這個故事始於將近 12 年前，當時 Tayo Adesanya 開始從事微晶片和 AI 處理器的職業生涯。他主要協助大型製造商決定在其硬體中使用哪些晶片。他告訴 TechCrunch，這些年的工作讓他對 AI 運算市場的需求走向有了早期洞察。「創立 Lola Vision Systems 是對世界發展方向和我所見情況的一種賭注，」他說。
2024 年，他創立了 Lola Vision Systems，這是一家開發用於在裝置上運行 AI 模型軟體和晶片的 AI 基礎設施公司。其核心產品是一款軟體，能將 AI 模型轉換為特定晶片可執行的指令。Adesanya 將這款軟體稱為「編譯器工具鏈」，並表示這是一個巨大的瓶頸：手動在新硬體上設定 AI 模型，僅開始測試就需要「大約 200 小時」。Lola Vision 表示，他們已經重建了這個軟體層，並且也正在開發自己的半導體晶片，目標是自動化更多流程。客戶提供其程式碼和想要使用的 AI 模型（無論是自訂建置還是開源），該軟體會將兩者都轉換為客戶晶片可執行的指令。
「速度只是其中一部分，」Adesanya 說。他解釋說，更快的設定讓航空航太和「其他任務關鍵型公司」有時間在「其自有數據上運行更準確的模型，且功耗更低」。
「對這些客戶而言，」他說，「準確性和可靠性不是錦上添花。它們決定了產品是否能通過監管審查，以及它在現場是否能可靠運行。」
Lola Vision 總部位於華盛頓特區，是多家試圖提供 NVIDIA 技術以外的替代方案，以在裝置上運行 AI 的新創公司之一。Adesanya 表示，目前許多公司都從 NVIDIA 的 Jetson 開始，這是一系列用於在裝置上運行 AI 的緊湊型運算模組，或是使用開源 AI 模型。Adesanya 聲稱，這些「經常開箱即用就出現故障或運行不佳，因此團隊需要花費數天或數週才能讓它們運行起來，然後再花費更多週進行除錯，直到模型可用。」
「即便如此，」他繼續說，「功耗經常會超出邊緣運算預算，或者主機板無法提供足夠的運算能力來運行產品實際需要的、中大型模型。這導致識別模型落後於目標，或誤讀物體。」（邊緣運算是指直接在裝置上，例如攝影機或無人機上運行 AI，而不是在遠端資料中心運行。識別模型是識別物體的 AI 系統。）
據該公司稱，已有十幾家企業客戶簽署了表達購買 Lola Vision 晶片意向的意願書，並且已經有一位簽約客戶。該公司還與微電子勞動力發展計畫 SCALE 合作，以與更多半導體實驗室合作。「為了更快地獲得收入，我們現在將在現有硬體上授權我們的軟體，」Adesanya 說。（換句話說，該公司不是等待其自有晶片問世，而是讓客戶付費在其現有晶片上使用其軟體。）他補充說，該公司迄今為止總共籌集了略超過 100 萬美元的資金。
Lola Vision 被選為今年的 TechCrunch Battlefield 200，這是一個由 200 家被選入該計畫的新創公司組成的群體。「TechCrunch 是我在普渡大學唸書時的最愛，」他說。在投入大約一年時間建置產品並簽下第一位客戶後，他覺得是時候申請 Battlefield，讓公司獲得更廣泛的關注。
至於他對這次活動最期待的，是「建立有意義的連結，並盡可能多地了解我們領域內外正在發生的事情，」他說。「而且，坦白說，我期待投資人能寫支票。」
