Lola Vision Systems推出AI模型编译工具链并自研芯片
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载从选芯片到做编译器
Tayo Adesanya 进入微芯片与 AI 处理器领域已有约十二年，早期工作主要是协助大型制造商判断硬件该搭载哪类芯片。这段经历让他对 AI 计算需求的变化方向形成了自己的判断。2024 年，他创办了 Lola Vision Systems，定位为 AI 基础设施公司，方向是让 AI 模型能够在设备端运行，产品形态同时覆盖软件与芯片。公司的核心产品是一套软件，作用是把 AI 模型转换成某款特定芯片可以执行的指令。Adesanya 把这套软件称为编译器工具链，并认为它是当前流程中的一大瓶颈：把 AI 模型手动部署到新硬件上，仅进入测试阶段就可能耗费约两百小时。Lola Vision 表示已经重写了这一软件层，同时也在开发自有半导体芯片，目标是让更多环节实现自动化。
客户给什么，软件还什么
按照 Lola Vision 描述的工作方式，客户需要提供两样东西：自己的代码，以及打算使用的 AI 模型。这个模型既可以是客户自行定制的，也可以是开源模型。软件随后把代码与模型一并转换成客户所持芯片能够执行的指令。这一流程的意义在于，原本需要人工逐项适配、耗时以百小时计的部署准备，被压缩成由工具链自动完成的部分。对使用自研芯片或非主流芯片的团队来说，适配成本往往是模型能否真正跑在设备上的门槛；Lola Vision 试图把这道门槛交给软件处理，而不是让工程师从零开始手工调通。公司同时推进自有芯片，意味着它希望软件与硬件两端配合，进一步减少人工介入的环节。
适用范围与眼下边界
从材料给出的信息看，Lola Vision 的方案面向的是在设备上运行 AI 模型这一场景，服务对象是那些已经拥有芯片、需要把模型落到该芯片上的客户。它并不替代模型本身，也不改变客户已有的代码，而是承担两者与芯片指令之间的翻译工作。可确认的量化细节只有一处：手动在新硬件上配置 AI 模型，大约需要两百小时才能开始测试。公司称已重建这一软件层，并正在开发自己的半导体芯片，但材料没有给出芯片的具体规格、软件支持的芯片种类、模型类型清单，也没有披露客户数量、性能提升幅度或时间表。因此，这套工具链究竟能覆盖多少种硬件、在多大程度上替代人工，目前仍缺少可核对的细节。
为什么值得看
直击AI模型适配新硬件耗时数百小时的痛点，用自动化编译工具链大幅缩短部署周期。
信源1 家
关键事实
相关 · 行业
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。