכולות של מרכז נתונים
- תוכן שיווקי צברתם הון? מה נכון לעשות איתו?
- אנבידיה מציגה את DGX Spark - מחשב שולחני עם יכולות של מרכז...

אנבידיה מציגה את DGX Spark - מחשב שולחני עם יכולות של מרכז נתונים
הביצועים של מרכז נתונים, בגודל של מחשב שולחני. אנבידיה מציעה את DGX Spark כפתרון חדש למפתחי בינה מלאכותית
מנכ״ל ומייסד אנבידיה, ג׳נסן הואנג, ביקר השבוע במתקן Starbase של חברת SpaceX על מנת למסור לאילון מאסק באופן אישי את מחשב העל הקטן בעולם לבינה מלאכותית, NVIDIA DGX Spark. במהלך המפגש נזכר הואנג כיצד לפני תשע שנים הגיע למשרדי OpenAI – שהיה אז סטארט-אפ קטן בתחילת דרכו - כדי למסור למאסק את NVIDIA DGX-1, מחשב העל הראשון שאנבידיה בנתה במיוחד עבור חישובי בינה מלאכותית.
NVIDIA DGX Spark, שיהיה זמין לרכישה החל מהיום במחיר של 3,999 דולר, פותח על ידי אנבידיה כדי לספק למפתחים, חוקרים ויוצרים ברחבי העולם ביצועי בינה מלאכותית ברמה של מחשב-על גם מחוץ לגבולות הדאטה סנטר, ולאפשר להם לבצע משימות הסקה (Inference) של מודלים בגודל של עד ל-200 מיליארד פרמטרים באופן מקומי.
המערכת כוללת את כל מרכיבי הפלטפורמה של אנבידיה: מעבד GB10 מבוסס ארכיטקטורת Grace Blackwell, כרטיס גרפי מתקדם, חיבוריות NVLink‑C2C עם רוחב פס של עד פי 5 מהדור הקודם, רשת פנימית במהירות 200Gbps, ותמיכה מלאה בספריות CUDA ובתוכנות ה-AI של אנבידיה.
המערכת מסוגלת לבצע פעולות חישוב בקצב של פטה פלופ ומצוידת בזיכרון מאוחד של 128 ג׳יגה, מה שמאפשר למפתחים להריץ מודלים בהיקף של עד 200 מיליארד פרמטרים ולבצע כיוונון למודלים בגודל של עד 70 מיליארד פרמטרים - ללא צורך במעבר לענן או שימוש בתשתיות מרוחקות.
- מניית אנבידיה ב-320 דולר - היעד החדש של האנליסטים
- אני מוכר לך - תשלם באופציות למניות; האם זו מכירה אמיתית ואיך זה משפיע על שוק המניות?
- המלצת המערכת: כל הכותרות 24/7
מדובר במהלך שמתכתב עם מגמה גוברת של העברת יכולות AI מהמחשוב הענני אל המפתחים עצמם, תוך מתן גישה מיידית, נוחה ומקומית למודלים, נתונים וספריות. אומנם לא מדובר בתחליף מלא לסביבות מחשוב גדולות, אך זו אלטרנטיבה שמצמצמת פערים בין מעבדות קטנות לחברות ענק.