这段故事要追溯到近12年前，当时Tayo Adesanya开始从事微芯片和AI处理器相关工作。他主要帮助大型制造商决定在硬件中使用哪些芯片。Adesanya告诉TechCrunch，那些年让他很早就看到了AI计算市场需求的走向。“创办Lola Vision Systems，是对世界将走向何处以及我所看到的一切的一次押注，”他说。
2024年，他推出了Lola Vision Systems，这是一家AI基础设施公司，开发用于在设备上运行AI模型的软件和芯片。其核心产品是一款软件，能把AI模型转换成某个特定芯片可以执行的指令。Adesanya把这款软件称为“编译工具链”，并表示这是一个巨大的瓶颈：手动为新硬件配置一个AI模型，仅仅开始测试就可能需要“约200小时”。Lola Vision表示，公司已经重建了这一软件层，同时也在开发自己的半导体芯片，目标是让更多流程自动化。客户提供自己的代码和想使用的AI模型，无论是自研还是开源，软件都会把两者转换成客户芯片可执行的指令。
“速度只是其中一部分，”Adesanya说。他解释称，更快的部署速度能让航空航天以及“其他任务关键型公司”有时间“在自己的数据上运行更准确的模型，并且功耗更低”。
“对于这些客户来说，”他说，“准确性和可靠性不是锦上添花。它们决定产品能否通过监管审查，以及它在实际环境中是否能可靠运行。”
总部位于华盛顿特区的Lola Vision，是多家试图为在设备上运行AI提供NVIDIA技术替代方案的初创公司之一。Adesanya说，目前很多公司会从Nvidia的Jetson开始，Jetson是一系列用于在设备上运行AI的紧凑型计算模块，或者从开源AI模型开始。Adesanya称，这些方案“往往一开箱就会出问题，或者运行效果很差，所以团队要花上几天甚至几周才能让它们真正跑起来，然后再花更多周来调试，直到模型可用”。
“即便如此，”他继续说，“功耗往往会超出边缘计算预算，或者电路板无法提供产品实际成功运行中型到大型模型所需的算力。这会导致识别模型落后于目标，或者误读物体。”（边缘计算指的是直接在设备上运行AI，例如摄像头或无人机，而不是在远程数据中心运行。识别模型是用于识别物体的AI系统。）
据公司称，已有12家企业客户签署了意向书，表示一旦Lola Vision的芯片上市就会购买，公司目前也已经有1家签约客户。公司还与SCALE——一个微电子劳动力发展项目——建立了合作，以便与更多半导体实验室合作。“为了更快获得收入，我们现在会在现有硬件上授权我们的软件，”Adesanya说。（换句话说，公司不会等自家芯片上市，而是让客户付费在已经存在的芯片上使用其软件。）他补充说，公司迄今累计融资略高于100万美元。
Lola Vision入选了今年的TechCrunch Battlefield 200，这是一个从众多初创公司中选出的200家公司组成的项目。“我还是普渡大学学生时，TechCrunch就是我最喜欢的媒体之一，”他说。在产品开发约一年并签下首位客户后，他表示，自己觉得是时候申请Battlefield，让公司接触更广泛的受众了。
至于他对这次活动最期待什么，他说是“建立有意义的联系，并尽可能多地了解我们这个领域内外正在发生的事情”。“而且，直说吧，我也期待投资者开支票。”他说。
想进一步了解Lola Vision Systems，以及下周将与我们一起参加TechCrunch Disrupt的数十家经过严格筛选的初创公司（还有前来考察的风投），欢迎于10月13日至15日前往旧金山参加活动。
