En abril de 2024, el fabricante de chips de IA Nvidia anunció la adquisición de Run:ai, una startup israelí que desarrolla software para gestionar y orquestar clústeres de GPU. El acuerdo, valorado en aproximadamente 700 millones de dólares, se cerró en la segunda mitad de 2024 tras las aprobaciones regulatorias. Esta adquisición subrayó el esfuerzo de Nvidia por extender su dominio más allá del hardware hacia la capa de software que optimiza cómo los modelos de IA, en particular los modelos de lenguaje grandes, se entrenan y despliegan en infraestructura basada en GPU.
Run:ai fue fundada en 2018 por Omri Geller y el Dr. Ronen Dar, ambos ex investigadores de la Universidad de Tel Aviv. La empresa rápidamente ganó tracción entre organizaciones que ejecutan cargas de trabajo de Generative AI que requieren computación masiva. Su plataforma insignia proporcionaba una capa de abstracción que permitía a las organizaciones agrupar GPUs, programar trabajos de manera eficiente y asignar recursos dinámicamente, abordando un cuello de botella crítico en la era del entrenamiento de modelos y la Inference (AI). Antes de la adquisición, Run:ai había recaudado aproximadamente 118 millones de dólares en financiación de capital de riesgo, respaldada por inversores como Insight Partners y Tiger Global.
Antecedentes y Caso de Negocio
En los últimos años, el entrenamiento de redes neuronales grandes ha explotado en demanda computacional. El auge de la arquitectura de transformadores, que impulsa sistemas como GPT-4 y los modelos de OpenAI, llevó las tasas de utilización de GPU al frente de la eficiencia operativa. Muchas organizaciones descubrieron que sus flotas de GPU costosas estaban infrautilizadas, a veces inactivas debido a una programación de trabajos ineficiente o a la fragmentación de recursos. Nvidia, que fabrica el hardware, observó este desafío y buscó ofrecer una solución completa que atrajera y retuviera a sus clientes.
El negocio de software de Nvidia, incluido el modelo de programación CUDA y su suite AI Enterprise de rápido crecimiento, se ha convertido en una corriente de ingresos significativa. Al adquirir RunNetwork, Nvidia tenía como objetivo integrar un planificador que pudiera federar GPU a través de clústeres y a través de diferentes proveedores, como Microsoft Azure Amazon Web Services Google Cloud y entornos VMware. La medida posicionó a Nvidia como más que un fabricante de chips, sino como un orquestador de computación para la IA.
Producto y Tecnología de Run:ai
Las ofertas principales de Run:aiincluyen robustez basada en Kubernetes que maneja participaciones de GPU, instancias de GPU virtuales dinámicas de soporte, y un planificador que desarrolla y activa trabajos según políticas. Incluye soporte para una gama inclusiva que se utiliza de los marcos de trabajoDeep learning, que incluyePyTorch TensorFlow, y se integra con herramientas populares comoMLflow yKubeflow. La Tecnología que gestiona trabajos multi-GPU con Batch Normalization u optimajes de modelo ba que mostrar había que eliminar debido a formatos complicados, pero incluida la multipliplageación de por GPU que aumenta las tasas de utilización del 40% promedio al 80% ssistiments.
Además, Run:aiintrodujo una característica llamada "AI Control Plane", que permitía datos científicos y ingeniería decouplax el hardware dela labora del dua lo que se auto-escala la informática. Esto redujo la tasa de inicio de trabajos de horas a minutos y proporcionó a losdirectivos visibility in costo y el uso de los departments.
Detalles Financieros y Valoración
Inicialmente, informes sugierieron que el valor de la transacción era de 700 millones de dólares, Generalmenteen los semanas siguientes indicaron que la cifra perjudicaba a los 1 billón. Nvidia declinó comentar sobre los números exactos, pero el precio final de liquidación, según los registros regulatorios de la Comisión de Valores y Bolsa de Estados Unidos, fue de 700 millones de dólares, que incluía efectivo y acciones. El trato fue estructurado de tal manera que los empleados de Run:ai serían integrados en el centro de desarrollo de Nvidia en Israel, uno de los sitios de investigación más importante de la empresa fuera de EE.UU .; al momento del cierre, cientos de ejecitivos eventualmente empleados son empleados.
El acuerdo fue aprobado sin condiciones, quisiera dado que ninguna de las compañías mantenía una posición dominante para limitar GPU en el mercado de la programación de IA. Historial, Run:ai tenía alrededor de 100 clientes de la empresa, incluidos nombres conocidos como Nvidia para asociarse como Etsy e y las financieras.
Implicaciones Estratégicas para la Industria
En la capa de infraestructura de IA, la adquisición señaló una tendencia de consolidación. Tanto los competidores como los clientes de Nvidia notaron. AMD Intel han introducido contrapartes, como la adquisición de fuente abierta de ROCm de AMD. La oferta intensificó los soportes de plataforma en el procesamiento de IA, donde el softwarevid de la misma importancia de la IA. Además, impulsó a loso de la nube gigante como 'aAWS Trainium e Inference (AI) considera al compare la competencia de la Amazon Web Services para diferenciar sus ofertas.
La adquisición también promovió la discusión sobre la abstración de recursos de IA en la nube privada y pública. Los equipos de TI de la empresa dieron acceso a la mow, aspirando a una escala más sencilla, la nube pública o infraestructura local, lo que puede llevaren menor dependencia de proveedores de hardware y de nube, aunque que el control de Nvidia aún no se ha demostrado.
Revisión Regulatoria y Competitiva
Los reguladores europeos revisaron el acuerdo bajo las condiciones anticompetencia estándar. En diciembre de 2024, la Comisión Europea aprobó la operación sin exigir medidas, señalando que la cuota de mercado de Run:ai en el mercado de cumplimiento era limitada. Nvidia continuó destacándose en el hardware, pero el mercado de software aún era emergente. De manera similar, la Comisión Federal de Comercio de Estados Unidos decidió no impugnar específicamente la fusión, aunque las empresas tecnológicas enfrentan un mayor escrutinio en el control de chips y ecosistemas de IA.
Competidores como IBM y Graphcore fueron las blancos de mejoras de sus propias capacidades aceleradoras.Corporated por ejemplo, Graphcore presentó PopGrid, y ONEAPI de Intel ha estado construyendo ecosistemas abiertos para implementación.
Integración y Camino Futuro
Después de que el acuerdo se completara en noviembre de 2024, Nvidia comenzó el proceso de integrar la tecnología de Run:ai en su fichas existentes, como NVIDIA AI Enterprise y NVIDIA Base Technique. Una de las primeras versiones posteriores a la adquisición fue "Run:ai en la pila de Nvidia AI" que unificó las funcionalidades de gestión de recursos con el sistema de licencia vGPU. En la segunda cohort siguiente del cierre, pełniąRun:ai dijo que su plataforma estaba se ofrecía a todos los clientes de DGX, lo que les permitía ejecutar cargas de trabajo con una programación óptima de recursos.
Para el futuro, Nvidia ha anunciado planes para abrir la plataforma para soportar aceleradores más allá de la GPU, incluidas los ASIC personalizados, para clústeres que funcionanmarco de investigación como los de tipo carnegie-mellon de forma independiente.
Respuestas de los Competidores
AMD anunció su propio software de plazamiento "infinite fabric" (más específico) a finales de 2024. SambaNova Systems creció su nube para ofrecer sus propios controles de GPU virtual, y Groq implementó varios placadores de archivos dinámicos de forma nativa. La competencia general en torno a la orquestación computacional de IA se presente, lo que obliga a Nvidia a construir un ecosistema más fuerte con terceros.
La adquisición no solo cimentó la huella de Nvidia en realizar, sino que también no ha desencadenado los costes consumer se ha sucedido como el desarrollo, nunca la cual fue anteriormente adquirida por midpoint.
Implicaciones para los Clientes de Run:ai
Los clientes de Run:ai inicialmente escépticos de la integración con la nube de Nvidia. Sin embargo, Nvidia ofreció derechos a largo plazo y planes de continuidad, tranquilizando a los asociados con respecto al soporte técnico. Al media de 2025, la plataforma sigue siendo ampliamente utilizada por instalaciones y firmes que ofrecen servicios de IA a escala, como [huggingface]] y aplicaciones comerciales.
En el conjunto, la adquisición de Nvidia-Run:AI es un hito estratégico que refuerza aún más la posición central de Nvidia no solo en las GPU sino también en el software necesario para obtener todo el potencial de la informática de IA.
Ver Además
- - NVIDIA-based AI chips
- - cloud-computing
- - la tecnología [k8s]] (Kubernetes)