AMD will Open-Source-KI-Spezialisten Nod.ai übernehmen
Chiphersteller AMD will die Entwicklung bei KI beschleunigen und sich breiter im Markt aufstellen. Nod.ai könnte dabei helfen.
AMD erweitert seine offenen KI-Software-Fähigkeiten mit der Übernahme von Nod.ai. Der Deal soll den Einsatz von KI-Lösungen für die Technologien des Herstellers wie seine Instinct-Rechenzentrumsbeschleuniger, Ryzen-KI-Prozessoren, EPYC-Prozessoren, Versal-SoCs und Radeon-GPUs für AMD verbessern. Die Vereinbarung steht im Einklang mit der KI-Wachstumsstrategie des Unternehmens, in deren Mittelpunkt ein offenes Software-Ökosystem steht, das die Einstiegshürden für Kunden durch Entwickler-Tools, Bibliotheken und Modelle senkt.
Als Teil dieser Strategie hat AMD Anfang des Jahres auch Mipsology übernommen mit dem Ziel, die KI-Rivalität mit Nvidia zu verstärken. "Wir erwarten, dass die Übernahme von Nod.ai unsere Fähigkeit deutlich verbessern wird, KI-Kunden mit offener Software zu versorgen, die es ihnen ermöglicht, hochperformante, auf AMD-Hardware abgestimmte KI-Modelle einfach einzusetzen," sagte Vamsi Boppana, Senior Vice President der KI-Gruppe bei AMD.
"Die Aufnahme des talentierten Nod.ai-Teams beschleunigt unsere Fähigkeit, die Open-Source-Compilertechnologie voranzutreiben und portable, leistungsstarke KI-Lösungen für das gesamte AMD-Produktportfolio zu ermöglichen. Die Technologien von Nod.ai sind bereits heute in der Cloud, im Edge-Bereich und auf einer Vielzahl von Endgeräten weit verbreitet," erläutert der Manager.
Anush Elangovan, Mitbegründer und CEO von Nod.ai, kommentierte ebenfalls: "Bei Nod.ai sind wir ein Team von Ingenieuren, das sich auf die Lösung von Problemen konzentriert - und zwar schnell - und sich in einer Branche, die sich ständig verändert, in einem hohen Tempo bewegt, um Lösungen für die nächste Reihe von Problemen zu entwickeln." Nod.ai liefert optimierte KI-Lösungen an führende Hyperscaler, Unternehmen und Startups.
Die compilerbasierte Automatisierungssoftware SHARK von Nod.ai wurde entwickelt, um den Bedarf an manueller Optimierung und den Zeitaufwand für die Bereitstellung von KI-Modellen zu reduzieren, damit diese über ein breites Portfolio von Rechenzentren, Edge- und Client-Plattformen laufen können.