故事始于近 12 年前，当时 Tayo Adesanya 开始了与微芯片和 AI 处理器相关的职业生涯。他主要帮助大型制造商决定在其硬件中使用哪些芯片。他告诉 TechCrunch，那些年让他早早洞察到 AI 计算市场的需求走向。“创办 Lola Vision Systems 是对世界走向和我所看到的一切下的一次赌注，”他说。
2024 年，他创立了Lola Vision Systems，这是一家 AI 基础设施公司，为在设备上运行 AI 模型构建软件和芯片。其核心产品是一款软件，可将 AI 模型转换为特定芯片能够运行的指令。Adesanya 称这款软件为“编译器工具链”，并表示它是一个巨大的瓶颈：在新硬件上手动配置一个 AI 模型，仅启动测试就“大约需要 200 小时”。Lola Vision 表示，它已重建了这一软件层，同时也在开发自己的半导体芯片，目标是让更多流程实现自动化。客户提供其代码以及想要使用的 AI 模型——无论是定制构建还是开源——软件会将两者都转换为客户芯片能够执行的指令。
“速度只是其中一部分，”Adesanya 说。他解释说，更快的配置让航空航天和“其他关键任务型公司”有时间“以更低的功耗，在自有数据上运行更准确的模型”。
“对于这些客户来说，”他说，“准确性和可靠性不是锦上添花。它们决定了一款产品能否通过监管审查，以及能否在现场可靠运行。”
总部位于华盛顿特区的 Lola Vision，是多家试图为在设备上运行 AI 提供 NVIDIA 技术替代方案的初创公司之一。Adesanya 表示，目前许多公司从 Nvidia 的 Jetson 入手——这是一系列用于在设备上运行 AI 的紧凑型计算模块——或者从开源 AI 模型入手。Adesanya 声称，这些“往往开箱即坏或运行不佳，因此团队要花几天或几周才能让它们跑起来，然后再花更多周调试，直到模型可用。”
“即便如此，”他继续说道，“功耗常常会超出边缘计算的预算，或者开发板无法为产品真正需要成功运行的中大型模型提供足够的算力。这导致识别模型落后于目标或误读物体。”（边缘计算是指在设备上直接运行 AI，例如摄像头或无人机，而不是在远程数据中心运行。识别模型是识别物体的 AI 系统。）
据该公司称，已有十几家企业客户签署了意向书，表示有兴趣在 Lola Vision 的芯片上市后购买，并且它已经有一个签约客户。它还与微电子人才发展项目 SCALE 合作，以与更多半导体实验室展开合作。“为了更快获得收入，我们现在将在现有硬件上授权我们的软件，”Adesanya 说。（换句话说，该公司不会等待自己的芯片，而是让客户付费在已经存在的芯片上使用其软件。）他补充说，该公司迄今为止总共筹集了略超过 100 万美元的资金。
Lola Vision 入选了今年的 TechCrunch Battlefield 200，这是该项目选出的 200 家初创公司组成的群体。“我在 Purdue 读书时，TechCrunch 就是我的最爱，”他说。在打造产品并签下第一个客户大约一年后，他说，他觉得是时候申请 Battlefield，让公司接触到更广泛的受众了。
至于他对这次活动最期待的事情，他说，是“建立有意义的联系，并尽可能多地了解我们所在领域及其周边正在发生的事情”。“而且，直截了当地说，我期待投资者开出支票。”
要了解更多关于 Lola Vision Systems 以及数十家其他经过严格筛选、将于下周加入我们 TechCrunch Disrupt 的初创公司（还有前来考察它们的风投），下周加入我们在 San Francisco 的活动，10 月 13-15 日。
当您通过我们文章中的链接购买时，我们可能会赚取少量佣金。这不会影响我们的编辑独立性。
Dominic-Madori Davis 是 TechCrunch 的高级风险投资和初创公司记者。她常驻 New York City。
你可以通过发送电子邮件至以下地址联系 Dominic 或核实其外联信息dominic.davis@techcrunch.com或通过 Signal 加密消息 +1 646 831-7565 联系。