Open source is een cruciale bouwsteen van moderne software geworden, en vandaag de dag komt er een nieuwe start-up uit het geheim tevoorschijn om te profiteren van een van de nieuwere grenzen op het gebied van open source: het gebruiken ervan om gedistribueerde applicatieomgevingen te bouwen en te beheren, een aanpak die steeds vaker wordt gebruikt om omgaan met grote computerprojecten, zoals projecten waarbij kunstmatige intelligentie of wetenschappelijke of andere complexe berekeningen betrokken zijn.

Elke schaal, een startup opgericht door hetzelfde team dat de Project Ray open-source gedistribueerd programmeerraamwerk van UC Berkeley – Robert Nishihara, Philipp Moritz en Ion Stoica, en Berkeley-professor Michael I. Jordan – heeft $ 20.6 miljoen opgehaald in een Series A-financieringsronde onder leiding van Andreessen Horowitz, met deelname ook van NEA, Intel Capital, Ant Financial, Amplify Partners, 11.2 Capital en The House Fund.

Het bedrijf is van plan het geld te gebruiken om zijn eerste commerciële producten uit te bouwen – waarvan de details nog geheim worden gehouden, maar meer in het algemeen de mogelijkheid zal omvatten om een ​​computerproject eenvoudig uit te breiden van één laptop naar een cluster van machines; en een groep bibliotheken en applicaties om projecten te beheren. Deze zullen naar verwachting volgend jaar van start gaan.

“Op dit moment zijn we erop gericht om van Ray een standaard te maken voor bouwtoepassingen”, zei Stoica in een interview. “Het bedrijf gaat tools en een runtimeplatform voor Ray bouwen. Dus als u een Ray-applicatie veilig en met hoge prestaties wilt uitvoeren, dan gebruikt u ons product.”

De financiering is deels van strategische aard: Intel is een van de grote bedrijven die Ray daarnaast voor zijn eigen computerprojecten gebruikt Amazon, Microsoft en Ant Financial.

“Intel IT maakt gebruik van Ray om Python-workloads te schalen met minimale codewijzigingen”, zegt Moty Fania, hoofdingenieur en chief technology officer van Intel IT's Enterprise and Platform Group, in een verklaring. “Met de implementatie in de productie- en testprocessen van Intel hebben we ontdekt dat Ray de snelheid en schaal helpt verhogen van onze hyperparameterselectietechnieken en automatische modelleringsprocessen die worden gebruikt voor het maken van gepersonaliseerde chiptests. Voor ons heeft dit geresulteerd in lagere kosten, extra capaciteit en verbeterde kwaliteit.”

Met een indrukwekkende gebruikerslijst als deze voor de gratis te gebruiken Ray, zou je jezelf kunnen afvragen: wat is het doel van Anyscale? Zoals Stoica en Nishihara uitlegden, zal het idee zijn om eenvoudigere en gemakkelijkere manieren te creëren om Ray te implementeren, om het bruikbaar te maken, of je nu een van de Amazones van de wereld bent, of een meer bescheiden en mogelijk minder technologiegerichte onderneming.

“We zien dat dit vooral waardevol zal zijn voor bedrijven die geen technische experts hebben”, aldus Stoica.

Het probleem dat Anyscale oplost, staat centraal in de toekomst van grootschalige, betrokken computerprojecten: er is een steeds groter aantal problemen dat wordt aangepakt met computeroplossingen, maar naarmate de complexiteit van het betrokken werk toeneemt, ontstaat er ook een steeds groter probleem. beperken tot hoeveel werk een enkele machine (zelfs een grote) aankan. (Inderdaad, citeert Anyscale IDC cijfers die schatten dat de hoeveelheid gegevens die jaarlijks wordt gecreëerd en gekopieerd in 175 2025 zettabytes zal bedragen.)

Hoewel er op een dag misschien kwantumcomputers zullen zijn die efficiënt en op grote schaal kunnen werken om dit soort taken uit te voeren, is dit vandaag de dag geen realistische optie, en daarom is gedistribueerd computergebruik als oplossing naar voren gekomen.

Ray is bedacht als standaard om gedistribueerde computeromgevingen te implementeren, maar op zichzelf is het te technisch voor niet-ingewijden om te gebruiken.

“Stel je voor dat je een bioloog bent,” voegde Nishihara eraan toe. “Je kunt een eenvoudig programma schrijven en het op grote schaal uit te voeren, maar om dat met succes te doen, moet je niet alleen een biologie-expert zijn, maar ook een computerexpert. Dat is gewoon een veel te hoge drempel.”

De mensen achter Anyscale (en Ray) hebben een lange en zeer geloofwaardige lijst met ander werk achter zich dat spreekt over de kansen die hier worden gespot. stoïcijns, was bijvoorbeeld ook mede-oprichter van Databricks, Conviva en een van de oorspronkelijke ontwikkelaars van Apache Spark.

“Ik heb met Ion aan Databricks gewerkt en zo is het begonnen”, medeoprichter Andreessen Horowitz zei Ben Horowitz in een interview. Hij voegde eraan toe dat het bedrijf regelmatig heeft geïnvesteerd in projecten die uit UC Berkeley komen. Ray, en meer specifiek Anyscale, valt op door zijn relevantie voor de hedendaagse computerbehoeften.

"WMet Ray was het een zeer aantrekkelijk project vanwege de open source-statistieken, maar ook vanwege het probleem dat het aanpakt”, zei hij.

“We hebben geworsteld met het feit dat de wet van Moore voorbij is, maar wat interessanter is, deze is ontoereikend voor zaken als toepassingen van kunstmatige intelligentie”, waarbij een grotere rekenkracht nodig is die verder gaat dan wat een enkele machine kan doen. “Je moet met gedistribueerd computergebruik om kunnen gaan, maar het probleem voor iedereen behalve Google is dat gedistribueerd computergebruik lastig is, dus we zijn op zoek gegaan naar een oplossing.”