Retym Inc.,一家专注于云计算和人工智能数据中心连接半导体技术的公司,今日宣布正式成立,同时获得由 Spark Capital 领投的 7500 万美元 D 轮融资。
现有投资方 Kleiner Perkins、Mayfield 和 Fidelity Investments 也参与了本轮融资。至此,该初创公司的总融资额超过 1.8 亿美元。
Retym (发音为"re-time") 专注于为云数据中心和 AI 基础设施开发可编程相干数字信号处理 (DSP) 解决方案。这项半导体技术用于实现数据中心之间以及数据中心内部的高速数据传输。
联合创始人兼首席执行官 Sachin Gandhi 在接受 SiliconANGLE 采访时表示,随着 AI 工作负载规模和复杂性的不断增长,对数据连接速度和效率的需求也在不断提升。
当今的数据中心包含成千上万或数百万个图形处理单元,它们被分成集群和机架,全部通过后端网络连接。这些设备进而连接到光学模块,这些模块通常用于连接建筑物或数据中心之间的较长距离。
Retym 的 DSP 半导体技术被集成在这些光学模块中,这些模块不仅能够实现信号的远距离传输,还能提供更快的速度,使其同样适用于数据中心内部。
"实际上正在发生的是相干技术的转变," Gandhi 说。"它不仅存在于数据中心之间,随着速度的提升,也在向数据中心内部迁移。我们正在构建核心技术,DSP 将瞄准下一代 AI 基础设施和云连接的演进。"
Gandhi 解释说,随着 AI 模型训练和推理需求的不断发展,"数据中心内部"和"数据中心互连"之间的界限开始模糊。根据市场研究公司 Dell'Oro Group 的数据,到本十年末,全球数据中心计算和网络支出预计将超过 1 万亿美元,这将使光网络和 DSP 解决方案成为 AI 云基础设施的首选。
"数据传输总是存在瓶颈," Gandhi 说。"为了避免瓶颈,我们在基础设施上投入大量资金。我们将速度从 400 Gb/s 提升到 800 Gb/s,从 800 Gb/s 提升到 1.6 Tb/s。这种速度提升过去每四年发生一次,现在每两年就会发生一次。"
Gandhi 表示,他相信 Retym 选择在这个时机推出产品是正确的,因为随着压力的增加,公司可以抓住 AI 基础设施市场对数据中心内部和之间速度和效率的需求。
研究公司 LightCounting 的创始人兼首席执行官 Vlad Kozlov 表示:"随着数据量和性能需求的持续增长,相干光学技术和驱动它们的 DSP 对于 AI 驱动的数据中心变得越来越重要。这个市场的持续发展凸显了对创新和高效解决方案的需求。"
借助新一轮融资,Gandhi 表示 Retym 将推进其相干 DSP 的生产工作,并计划在年底前将产品推向市场。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。