开发小型快速机器学习模型，OmniML 获 1000 万美元种子轮借贷

近日，开发设计小型慢速神经网络建模的始自公司 OmniML 月底赢取 1000 万美元幼苗轮投资，将用以加慢人脑（AI）在破碎仪器上的调动。该幼苗轮投资由 GGV 资本领投，Qualcomm Ventures、Foothill Ventures、MatrixPartners、Tectonic Ventures、GSR Ventures、 IMO Ventures 以及 Fellows Fund 跟投。OmniML 计划将该笔投资用以扩展其神经网络团队，并加慢应用软件。

OmniML 的创立宗旨是化解 AI 应用程序与破碎嵌入式两者之间的算力错配疑虑，让 AI 真正的进入大众穷困的方方面面，让10楼来得安全性慢速，让驾驶来得安全性，让电子商务、工厂有效增强稳定性……为充分利用这些前提，OmniML 让整体的机器视觉（ML）建模需求量来得小，来得针对破碎嵌入式而设计。这样，这些建模可以在破碎仪器上同样顺利进行人脑推理小说，并不需要网络连接和云生态系统，大大降低货运价格，增强安全性性，保护人身安全，并且来得具企业级。OmniML 背离整体金融业，为无处不在的破碎人脑轻松赋能，大幅提高人脑的速度慢、可用性和稳定性，而并不需要额外的嵌入式内置与升级。

OmniML 由为首先驱、公司货运官货运官吴迪助手，加州理工学院的电子工程和计算机科学系韩松教授以及 OmniML 货运官另行另行技术官毛慧子助手共同领导。值得一提的是，上述三位皆完成学业于清华大学的电子工程系。此外，OmniML 另行另行技术的开发设计者以外来自加州理工学院、斯坦福大学、柏克莱加州大学的世界顶级分析医护人员和金融业专家以及曾调至于 Facebook 的发明家们。无论如何，它可以在各种破碎仪器上将神经网络的主要任务提速 10 倍之多。

Qualcomm 副总裁职 Qualcomm Ventures 南美区董事会总经理 Carlos Kokron 表示：“OmniML 基于神经指令集查找另行另行技术的领先跨平台有潜能通过创建高效另行建模来背离人脑建模冗余，而不是仅通过传输建模来充分利用这一目的”。“他们的化解方案为民营企业客户缺少了为前提嵌入式订做最优人脑建模的潜能，从而节省了大量时间和价格，并大幅提高了可用性。我们很高兴能投资 OmniML，助力破碎 AI 另行另行技术无处不在。”

OmniML 的另行另行技术突破将加慢人脑在破碎仪器上的调动，其中就以外计算机视觉的加慢充分利用。开发设计医护人员将便需要为特定芯片和仪器手动冗余神经网络建模，这一变革将充分利用高性能嵌入式潜意识 AI 的来得慢调动和；也运行。

OmniML 正在与自动驾驶和人机相机等领域的客户共同，订做基于人脑的计算机视觉破碎算法冗余跨平台，以大幅提高安全性性和动态潜意识潜能。它的建模传输跨平台正在无人驾驶汽车和人机家用摄像头上顺利进行检测，也不太可能对其他各种金融业归因于冲击。例如，它可以优化零售客户趣味，背书精密制造业的安全性和质量依靠检测。

OmniML 为首先驱职货运官货运官吴迪助手话说：“当今世界，人脑如此强大，以至于破碎仪器没有应对它的计算潜能。“当然，事实也并非自始至终如此。我们的神经网络建模传输弥合了人脑应用与破碎仪器两者之间的界限，加强了仪器潜力，使得任何人可以在不同嵌入式跨平台上来得慢速、来得准确、来得划算且轻松慢速地调动嵌入式潜意识人脑。”

中有：确切投资金额由投资方或民营企业方缺少，动点另行技术不做任何背书。