1. Naveen Rao离职创业
近日，Databricks人工智能部门负责人Naveen Rao宣布离职，计划创立一家聚焦AI计算成本优化的新型计算机公司。Databricks官方证实，Rao将转任公司顾问，并获得Databricks的战略投资，具体金额尚未披露。据知情人士透露，Rao已同步启动早期融资洽谈，其新公司目标明确——通过硬件架构创新，解决当前AI产业面临的算力成本飙升难题。这一消息不仅引发科技界对AI基础设施创新的关注，也将“降低AI计算成本”这一核心议题推向风口。
2. 从Nervana到MosaicML：Rao的连续创业履历
Naveen Rao并非首次投身创业。作为硅谷知名的连续创业者，他的过往经历为新公司奠定了高起点。2016年，Rao联合创立的深度学习初创公司Nervana Systems被英特尔以未公开金额收购，其技术成为英特尔AI产品线的核心基础，主打“为深度学习模型提供远超GPU的性能”。2023年，他再次创业的MosaicML以13亿美元被Databricks收购，该公司通过软件平台帮助企业用自有数据训练生成式AI模型，核心价值正是“降低AI模型的训练与部署成本”。
表：Naveen Rao主要创业项目概览
| 公司名称 | 创立/收购时间 | 核心方向 | 投资方/收购方 | 交易金额 |
|---|---|---|---|---|
| Nervana Systems | 2016年被收购 | 深度学习硬件与平台 | 英特尔 | 未公开 |
| MosaicML | 2023年被收购 | AI模型训练与部署成本优化 | Databricks | 13亿美元 |
3. AI算力成本困局
AI算力成本已成为制约行业发展的“天花板”。当前，单次大规模模型训练（如GPT-4级别）的成本可达数百万甚至数千万美元，涉及数千颗高端GPU（如NVIDIA H100）的数月运行。更值得注意的是，推理成本（即模型投入使用后为用户提供服务的持续开销）往往占总成本的60%以上，且随用户规模增长呈线性上升。
其中，硬件成本占比最高（约50%-60%），包括芯片采购、服务器部署；能耗成本随算力规模激增，部分数据中心的电力支出甚至超过硬件购置费用；维护成本则涵盖冷却系统、专业运维人才及模型迭代所需的重复训练开支。
Tips：为何推理成本更值得关注？
训练成本是“一次性投入”，而推理成本是“持续性支出”。以某主流AI服务为例，若日活用户达千万级，单日推理成本可突破百万美元，年支出超3亿美元，远超单次训练成本。
4. 破局之路
面对算力成本困局，技术创新成为关键。Rao的新公司瞄准“下一代计算机”，核心方向是硬件架构创新。当前行业探索的路径主要包括：
4.1 专用芯片替代通用GPU
通用GPU（如NVIDIA GPU）虽占据AI计算主流，但能效比仍有提升空间。专用AI芯片（ASICs）和类脑芯片（Neuromorphic Chips）通过优化计算逻辑，可针对性提升AI任务效率。例如，Groq的LPU（Language Processing Unit）专注语言模型推理，能效比较同级别GPU提升3倍以上；Tenstorrent的AI芯片则通过分布式计算架构降低大规模部署成本。
4.2 软件与算法协同优化
硬件创新需与软件层配合。模型压缩、量化（如将32位精度降至4位）、剪枝（去除冗余神经元）等技术可减少计算量；混合专家模型（MoE）通过动态激活部分参数，将算力集中于关键任务，进一步降低资源消耗。
4.3 前沿探索：光学计算与新型材料
光学计算利用光信号传输与处理数据，理论上速度比电信号快10倍以上，能耗降低90%。多家初创公司已推出原型机，虽距商用仍有距离，但被视为“下一代算力革命”的潜在方向。
5. Databricks的战略投资与行业信号
Databricks对Rao新公司的投资，不仅是对其个人能力的认可，更暗含战略布局。作为估值超1000亿美元的数据+AI平台巨头，Databricks近期完成10亿美元融资，资金重点投向AI创新。其核心逻辑在于：降低算力成本能让更多企业负担得起大规模AI应用，从而扩大自身平台的用户基数。
例如，若Rao的硬件创新实现30%成本优化，企业在Databricks平台上训练模型的门槛将显著降低，进而推动数据湖、机器学习平台等核心业务增长。这种“生态协同”思维，体现了AI巨头对基础设施创新的重视。
6. AI高管创业潮
Rao的离职并非孤立事件。近年来，AI领域高管纷纷下场创业，尤其聚焦基础设施层。
表：近期AI高管创业代表案例
| 创业者 | 前职务 | 新公司名称 | 核心方向 | 最新估值 |
|---|---|---|---|---|
| Mira Murati | OpenAI前首席技术官 | Thinking Machine Labs | 新型AI模型与底层系统 | 未披露（融资阶段） |
| Bret Taylor | Salesforce前联席CEO | Sierra | 企业级AI代理（复杂任务执行） | 10亿美元 |
| Naveen Rao | Databricks AI负责人 | 未命名新公司 | AI计算硬件成本优化 | 未披露（筹备阶段） |
这一趋势背后，是资本对AI基础设施的押注。据行业报告，2024年全球AI硬件初创公司融资额突破200亿美元，同比增长85%，投资者普遍认为“算力成本优化将决定AI产业的下一增长曲线”。
7. 下一代计算的想象空间与行业影响
Rao的新公司能否复制Nervana、MosaicML的成功？业内普遍看好。其优势在于：技术积累（深耕AI硬件与软件协同）、行业资源（Databricks生态支持）、时机契合（算力成本痛点迫切）。若能实现30%以上的硬件成本优化，将直接推动AI模型从“少数巨头玩得起”向“中小企业普及”转变。
长期来看，AI硬件创新将重塑行业格局：一方面，降低的成本可能催生更多垂直领域应用（如医疗影像分析、工业质检）；另一方面，算力供给的多元化也将减少对单一芯片厂商的依赖，推动生态健康发展。
评论