Lola Vision Systems busca simplificar la ejecución de modelos de IA en chips
Lola Vision Systems está trabajando para facilitar la implementación de modelos de inteligencia artificial en chips, un desafío que ha sido clave en el crecimiento del sector tecnológico. La empresa fue fundada por Tayo Adesanya, quien comenzó su carrera hace casi una década trabajando con microchips y procesadores especializados para IA. Su experiencia le permitió anticipar las necesidades futuras del mercado de computación basada en inteligencia artificial.
«Lanzar Lola Vision Systems fue una apuesta por el futuro que veía venir», dijo Adesanya a TechCrunch. La compañía se enfoca en desarrollar tanto software como chips dedicados a la ejecución eficiente de modelos de IA en dispositivos físicos. Su producto principal es una herramienta de compilación que traduce modelos de inteligencia artificial en instrucciones ejecutables por un chip específico.
Adesanya describe esta herramienta como un «toolchain de compilación», señalando que representa un cuello de botella crítico en la industria. Según él, configurar manualmente un modelo de IA en nuevo hardware puede llevar hasta 200 horas solo para comenzar a probarlo. Lola Vision Systems ha reescrito esa capa de software y también está desarrollando sus propios chips semiconductores, con el objetivo de automatizar aún más el proceso.
El funcionamiento del sistema es sencillo: los clientes proporcionan su código y el modelo de IA que desean usar, ya sea personalizado o de código abierto. El software traduce ambos elementos en instrucciones compatibles con el chip del cliente. «La velocidad es solo parte del problema», comentó Adesanya. Para empresas críticas como las del sector aeroespacial, la rapidez en la implementación permite ejecutar modelos más precisos sobre datos específicos, con menor consumo energético.
«Para estos clientes, exactitud y confiabilidad no son opciones, sino requisitos indispensables», explicó. Estas características determinan si un producto pasa las revisiones regulatorias o funciona correctamente en campo. En este contexto, Lola Vision Systems se posiciona como una alternativa a las soluciones dominantes de NVIDIA, especialmente en el segmento de cómputo en el borde (edge computing).
Actualmente, muchas empresas comienzan con los módulos Jetson de NVIDIA o modelos de código abierto, pero Adesanya señala que estos a menudo presentan problemas de funcionamiento desde el inicio. «Los equipos pasan días o semanas solo para hacerlos funcionar, y luego aún más tiempo depurándolos hasta que sean útiles», dijo. Además, el consumo energético suele exceder presupuestos, o los dispositivos no ofrecen suficiente potencia para ejecutar modelos medianos o grandes.
Esto lleva a que los modelos de reconocimiento de objetos fallen al detectar objetos o se retrasen respecto a sus objetivos. El cómputo en el borde implica ejecutar IA directamente en dispositivos como cámaras o drones, sin depender de centros de datos remotos. Los modelos de reconocimiento son sistemas de IA capaces de identificar objetos dentro de imágenes o videos.
Según la empresa, ya cuenta con la intención de compra de doce clientes corporativos interesados en adquirir sus chips una vez disponibles. Además, tiene un cliente firmado. También ha establecido una alianza con SCALE, un programa de desarrollo del talento en microelectrónica, para colaborar con laboratorios de semiconductores.
Para acelerar la generación de ingresos, la compañía planea licenciar su software en hardware existente antes de lanzar sus propios chips. Esta estrategia permite a Lola Vision Systems generar valor desde ahora, mientras continúa desarrollando su infraestructura propia.
La visión de Adesanya es clara: facilitar el acceso a la IA en dispositivos locales, reducir tiempos de implementación y mejorar la fiabilidad de los modelos. Con su enfoque, Lola Vision Systems busca convertirse en un referente en el espacio de la infraestructura de IA distribuida, impulsando una nueva era de procesamiento local más eficiente y accesible.
Traducción y adaptación por Tecnología 365.
Fuente original: TechCrunch
