一家法国初创公司获得巨额种子轮融资，旨在“重构计算基础设施”，帮助开发者更高效地构建和训练AI应用。
FlexAI自2023年10月以来低调运营，总部位于巴黎。该公司于周三正式推出，获2850万欧元（3000万美元）融资，并发布首款产品：按需AI训练云服务。
对于种子轮而言，这笔融资金额相当可观，通常意味着创始人背景显赫。FlexAI联合创始人兼CEO Brijesh Tripathi曾任Nvidia高级设计工程师，后在Apple、Tesla（直接向Elon Musk汇报）、Zoox等公司担任高级工程和架构职位；最近还担任Intel AI和超算平台分支AXG副总裁。
FlexAI联合创始人兼CTO Dali Kilani履历同样出色，曾在Nvidia、Zynga等公司任职，最近担任法国医疗数字基础设施初创企业Lifen的CTO。
本轮融资由Alpha Intelligence Capital（AIC）、Elaia Partners和Heartcore Capital领投，Frst Capital、Motier Ventures、Partech及InstaDeep CEO Karim Beguir参与投资。
计算难题
要理解FlexAI的目标，需先了解开发者获取“计算资源”的挑战。这里指执行数据处理、运行算法和机器学习模型所需的处理能力与基础设施。
Tripathi表示：“AI基础设施很复杂，不适合缺乏经验者。使用前需深入了解如何构建基础设施。”相比之下，公有云生态已让开发者无需过多担心后端即可构建应用。
“小型开发者编写应用时，无需知道运行位置或后端细节，启动EC2实例即可完成，”Tripathi说，“但在当前AI计算中，你无法做到这一点。”
在AI领域，开发者必须确定GPU数量及互连网络类型，并通过自行搭建的软件生态系统管理。若硬件或网络故障，责任全在开发者。
Tripathi表示：“我们希望将AI计算基础设施简化至通用云平台水平。尽管花了20年，但没有理由说明AI计算不能享受同样好处。我们的目标是让运行AI工作负载不再要求成为数据中心专家。”
随着产品在少数测试客户中试用，FlexAI将于今年晚些时候推出首个商业产品。这是一项云服务，将开发者连接到“虚拟异构计算”，支持在多种架构上运行工作负载并部署AI模型，按使用量付费，而非按小时租用GPU。
GPU是AI开发关键组件。自OpenAI于2023年3月推出ChatGPT API以来，Nvidia市值从约5000亿美元飙升至超2万亿美元。
LLMs大量涌现带动GPU需求激增。但GPU运行成本高昂，为小任务租用并不总是合理选择。AWS虽尝试限时租赁服务，但租赁终究是租赁。FlexAI希望抽象底层复杂性，让客户按需访问AI计算资源。
“面向人工智能的多云”
FlexAI认为，大多数开发人员并不关心具体使用哪家公司的GPU或芯片（如Nvidia、AMD、Intel等），主要关注在预算内开发AI并构建应用。
这正是FlexAI“通用AI算力”概念发挥作用之处。平台根据需求分配最适合任务的架构，处理跨不同平台（如Intel Gaudi、AMD ROCm、Nvidia CUDA）的必要转换。
Tripathi说：“这意味着开发者只需专注于构建、训练和使用模型。我们处理底层一切，包括故障恢复和可靠性，你只需为所用内容付费。”
FlexAI正推进云计算领域早已发生的变化，不仅复制按量付费模式，更能利用不同GPU和芯片优势实现“多云”部署。
FlexAI根据客户工作负载及优先级调配资源。若预算有限，可设定限制以获取最大性价比，例如通过Intel使用更便宜但较慢的计算资源；若需最快输出速度的小型任务，则可通过Nvidia处理。
本质上，FlexAI是“需求聚合器”，通过传统方式租赁硬件，并利用与Intel和AMD的紧密关系确保优惠价格分摊给客户。这不一定绕过Nvidia，但随着Intel和AMD争夺市场份额，它们有巨大动力与FlexAI合作。
Tripathi表示：“若能为客户解决问题并将数百家客户引入其基础设施，Intel和AMD将会非常高兴。”
这与CoreWeave和Lambda Labs等专注Nvidia硬件的GPU云服务商形成对比。
Tripathi指出：“目前AI领域无法实现多云部署。必须选择特定硬件、GPU数量及连接性并自行维护。这是获得AI计算能力的唯一方式。”
关于启动合作伙伴，Tripathi表示部分尚未做出“正式承诺”。他说：“Intel和AMD是提供基础设施的有力伙伴。还有第二层合作关系正与Nvidia及其他硅片公司展开，谅解备忘录正在签署中。”
埃隆效应
Tripathi曾在全球顶尖科技公司工作，具备应对未来挑战的能力。
谈及在Nvidia七年任期及2007年跳槽Apple的经历，他表示：“我对GPU足够了解，以前制造过GPU。在Apple，我专注于解决真正客户问题，参与了首批手机SoC制造。”
2016年至2018年，Tripathi在特斯拉担任两年硬件工程主管。最后六个月因高管离职，他直接向Elon Musk汇报。
他说：“在特斯拉学到的一点是：除科学和物理定律外无其他约束。应从第一性原理出发追求正确做法，消除每一个黑箱。”
Tripathi参与了特斯拉转向自研芯片的过渡，该举措后被通用汽车和现代汽车等效仿。
Tripathi回忆：“我在特斯拉做的第一件事是弄清车里有多少微控制器。我们翻查带金属屏蔽的大黑盒子，找到微小微控制器。摆开来看后对Elon说：‘一辆车有50个微控制器，有时支付高达1000倍溢价，只因被包裹在大型金属外壳中。’他说：‘那我们就自己制造吧。’于是就这么做了。”
以GPU作为抵押品
展望未来，FlexAI渴望建立自己的数据中心等基础设施。Tripathi表示将通过债务融资资助，借鉴CoreWeave和Lambda Labs使用Nvidia芯片作抵押品获贷的趋势，避免出让更多股权。
Tripathi说：“银行现在知道如何使用GPU作为抵押品。为何出让股权？在成为真正的计算服务提供商前，公司价值不足以获数亿美元投资建数据中心。若只靠股权融资，资金耗尽公司就会消失。但以GPU抵押借贷，银行可拿走GPU放到其他数据中心。”