英伟达再次出手收购以色列公司，已通过欧盟委员会反垄断审核

前脚 AMD 苏姿丰刚刚完成针对 AI 初创企业 Liquid AI 的投资，后脚英伟达黄仁勋针对 AI 初创企业 Run:ai 的收购亦通过了欧盟委员会的审核。

（来源：Run:ai）

此次收购要从 2024 年 4 月说起，当时英伟达正式宣布收购 Run:ai。外界并不清楚详细的交易条款，但以色列媒体 Calcalist 将交易价值定为 7 亿美元左右 [1]。尽管这笔交易没有达到欧盟交易额的最低标准，不过意大利相关机构建议欧盟委员会审核这一收购，欧盟接受这一建议并针对此次交易发起调查。时隔几个月在圣诞节之前，英伟达迎来了欧盟委员会通过此次收购的消息。

欧盟委员会的反垄断调查得出结论, 该交易对于图形处理器（GPU，Ggraphics processing unit）市场公平性没有构成重大威胁。欧盟委员会在一份声明中表示，尽管英伟达是“欧盟内外所使用的人工智能应用关键硬件的主要制造商”，但这一收购并未对欧盟 27 个成员国构成任何竞争威胁。

这笔收购也是英伟达自 2019 年 3 月以 69 亿美元（$6.9billion）收购迈络思（Mellanox Technologies）以来在以色列的最大一笔收购。事实上，英伟达和 Run:ai 自 2020 年就已开始合作。此次收购也十分符合英伟达的企业目标：即让其客户更有效地利用英伟达的人工智能计算基础设施。英伟达 DGX 云服务副总裁亚历克西斯•比约林（Alexis Bjorli）强调，这次收购将使英伟达能够继续为客户提供 Run:ai 的产品，特别是将其用于开发和部署大型语言模型。

毫无疑问，英伟达的此次收购旨在巩固自己的人工智能地位，以及找到新的人工智能引擎。比如，此前英伟达在收购迈络思时，英特尔、赛灵思和微软也曾表达出收购意愿 [2]，最终英伟达击败其他对手成功收购了迈络思，并将后者并入自己的网络部门。

（来源：资料图）

两名特拉维夫大学校友，创办以色列本土人工智能公司

Run:ai 是一个基于 Kubernees 的管理工作负载和编排的软件供应商，和迈络思一样也是一家创办于以色列的公司。

此前，Run:ai 曾获得“世界上最热门的十个人工智能创业公司（2021）”“2022 年特拉维夫 50 家最热的初创公司”等荣誉。Run:ai 于 2018 年成立于以色列特拉维夫，两位联合创始人分别是奥姆里·盖勒（Omri Geller）和罗南·达尔（Ronen Dar），他俩也是以色列特拉维夫大学的校友，两者分别在这里获得硕士学位和博士学位。

（来源：Run:ai）

盖勒出生于以色列拉马特沙容市，目前是 Run:ai 的 CEO 兼联合创始人，他表示自己的六、七岁的时候收到一台搭载英特尔 486 处理器的计算机，自那时起便开始对计算机感兴趣。长大后，其本科和硕士均就读于特拉维夫大学电子电气工程专业。创业之前他在服兵役期间，在以色列国防军下属的一个技术单位工作 [3]，曾因在国防科技方面的贡献而获得以色列国防军学术优异奖。

图 | 奥姆里·盖勒（Omri Geller）（来源：英伟达 GTC 官网）

达尔出生于耶路撒冷，目前是 Run:ai 的联合创始人兼 CTO。他的学习经历和从业经历相对更加丰富。他早年曾在“以色列情报部队-8200 部队（Unit 8200 - Israeli Intelligence Corps）”担任团队负责人，后在英特尔以色列分公司担任算法工程师。接着在以色列 Algorithm Engineer 公司担任算法工程师，在那里他主要为存储系统开发芯片。后来，Algorithm Engineer 被苹果公司收购，达尔也随之加入苹果以色列分公司。离开苹果之后，达尔来到特拉维夫大学读博，博士毕业之后又来到到美国贝尔实验室从事博士后研究。

达尔是一名学术型创业者，谷歌学术显示其从 2011 年开始发表学术论文。从 2018 开始创业至今，他也每年都在产出论文，并在存储、编码和压缩等领域获得多项专利。

在特拉维夫大学读博期间，达尔认识了当时正在读硕士的盖勒。他俩师从于同一位导师梅尔·费德尔（Meir Feder）教授。费德尔是特拉维夫大学人工智能和数据科学中心主任，此前费德尔曾创立并出售了两家初创公司，是国际公认的信息论权威学者。

读书期间，盖勒和达尔曾在 IEEE 旗下《光波技术杂志》和 2014 年欧洲光学通信会议上发表论文。当时，他们已经意识到人工智能将无处不在。后来，当达尔在美国贝尔实验室完成博士后研究之后，他回到以色列和盖勒创办了 Run:ai 公司。达尔告诉媒体：“我俩都有创办公司的愿望，但不知何故，命运在适当的时机和恰当的背景使我们走到了一起。”

Run:ai 或将补上英伟达另一块人工智能拼图

而要想了解该公司的业务先得从深度学习说起。在深度学习之中会用到神经网络，这些神经网络通过模仿人脑的某些功能，从而能为图像识别、自动驾驶汽车、Alexa 和 Siri 等智能助手等功能提供支持。深度学习必须经过训练之后才能发挥作用，这一过程不仅需要花费时间，还得使用大量的计算能力。对于有这方面需求的公司来说，他们通常会使用大量的 GPU 来运行深度学习工作负载。

但是，对于这些工作负载来说，要么得使用昂贵的本地计算机，要么得在云上连续运行数天或数周。而在当下的大模型时代，假如训练新模型时间和成本过高，就会成为将大模型快速推向市场的障碍。针对这一问题 Run:ai 重建了深度学习的软件堆栈，借此突破了传统计算的限制，从而让训练速度更快、更便宜、更高效。

具体来说，它通过将许多独立的计算资源加以虚拟化，进而生成单个的巨型虚拟计算机，并使其具备并行工作的节点。也就是说它提供了所谓的分数 GPU 服务，其中 GPU 被虚拟化，让单独的 AI 作业可以共享单个物理的 GPU。其背后原理，和服务器虚拟化使单独的虚拟机能够共享相同的物理 CPU 是一样的。Run:ai 通过创建一个计算抽象层，来自动地分析工作负载的计算特征，以便消除工作负载的瓶颈并对其进行优化，进而让基于图形的并行计算算法实现更快和更轻松的运行。

Run:ai 还能自动分配和自动运行工作负载，这样一来既能让深度学习实验运行得更快，还能降低 GPU 成本，并能最大限度地提高服务器利用率，同时还能简化工作流程。此外，Run:ai 使用高等数学将原始深度学习模型分解为多个并行运行的较小模型，借此可以绕过内存限制，以便能够运行更大的模型。

当前，人工智能大模型的参数越来越多，因此也需要越来越多的计算能力，尽管已有公司通过开发新硬件来满足对于计算能力的需求，但是尚未有人从软件层面来减少硬件消耗。

盖勒说：“（我们的产品）知道如何将企业中来自多个团队和多个子组织的多个用户的所有人工智能工作负载作为输入，通过分析这些工作负载来了解运行这些工作负载的最佳方式。”

（来源：Run:ai）

总的来说，如果收购这家以色列公司，将为英伟达补上另一块人工智能拼图。不过，作为一家位于中东的以色列公司，本轮巴以冲突也给 Run:ai 带来了一定影响。该公司有 20% 的员工被招募到后备队。盖勒表示：“每个人都在谈论人工智能和英伟达，我们（却）不得不忍受以色列和世界上正在发生的事情之间的鸿沟。”尽管如此，他们也将继续开发产品。

与此同时，英伟达自身在以色列拥有数千名员工，以色列也是英伟达在全球布局的战略枢纽之一，因此被收购对于当前的 Run:ai 来说无疑是一个相对可行的商业选择。