欧盟委员会的反垄断调查得出结论, 该交易对于图形处理器（GPU，Ggraphics processing unit）市场公平性没有构成重大威胁。欧盟委员会在一份声明中表示，尽管英伟达是“欧盟内外所使用的人工智能应用关键硬件的主要制造商”，但这一收购并未对欧盟 27 个成员国构成任何竞争威胁。來源：DeepTech深科技
前腳 AMD 蘇姿豐剛剛完成針對 AI 初創企業 Liquid AI 的投資，後腳英偉達黃仁勳針對 AI 初創企業 Run:ai 的收購亦通過了歐盟委員會的審核。
此次收購要從 2024 年 4 月說起，當時英偉達正式宣佈收購 Run:ai。外界並不清楚詳細的交易條款，但以色列媒體 Calcalist 將交易價值定爲 7 億美元左右 [1]。儘管這筆交易沒有達到歐盟交易額的最低標準，不過意大利相關機構建議歐盟委員會審核這一收購，歐盟接受這一建議並針對此次交易發起調查。時隔幾個月在聖誕節之前，英偉達迎來了歐盟委員會通過此次收購的消息。
歐盟委員會的反壟斷調查得出結論, 該交易對於圖形處理器（GPU，Ggraphics processing unit）市場公平性沒有構成重大威脅。歐盟委員會在一份聲明中表示，儘管英偉達是「歐盟內外所使用的人工智能應用關鍵硬件的主要製造商」，但這一收購併未對歐盟 27 個成員國構成任何競爭威脅。
這筆收購也是英偉達自 2019 年 3 月以 69 億美元（$6.9billion）收購邁絡思（Mellanox Technologies）以來在以色列的最大一筆收購。事實上，英偉達和 Run:ai 自 2020 年就已開始合作。此次收購也十分符合英偉達的企業目標：即讓其客戶更有效地利用英偉達的人工智能計算基礎設施。英偉達 DGX 雲服務副總裁亞歷克西斯•比約林（Alexis Bjorli）強調，這次收購將使英偉達能夠繼續爲客戶提供 Run:ai 的產品，特別是將其用於開發和部署大型語言模型。
毫無疑問，英偉達的此次收購旨在鞏固自己的人工智能地位，以及找到新的人工智能引擎。比如，此前英偉達在收購邁絡思時，英特爾、賽靈思和微軟也曾表達出收購意願 [2]，最終英偉達擊敗其他對手成功收購了邁絡思，並將後者併入自己的網絡部門。
兩名特拉維夫大學校友，創辦以色列本人工智能公司
Run:ai 是一個基於 Kubernees 的管理工作負載和編排的軟體供應商，和邁絡思一樣也是一家創辦於以色列的公司。
此前，Run:ai 曾獲得「世界上最熱門的十個人工智能創業公司（2021）」「2022 年特拉維夫 50 家最熱的初創公司」等榮譽。Run:ai 於 2018 年成立於以色列特拉維夫，兩位聯合創始人分別是奧姆裏·蓋勒（Omri Geller）和羅南·達爾（Ronen Dar），他倆也是以色列特拉維夫大學的校友，兩者分別在這裏獲得碩士學位和博士學位。
蓋勒出生於以色列拉馬特沙容市，目前是 Run:ai 的 CEO 兼聯合創始人，他表示自己的六、七歲的時候收到一臺搭載英特爾 486 處理器的計算機，自那時起便開始對計算機感興趣。長大後，其本科和碩士均就讀於特拉維夫大學電子電氣工程專業。創業之前他在服兵役期間，在以色列國防軍下屬的一個技術單位工作 [3]，曾因在國防科技方面的貢獻而獲得以色列國防軍學術優異獎。
達爾出生於耶路撒冷，目前是 Run:ai 的聯合創始人兼 CTO。他的學習經歷和從業經歷相對更加豐富。他早年曾在「以色列情報部隊-8200 部隊（Unit 8200 - Israeli Intelligence Corps）」擔任團隊負責人，後在英特爾以色列分公司擔任算法工程師。接着在以色列 Algorithm Engineer 公司擔任算法工程師，在那裏他主要爲存儲系統開發芯片。後來，Algorithm Engineer 被蘋果公司收購，達爾也隨之加入蘋果以色列分公司。離開蘋果之後，達爾來到特拉維夫大學讀博，博士畢業之後又來到到美國貝爾實驗室從事博士後研究。
達爾是一名學術型創業者，谷歌學術顯示其從 2011 年開始發表學術論文。從 2018 開始創業至今，他也每年都在產出論文，並在存儲、編碼和壓縮等領域獲得多項專利。
圖 | 羅南·達爾（Ronen Dar）（來源：）
在特拉維夫大學讀博期間，達爾認識了當時正在讀碩士的蓋勒。他倆師從於同一位導師梅爾·費德爾（Meir Feder）教授。費德爾是特拉維夫大學人工智能和數據科學中心主任，此前費德爾曾創立並出售了兩家初創公司，是國際公認的信息論權威學者。
讀書期間，蓋勒和達爾曾在 IEEE 旗下《光波技術雜誌》和 2014 年歐洲光學通信會議上發表論文。當時，他們已經意識到人工智能將無處不在。後來，當達爾在美國貝爾實驗室完成博士後研究之後，他回到以色列和蓋勒創辦了 Run:ai 公司。達爾告訴媒體：「我倆都有創辦公司的願望，但不知何故，命運在適當的時機和恰當的背景使我們走到了一起。」
Run:ai 或將補上英偉達另一塊人工智能拼圖
而要想了解該公司的業務先得從深度學習說起。在深度學習之中會用到神經網絡，這些神經網絡通過模仿人腦的某些功能，從而能爲圖像識別、自動駕駛汽車、Alexa 和 Siri 等智能助手等功能提供支持。深度學習必須經過訓練之後才能發揮作用，這一過程不僅需要花費時間，還得使用大量的計算能力。對於有這方面需求的公司來說，他們通常會使用大量的 GPU 來運行深度學習工作負載。
但是，對於這些工作負載來說，要麼得使用昂貴的本地計算機，要麼得在雲上連續運行數天或數週。而在當下的大模型時代，假如訓練新模型時間和成本過高，就會成爲將大模型快速推向市場的障礙。針對這一問題 Run:ai 重建了深度學習的軟體堆棧，藉此突破了傳統計算的限制，從而讓訓練速度更快、更便宜、更高效。
具體來說，它通過將許多獨立的計算資源加以虛擬化，進而生成單個的巨型虛擬計算機，並使其具備並行工作的節點。也就是說它提供了所謂的分數 GPU 服務，其中 GPU 被虛擬化，讓單獨的 AI 作業可以共享單個物理的 GPU。其背後原理，和服務器虛擬化使單獨的虛擬機能夠共享相同的物理 CPU 是一樣的。Run:ai 通過創建一個計算抽象層，來自動地分析工作負載的計算特徵，以便消除工作負載的瓶頸並對其進行優化，進而讓基於圖形的並行計算算法實現更快和更輕鬆的運行。
Run:ai 還能自動分配和自動運行工作負載，這樣一來既能讓深度學習實驗運行得更快，還能降低 GPU 成本，並能最大限度地提高服務器利用率，同時還能簡化工作流程。此外，Run:ai 使用高等數學將原始深度學習模型分解爲多個並行運行的較小模型，藉此可以繞過內存限制，以便能夠運行更大的模型。
當前，人工智能大模型的參數越來越多，因此也需要越來越多的計算能力，儘管已有公司通過開發新硬件來滿足對於計算能力的需求，但是尚未有人從軟體層面來減少硬件消耗。
蓋勒說：「（我們的產品）知道如何將企業中來自多個團隊和多個子組織的多個用戶的所有人工智能工作負載作爲輸入，通過分析這些工作負載來了解運行這些工作負載的最佳方式。」
總的來說，如果收購這家以色列公司，將爲英偉達補上另一塊人工智能拼圖。不過，作爲一家位於中東的以色列公司，本輪巴以衝突也給 Run:ai 帶來了一定影響。該公司有 20% 的員工被招募到後備隊。蓋勒表示：「每個人都在談論人工智能和英偉達，我們（卻）不得不忍受以色列和世界上正在發生的事情之間的鴻溝。」儘管如此，他們也將繼續開發產品。
與此同時，英偉達自身在以色列擁有數千名員工，以色列也是英偉達在全球佈局的戰略樞紐之一，因此被收購對於當前的 Run:ai 來說無疑是一個相對可行的商業選擇。
參考資料：
1.
2.
3.
排版：羅以