這段故事可以追溯到近12年前，當時Tayo Adesanya開始從事微芯片和AI處理器相關的工作。他的主要職責是幫助大型製造商決定在硬體中使用哪些芯片。Adesanya告訴TechCrunch，那些年讓他很早就能預見到AI計算市場需求的發展趨向。「創辦Lola Vision Systems，其實是一種對未來世界發展方向以及我所觀察到的一切的賭注，」他說。

2024年，他推出了Lola Vision Systems，這是一家AI基礎設施公司，專門開發用於在設備上運行AI模型的軟件和芯片。其核心產品是一種軟件，能將AI模型轉換成某個特定芯片可以執行的指令。Adesanya將這種軟件稱為「編譯工具鏈」，並表示這是一個巨大的瓶頸：手動為新硬件配置一個AI模型，僅僅開始測試就可能需要「約200小時」。Lola Vision表示，該公司已經重新構建了這一軟件層，同時也在開發自己的半導體芯片，目標是讓更多流程自動化。客戶提供自己的代碼和想要使用的AI模型，無論是自行研發還是開源的，軟件都會將兩者轉換成客戶芯片可以執行的指令。

「速度只是其中的一部分，」Adesanya說。他解釋說，更快的部署速度能讓航空航太以及「其他任務關鍵型公司」有時間「在自己的數據上運行更準確的模型，而且功耗更低」。

「對於這些客戶來說，」他說，「準確性和可靠性並非錦上添花。它們決定產品能否通過監管審查，以及它在實際環境中能否可靠運行。」

總部位於華盛頓特區的Lola Vision，是多間試圖為在設備上運行AI提供NVIDIA技術替代方案的創業公司之一。Adesanya表示，目前許多公司會從Nvidia的Jetson開始，Jetson是一系列用於在設備上運行AI的緊湊型計算模塊，或者從開源AI模型開始。Adesanya稱，這些方案「往往一開箱就會出問題，或者運行效果很差，所以團隊需要花上幾天甚至幾周才能讓它們真正運行起來，然後再花更多周來調試，直到模型可用」。

「即便如此，」他繼續說，「功耗往往會超出邊緣計算的預算，或者電路板無法提供產品實際成功運行中型到大型模型所需的算力。這會導致識別模型落後於目標，或者誤讀物體。」（邊緣計算指的是直接在設備上運行AI，例如攝像頭或無人機，而不是在遠端數據中心運行。識別模型是用於識別物體的AI系統。）

據公司稱，已有12家企業客戶簽署了意向書，表示一旦Lola Vision的芯片上市就會購買，公司目前也已有1家簽約客戶。公司還與SCALE——一個微電子勞動力發展項目——建立了合作，以便與更多半導體實驗室合作。「為了更快地獲得收入，我們現在會在現有的硬體上授權我們的軟件，」Adesanya說。（換言之，公司不會等到自家芯片上市，而是讓客戶付費在已經存在的芯片上使用其軟件。）他補充說，公司迄今累計融資略高於100萬美元。

Lola Vision 獲選了今年的 TechCrunch Battlefield 200，這是一個從眾多創業公司中選出的200家公司組成的項目。「我在普渡大學讀書的時候，TechCrunch 就是我最喜歡的媒體之一，」他說。在產品開發了大約一年並簽下首位客戶後，他表示，自己是時候申請 Battlefield ，讓公司接觸更廣泛的受眾了。

至於他對這次活動最期待什麼，他說是「建立有意義的聯繫，並盡可能多地了解我們這個領域內外正在發生的事情。」「而且，直說吧，我也期待投資者開支票。」他說。

想進一步了解 Lola Vision Systems，以及下週將與我們一起參加 TechCrunch Disrupt 的數十家經過嚴格篩選的創業公司（還有前來考察的風投），歡迎在10月13日至15日前往舊金山參加活動。