Nvidia acquisisce Run:ai e rende open source il suo software per l’AI | Chatgpt | Chat gpt-4 | Chat gpt login free | Turtles AI

 Nvidia ha acquisito Run:ai, una startup che sviluppa software per ottimizzare l’utilizzo delle GPU in applicazioni di AI. Il valore dell’acquisizione è stimato intorno ai 700 milioni di dollari. In una mossa sorprendente, Nvidia ha annunciato che renderà open source il software Run:ai, un passo significativo verso una maggiore accessibilità per l’ecosistema AI.

Punti chiave:

• Nvidia ha acquistato Run:ai per circa 700 milioni di dollari, un software destinato a semplificare la gestione delle risorse GPU per l’AI.
• L’azienda ha dichiarato che renderà open source la piattaforma, permettendo l’accesso anche a sistemi non Nvidia.
• Run:ai è progettata per ottimizzare l’efficienza delle infrastrutture AI, riducendo i costi e migliorando le prestazioni.
• La collaborazione tra Nvidia e Run:ai è in corso dal 2020, con obiettivi condivisi di innovazione nel campo delle GPU per AI.

Nvidia ha portato a termine l’acquisizione di Run:ai, una startup israeliana focalizzata sullo sviluppo di software per la gestione e l’orchestrazione delle GPU utilizzate nell’AI, con l’obiettivo di ottimizzare l’efficienza e ridurre i costi operativi delle aziende che sfruttano queste risorse. Sebbene l’accordo, il cui valore è stato stimato intorno ai 700 milioni di dollari, fosse già noto a partire da aprile 2024, ora è ufficiale che Nvidia ha acquisito l’intera compagnia, integrando così una soluzione che semplifica la gestione dei cluster di GPU in scenari di AI. Il software sviluppato da Run:ai è progettato per pianificare e distribuire risorse GPU in modo più efficiente, facilitando l’accesso alle risorse di calcolo per gli sviluppatori di AI che operano nel cloud. Un aspetto decisivo di questa acquisizione è che Nvidia ha annunciato che renderà open source il software, una scelta che apre a un’ulteriore democratizzazione delle risorse AI, permettendo alle organizzazioni di estendere l’utilizzo del prodotto anche a piattaforme non Nvidia. Questa mossa segna un cambiamento rispetto alle tradizionali acquisizioni nel mondo del software, dove le piattaforme rimangono generalmente sotto il controllo esclusivo del proprietario. La decisione di Nvidia potrebbe rispondere anche alla crescente necessità di ridurre la pressione antitrust, considerando l’enorme valore della compagnia, che ha raggiunto i 3,56 trilioni di dollari di capitalizzazione, rendendola la più preziosa al mondo. La scelta di rendere il software open source sembra anche un chiaro tentativo di coinvolgere una più ampia community di sviluppatori e utenti, supportando l’innovazione condivisa e la crescita di soluzioni AI su larga scala. Omri Geller e Ronen Dar, i fondatori di Run:ai, hanno dichiarato che questa decisione permetterà di accelerare i progressi nell’intelligenza artificiale, rendendo le infrastrutture più accessibili e scalabili. Nonostante il software di Run:ai supporti al momento solo le GPU Nvidia, l’intenzione è quella di estenderne l’applicabilità a un ampio spettro di sistemi, indipendentemente dal fornitore delle GPU, garantendo così la massima flessibilità per i team di AI. L’open source consentirà di raggiungere un pubblico globale più vasto, e contribuirà a spingere ulteriormente l’adozione di soluzioni AI più efficienti. Nvidia, che ha già consolidato la sua posizione di leader nel settore dei chip grafici, si sta ora concentrando maggiormente sul software, mirando a offrire soluzioni complete che soddisfino le crescenti esigenze di ottimizzazione delle infrastrutture AI. La partnership con Run:ai, che è iniziata nel 2020, ha permesso alle due realtà di sviluppare soluzioni comuni, e la recente acquisizione sembra consolidare un rapporto che si era già rivelato produttivo per entrambe le parti.

Nella dichiarazione di TLV Partners, che ha sostenuto la startup fin dalle sue origini, si sottolinea come la visione dei fondatori di Run:ai abbia anticipato le sfide legate all’AI e all’uso delle risorse GPU, dando vita a un prodotto in grado di ottimizzare il potenziale dell’hardware e accelerare il training dei modelli AI.