來源New York Times Technology•較早收集於 33m
Amp 籌資 13 億美元打造 AI「網格」
巨額資金打造挑戰科技巨頭的 AI 硬體替代方案（28字元）
30 秒速覽
有什麼變化
Amp 獲得 13 億美元資金
為什麼重要
此輪融資可能多元化 AI 運算選擇，降低對 Nvidia 等公司的依賴，有助 AI 開發者降低成本。
下一步行動
評估 Amp 的 AI 網格，作為大廠雲端的具成本效益運算替代方案。
誰應關注：Founders & Product Leaders
關鍵要點
- •Amp 獲得 13 億美元資金
- •打造 AI「網格」作為硬體替代方案
- •挑戰科技巨頭對 AI 基礎設施的主導
深度解析
本篇為 AI 生成分析，非原文內容。
增強重點摘要
- •Amp 的 AI「網格」架構採用分散式運算模型，旨在將全球閒置的 GPU 運算資源虛擬化，以降低大型語言模型（LLM）訓練與推論的硬體成本。
- •此輪 13 億美元融資由頂級風險投資機構領投，資金將主要用於開發專有的互連技術（Interconnect Technology），以解決分散式節點間的數據傳輸延遲問題。
- •Amp 的商業模式不僅限於硬體，還包括一套軟體層，能自動將 AI 工作負載拆解並分配至網格中的最佳節點，實現類似雲端運算的彈性擴展能力。
競品分析
運算架構
- Amp (AI 網格)
- 分散式網格 (去中心化)
- NVIDIA (DGX Cloud)
- 集中式資料中心
- Lambda Labs
- 集中式資料中心
成本結構
- Amp (AI 網格)
- 預計較低 (利用閒置資源)
- NVIDIA (DGX Cloud)
- 高 (溢價硬體與服務)
- Lambda Labs
- 中 (租賃模式)
擴展性
- Amp (AI 網格)
- 動態彈性擴展
- NVIDIA (DGX Cloud)
- 依賴硬體部署速度
- Lambda Labs
- 依賴硬體庫存
| 特色 | Amp (AI 網格) | NVIDIA (DGX Cloud) | Lambda Labs |
|---|---|---|---|
| 運算架構 | 分散式網格 (去中心化) | 集中式資料中心 | 集中式資料中心 |
| 成本結構 | 預計較低 (利用閒置資源) | 高 (溢價硬體與服務) | 中 (租賃模式) |
| 擴展性 | 動態彈性擴展 | 依賴硬體部署速度 | 依賴硬體庫存 |
技術深入
- •採用基於 RDMA (Remote Direct Memory Access) 的優化通訊協定，以最小化分散式節點間的網路延遲。
- •核心軟體層具備自動化負載平衡演算法，能根據節點的即時頻寬與運算能力，動態調整模型切片（Model Sharding）策略。
- •支援異質硬體整合，透過抽象層（Abstraction Layer）將不同架構的 GPU 統一納入運算資源池。
前景展望基於引用來源的 AI 分析
Amp 將顯著降低中小型 AI 企業的基礎設施門檻。
透過利用分散式閒置資源取代昂貴的專用資料中心，能有效降低 AI 訓練的邊際成本。
Amp 的出現將迫使雲端服務供應商（CSP）調整 GPU 租賃定價策略。
分散式網格提供的替代方案將對傳統雲端 GPU 租賃市場形成價格競爭壓力。
時間線
2024-03
Amp 公司正式成立，專注於分散式運算架構研發。
2025-01
完成種子輪融資，並發布 AI 網格技術白皮書。
2025-09
成功進行首次大規模分散式模型訓練測試，驗證網格架構可行性。
2026-05
完成 13 億美元融資，正式啟動商業化擴張計畫。
- 2024-03Amp 公司正式成立，專注於分散式運算架構研發。
- 2025-01完成種子輪融資，並發布 AI 網格技術白皮書。
- 2025-09成功進行首次大規模分散式模型訓練測試，驗證網格架構可行性。
- 2026-05完成 13 億美元融資，正式啟動商業化擴張計畫。
AI 週報
閱讀本週精選 AI 大事摘要 →
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： New York Times Technology ↗
每週電子報
每週一封，可隨時退訂。