随着企业越来越多地将人工智能融入其工作流程和产品中，对能够更轻松地创建、测试和部署机器学习模型的工具和平台的需求也日益增长。这类平台（通常称为机器学习操作或 MLOps）已经有点拥挤，有像InfuseAI、Comet、Arrikto、Arize、Galileo、Tecton和Diveplane这样的初创公司，更不用说 Google Cloud、Azure 和 AWS 等现有企业的产品了。
现在，一家名为VESSL AI的韩国 MLOps 平台正试图通过专注于使用结合本地和云环境的混合基础设施来优化 GPU 费用，从而为自己开辟一个利基市场。这家初创公司目前已在 A 轮融资中筹集了 1200 万美元，以加快其基础设施的开发，旨在为那些想要开发定制大型语言模型 (LLM) 和垂直 AI 代理的公司提供服务。
该公司已经拥有 50 家企业客户，其中包括现代等一些大公司；韩国航空航天和武器制造商 LIG Nex1；Uber 与韩国电信公司 SK Telecom 成立的移动即服务合资企业TMAP Mobility ；以及科技初创公司 Yanolja、Upstage、ScatterLab 和 Wrtn.ai。该公司还与美国的Oracle和Google Cloud建立了战略合作伙伴关系。联合创始人兼首席执行官 Jaeman Kuss An 表示该公司拥有超过 2,000 名用户。
安博士于 2020 年与 Jihwan Jay Chun (首席技术官)、Intae Ryoo (首席产品官) 和 Yongseon Sean Lee (技术主管) 共同创立了这家初创公司，这些创始人曾在谷歌、手机游戏公司 PUBG 和一些人工智能初创公司工作过，目的是解决他在之前的一家医疗科技初创公司开发机器学习模型时遇到的一个特殊痛点：开发和使用机器学习工具涉及大量工作。
该团队发现，通过利用混合基础设施模型，他们可以提高流程效率，而且成本更低。An 指出，该公司的 MLOps 平台本质上使用多云策略和现货实例，将 GPU 费用削减了 80%，并补充说，这种方法还解决了 GPU 短缺问题，并简化了 AI 模型（包括大型 LLM）的训练、部署和运行。
“VESSL AI 的多云策略支持使用来自 AWS、Google Cloud 和 Lambda 等各种云服务提供商的 GPU，”An 表示。“该系统会自动选择最具成本效益和效率的资源，从而显著降低客户成本。”
VESSL 平台提供四个主要功能：VESSL Run，可自动化 AI 模型训练；VESSL Serve，支持实时部署；VESSL Pipelines，集成模型训练和数据预处理以简化工作流程；VESSL Cluster，可在集群环境中优化 GPU 资源使用率。
A 轮融资的投资者包括 A Ventures、Ubiquoss Investment、Mirae Asset Securities、Sirius Investment、SJ Investment Partners、Wooshin Venture Investment 和 Shinhan Venture Investment，该公司的融资总额达到 1680 万美元。这家初创公司在韩国和美国圣马特奥办事处拥有 35 名员工
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/vessl-ai-wei-qi-mlops-ping-tai-huo-de-1200-wan-mei-yuan
