雷鋒網(wǎng)消息，2019年4月2日，內(nèi)存融合基礎(chǔ)架構(gòu)（MCI）的發(fā)明者M(jìn)emVerge宣布完成2450萬美元A輪融資，投資方包括高榕資本、美國光速創(chuàng)投、北極光創(chuàng)投、JVP、LDVP等。MemVerge聯(lián)合創(chuàng)始人兼CEO范承工介紹，本輪融資將用于擴(kuò)大MemVerge在硅谷的工程師、銷售和市場(chǎng)團(tuán)隊(duì)，加大研發(fā)投入，進(jìn)一步推動(dòng)MCI技術(shù)的發(fā)展。

據(jù)悉，MemVerge由前VMware高級(jí)副總裁、EMC高級(jí)副總裁范承工博士，XtremIO和Rainfinity的聯(lián)合創(chuàng)始人、加州理工學(xué)院Gordon Moore教授Shuki Bruck，和加州理工學(xué)院博士后學(xué)者李玥博士聯(lián)合創(chuàng)建，團(tuán)隊(duì)是全球領(lǐng)先的全閃存和超融合 (HCI) 產(chǎn)品的開發(fā)者。

數(shù)字化變革正在全球范圍內(nèi)發(fā)生，每天有超過2.5億千兆字節(jié)的數(shù)據(jù)以極快的速度在人工智能、機(jī)器學(xué)習(xí)、物聯(lián)網(wǎng)和數(shù)據(jù)分析等應(yīng)用中產(chǎn)生，這給互聯(lián)網(wǎng)巨頭和大型企業(yè)的數(shù)據(jù)科學(xué)家團(tuán)隊(duì)帶來了巨大挑戰(zhàn)。到目前為止，全球最頂尖的以數(shù)據(jù)為中心的企業(yè), 仍被迫在存儲(chǔ)速度和更大計(jì)算內(nèi)存容量之間做出選擇。

為解決這一問題，MemVerge發(fā)明了內(nèi)存融合基礎(chǔ)架構(gòu)（MCI），服務(wù)于企業(yè)人工智能和數(shù)據(jù)科學(xué)應(yīng)用場(chǎng)景。

因此，在宣布完成A輪融資的同時(shí)，MemVerge正式發(fā)布了全球首個(gè)內(nèi)存融合系統(tǒng)的Beta版，以新的數(shù)據(jù)基礎(chǔ)架構(gòu)，消除了內(nèi)存和存儲(chǔ)之間的界限，解決機(jī)器生成數(shù)據(jù)時(shí)代的挑戰(zhàn)。

與目前最先進(jìn)的存儲(chǔ)和計(jì)算解決方案相比，MemVerge的MCI 系統(tǒng)提供了10倍的內(nèi)存容量和10倍的數(shù)據(jù)I/O速度，幫助企業(yè)實(shí)現(xiàn)同時(shí)擁有更高的內(nèi)存容量和更快的存儲(chǔ)速度, 從而消除機(jī)器生成數(shù)據(jù)處理中的最大兩項(xiàng)瓶頸。這項(xiàng)新的基礎(chǔ)架構(gòu)對(duì)于數(shù)據(jù)密集型應(yīng)用的成功至關(guān)重要。

MemVerge聯(lián)合創(chuàng)始人兼CEO范承工

"數(shù)據(jù)中心的變革已經(jīng)來得太遲了。” MemVerge聯(lián)合創(chuàng)始人兼CEO范承工表示, "通過消除內(nèi)存和存儲(chǔ)之間的界限, 我們突破性的架構(gòu)，將以內(nèi)存速度為當(dāng)今和未來要求最嚴(yán)格的人工智能和數(shù)據(jù)科學(xué)工作提供強(qiáng)有力的幫助——為企業(yè)在數(shù)據(jù)密集型計(jì)算上開辟了新的可能性?！?/p>

"機(jī)器產(chǎn)生數(shù)據(jù)的爆炸式增長(zhǎng)，為企業(yè)收集可用的實(shí)時(shí)洞察信息創(chuàng)造了巨大的機(jī)會(huì)。然而, 海量實(shí)時(shí)數(shù)據(jù)的產(chǎn)生對(duì)當(dāng)前IT 基礎(chǔ)架構(gòu)提出了極高的要求——工作很容易變慢、甚至宕機(jī)。到目前為止, 大多數(shù)企業(yè)不得不在更快的速度或更大的容量之間做出選擇。"高榕資本創(chuàng)始合伙人岳斌說，"MemVerge正迎頭解決這一挑戰(zhàn)。該公司將有巨大的機(jī)會(huì)向市場(chǎng)率先推出商用的內(nèi)存融合基礎(chǔ)架構(gòu)系統(tǒng)?！?span style="color: #FFFFFF;">雷鋒網(wǎng)

目前已有包括LinkedIn、騰訊、京東在內(nèi)的行業(yè)領(lǐng)先公司通過MemVerge的MCI系統(tǒng)更快地訓(xùn)練人工智能模型，并使用更少的資源成功地運(yùn)行更高可預(yù)測(cè)性的復(fù)雜工作。雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。