Gimlet Labs Raises $80M for Unified AI Inference Across NVIDIA, AMD, Intel and Other Chips

Gimlet Labs привлекла $80 миллионов в рамках раунда Series A на разработку технологии, которая решает одну из ключевых проблем современного ИИ — зависимость моделей от конкретного железа. Компания создала программный слой, позволяющий запускать инференс нейросетей одновременно на чипах от шести производителей: NVIDIA, AMD, Intel, ARM, Cerebras и d-Matrix. Проблема, которую решает Gimlet Labs, хорошо знакома всем, кто разворачивал ИИ в продакшне.

Каждый производитель чипов поставляет собственный программный стек — CUDA у NVIDIA, ROCm у AMD, oneAPI у Intel. Переход с одного железа на другое требует переписывания кода, тестирования и длительной отладки. Компании оказываются заложниками поставщика: даже если AMD предлагает более выгодную цену или Cerebras — лучшую производительность для конкретной задачи, переезд слишком дорого обходится.

Gimlet Labs предлагает единый API для всех поддерживаемых платформ. По сути, это слой абстракции между моделью и железом — аналог того, что когда-то сделал POSIX для операционных систем. Разработчик пишет код один раз, а платформа сама оптимизирует выполнение под доступное оборудование.

Особенно показательно включение в список d-Matrix и Cerebras — нишевых игроков, специализирующихся на инференсе. Это сигнал рынку: Gimlet Labs не ограничивается мейнстримом. $80 миллионов — серьёзная ставка на то, что проблема фрагментации чипового рынка не решится сама.

Инвесторы явно считают, что производители железа не договорятся между собой, а значит, нейтральный слой абстракции нужен рынку всерьёз и надолго. Раунд подчёркивает: инфраструктурный уровень ИИ-стека становится таким же стратегически важным, как сами модели. Для корпоративных покупателей ИИ такая технология означает реальную переговорную силу.

Сегодня огромная доля расходов на ИИ-инфраструктуру идёт в NVIDIA — не потому что альтернатив нет, а потому что переход слишком болезненен. Если Gimlet Labs действительно снижает стоимость миграции до приемлемой, у бизнеса появляется рычаг: можно покупать у того, кто даёт лучшую цену в конкретный момент, а не у того, к кому уже привязан кодовой базой. Элегантность решения — не в самой идее абстрактного слоя (она давно известна), а в том, что команде удалось реализовать её без катастрофической потери производительности.

Именно здесь обычно ломаются подобные проекты: универсальность плохо уживается с оптимизацией. Насколько Gimlet Labs справилась с этим противоречием — покажет продакшн.