随着企业越来越多地将人工智能集成到工作流程和产品中，对工具和平台的需求不断增长。这些工具使创建、测试和部署机器学习模型变得更加容易。这一被称为机器学习运维（MLOps）的领域已略显拥挤，包括InfuseAI、Comet、Arrikto、Arize、Galileo、Tecton和Diveplane等初创公司，以及Google Cloud、Azure和AWS等传统巨头的产品。
如今，韩国MLOps平台VESSL AI正试图通过专注于结合本地部署和云环境的混合基础设施来优化GPU成本，从而在市场中开辟利基空间。这家初创公司已完成A轮融资，筹集1200万美元，以加速基础设施开发，旨在帮助希望开发定制大型语言模型（LLMs）和垂直AI代理的公司。
该公司已拥有50家企业客户，其中包括现代；韩国航空航天和武器制造商LIG Nex1；Uber与SK Telecom合资成立的出行即服务企业TMAP Mobility；以及科技初创公司Yanolja、Upstage、ScatterLab和Wrtn.ai。此外，该公司还与美国甲骨文和Google Cloud建立了战略合作伙伴关系。联合创始人兼首席执行官Jaeman Kuss An表示，该公司拥有超过2000名用户。
An于2020年与Jihwan Jay Chun（首席技术官）、Intae Ryoo（首席产品官）和Yongseon Sean Lee（技术负责人）共同创立了这家公司。创始人团队此前曾在Google、移动游戏公司PUBG以及一些AI初创公司工作过，旨在解决An在上一家医疗科技初创公司开发机器学习模型时面临的痛点：开发和利用机器学习工具所涉及的大量工作。
团队发现，通过利用混合基础设施模式可以提高流程效率并显著降低成本。An指出，该公司的MLOps平台采用多云策略和竞价实例，可将GPU成本降低多达80%，这种方法还能缓解GPU短缺问题，简化包括大规模LLMs在内的AI模型的训练、部署和运营。
“VESSL AI的多云策略使得可以使用来自各种云服务提供商（如AWS、Google Cloud和Lambda）的GPU，系统自动选择最具成本效益和效率的资源，显著降低了客户的成本。”
VESSL的平台提供四大主要功能：
- VESSL Run：自动化AI模型训练；
- VESSL Serve：支持实时部署；
- VESSL Pipelines：整合模型训练和数据预处理以简化工作流程；
- VESSL Cluster：在集群环境中优化GPU资源使用。
本轮A轮投资由A Ventures、Ubiquoss Investment、Mirae Asset Securities、Sirius Investment、SJ Investment Partners、Wooshin Venture Investment和Shinhan Venture Investment参与，使该公司累计融资额达到1680万美元。该初创公司在韩国和美国圣马特奥设有办公室，共有35名员工。
企业公司认为MLOps对于可靠性和性能至关重要