英伟达4亿美元收购95后华人AI初创公司CentML，强化工具链吸纳人才

一、开篇：一场改写AI算力规则的收购

2025年7月，英伟达悄然完成一项关键布局——以超4亿美元收购仅成立3年的多伦多AI公司CentML。这家由95后华人工程师王尚与导师Gennady Pekhimenko教授创立的初创企业，凭借独创的GPU优化技术，直击全球AI行业痛点：在芯片短缺时代，如何让现有硬件释放翻倍算力？

收购后，CentML核心团队全员入驻英伟达，创始人Pekhimenko出任AI软件高级总监，王尚则主导AI系统软件研发。尤为值得注意的是，CentML的Hidet编译器技术将整合至CUDA生态，为开发者提供“不换硬件也能倍增性能”的颠覆性工具。

二、适用人群：谁将从中受益？

AI开发工程师：需优化大模型推理效率的团队
云计算服务商：寻求降低GPU运营成本的平台
边缘计算开发者：面向自动驾驶、IoT设备的低功耗场景
企业技术决策者：规划AI基础设施升级路径的CTO

三、核心功能：榨干每一块GPU的隐藏性能

CentML的核心价值在于通过软件层创新，破解硬件利用率不足的行业难题。以下是其五大技术突破：

功能	技术原理	实测效果
Hidet张量编译器	动态分析模型算子结构，实现跨层融合计算，减少内存迁移	Llama 2推理速度提升3倍
动态神经网络压缩	基于硬件特性的自适应精度调整，保持精度下减少计算量	能耗降低40%
Hexcute领域语言	为AWQ量化模型定制混合专家层融合内核	DeepSeek-R1推理速度超Triton方案
水平融合训练阵列(HFTA)	并行任务深度融合，单卡同步训练多模型	GPU利用率提升15.1倍
DeepView分析工具	实时监控训练瓶颈，预测部署成本	算力规划效率提升70%

💡 技术亮点解析：
Hidet编译器通过操作符融合技术，将多个模型算子合并为单一计算单元。例如在Llama 2推理中，它把Attention层的矩阵乘法和Softmax融合执行，避免中间结果反复读写内存，直接减少80%数据搬运开销。
HFTA技术突破性地在同一GPU上并行训练超参数组合。传统方式需多卡独立运行，而HFTA将不同任务的算子横向融合，像“拼积木”般构建复合计算图，使单卡吞吐量提升15倍。

四、工具使用技巧：低成本实现高效部署

场景1：大模型推理加速

步骤：
1. 使用Hidet加载PyTorch/ONNX模型
2. 调用auto_fusion()自动识别可融合算子
3. 生成针对特定GPU架构的优化内核（支持NVIDIA/AMD/TPU）
案例：CentML为DeepSeek-R1的MoE层构建融合内核，比vLLM引擎提速22%

场景2：训练成本压缩

技巧：
- 用DeepView分析训练任务，定位资源浪费环节
- 采用HFTA合并相似训练任务（如超参调优）
- 启用动态压缩技术适配边缘设备

五、访问信息

官方入口：CentML服务已整合至英伟达AI Enterprise Suite（访问链接）
开源工具：Hidet编译器代码库（GitHub链接）
技术文档：英伟达CUDA 2025Q3更新将包含集成文档

行业影响：这场收购不仅是技术整合，更标志着AI竞争进入“软硬协同”新阶段。当AMD收购Untether AI、英伟达连收Lepton AI和CentML，芯片巨头正全力争夺“每瓦算力效率”的制高点。对开发者而言，无需天价囤积H100，用软件优化释放存量设备潜力，才是未来三年的生存法则。

注：CentML独立服务已于2025年7月17日停止运营，其技术全面融入英伟达AI软件栈。