Стартап Rebellions привлекает $400 миллионов перед IPO
Южнокорейский стартап Rebellions, занимающийся разработкой AI-чипов, привлек дополнительные $400 миллионов после успешного раунда финансирования Series C в ноябре. Это финансирование, которое стало возможным благодаря Mirae Asset Financial Group и Корейскому национальному фонду роста, предшествует запланированному IPO компании в этом году. В то же время компания активно расширяет свое присутствие не только в Азии, но и на Ближнем Востоке и в США.
Основанная в 2020 году, Rebellions разрабатывает и проектирует AI-чипы, а их производство аутсорсит. Чипы стартапа предназначены для выполнения вычислений, необходимых для работы AI-моделей. Важность таких вычислений возросла с развитием языковых моделей и их коммерческим внедрением.
С момента своего запуска компания собрала в общей сложности $850 миллионов, из которых $650 миллионов были привлечены за последние шесть месяцев. Оценка компании составляет примерно $2.34 миллиарда. В дополнение к раунду финансирования, Rebellions анонсировала выход двух новых продуктов: RebelRack и RebelPOD, которые описываются как платформы для AI-инфраструктуры.
Marshall Choy, директор по бизнесу компании, сообщил, что Rebellions недавно открыла представительства в США, Японии, Саудовской Аравии и Тайване. Он отметил, что компания строит экосистему технологических партнеров в США, планируя сотрудничество с облачными провайдерами, государственными учреждениями и телекоммуникационными операторами.
По словам соучредителя и CEO Rebellions, Sunghyun Park, AI теперь измеряется его способностью работать в реальном мире в масштабах, с учетом ограничений по энергопотреблению и с ясной экономической отдачей. Это смещает акцент на инфраструктуру для вычислений и программное обеспечение, которое делает эту инфраструктуру удобной для использования.
Mantis Biotech создает цифровые двойники людей для медицины
Cognichip привлекает $60M для разработки ИИ в проектировании чипов
Похожие статьи
NVIDIA NVbandwidth: инструмент для оценки производительности GPU
NVIDIA представила NVbandwidth — инструмент для оценки производительности передачи данных между GPU.
Оптимизация использования GPU для эффективного обучения моделей
Изучите, как оптимизировать использование GPU для повышения эффективности обучения моделей.
Пять архитектур вычислений для ИИ, которые должен знать каждый инженер
Изучите пять ключевых архитектур вычислений для ИИ, которые важны для инженеров.