🌍The Next Web (TNW)•最新收集於 44m
ZML 推出跨晶片工具，試圖打破 Nvidia 的市場壟斷
💡使用 ZML 的跨晶片工具在非 Nvidia 硬體上運行 AI 模型，有效降低基礎設施成本。
⚡ 30-Second TL;DR
有什麼變化
ZML 軟體支援跨平台執行 AI 模型
為什麼重要
若此舉成功，將允許新創公司利用非 Nvidia 硬體進行 AI 運算，進而降低基礎設施成本。
下一步行動
評估 ZML 工具與您目前的推論堆疊，看看是否能利用更便宜或現有的非 Nvidia 硬體。
誰應關注：Developers & AI Engineers
關鍵要點
- •ZML 軟體支援跨平台執行 AI 模型
- •支援 Nvidia、AMD、Google、Apple 及 Intel 的晶片
- •致力於打破 AI 開發者對 Nvidia 硬體的依賴
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •ZML 的核心技術基於對 MLIR（多層次中間表示）的深度整合，使其能夠將 AI 模型編譯為針對不同硬體架構優化的機器碼。
- •該工具特別針對推論（Inference）場景進行了優化，旨在解決開發者在部署階段面臨的硬體鎖定問題。
- •ZML 採取開源策略，透過 GitHub 發布其編譯器堆疊，以吸引社群貢獻並加速對新興 AI 加速器的支援。
- •該公司由前 Google 和 Meta 的工程師團隊創立，具備深厚的編譯器設計與分散式系統背景。
- •ZML 的解決方案不僅支援主流 GPU，還包含對 Apple Silicon（M 系列晶片）的神經引擎（Neural Engine）優化支援。
📊 競品分析▸ Show
| 特性 | ZML | Apache TVM | Triton (OpenAI) | Mojo (Modular) |
|---|---|---|---|---|
| 核心定位 | 跨硬體推論編譯 | 深度學習編譯器堆疊 | GPU 核心程式語言 | AI 專用程式語言 |
| 硬體支援 | 廣泛 (Nvidia/AMD/Apple/Intel) | 極廣 (包含嵌入式) | 主要針對 Nvidia | 跨硬體 (開發中) |
| 定價 | 免費 (開源) | 免費 (開源) | 免費 (開源) | 免費/商業授權 |
🛠️ 技術深入
- 採用 MLIR 作為編譯器基礎架構，實現硬體抽象化。
- 支援將高階 AI 模型（如 PyTorch/ONNX）直接轉換為高效能執行檔。
- 實作了自動算子融合（Operator Fusion）技術，減少記憶體存取頻率。
- 針對不同硬體後端（Backend）實作了特定的記憶體管理與排程策略，以最大化硬體利用率。
🔮 前景展望AI analysis grounded in cited sources
Nvidia 的 CUDA 生態系統護城河將面臨顯著侵蝕。
隨著跨平台編譯工具的成熟，開發者轉移模型部署至非 Nvidia 硬體的技術門檻將大幅降低。
AI 推論市場將出現硬體多樣化趨勢。
企業將能更靈活地根據成本與效能選擇硬體，而非僅受限於 Nvidia 的供應鏈與價格。
⏳ 時間線
2025-03
ZML 公司正式成立，並獲得種子輪融資以開發跨平台編譯技術。
2025-11
ZML 發布內部測試版，初步支援 Nvidia 與 Apple Silicon 晶片。
2026-06
ZML 正式對外開源其跨晶片工具，並擴大支援 AMD 與 Intel 硬體。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
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： The Next Web (TNW) ↗