Flapping Airplanes huy động 1 tỷ USD: nhà sáng lập từng ươm mầm Cursor, muốn viết lại huấn luyện AI từ tầng底层 GPU

Động Sát Beating Tin nhanh AI, phòng nghiên cứu AI Flapping Airplanes thành lập khoảng một năm đã hoàn thành vòng gọi vốn Series A trị giá 1 tỷ USD, do Index Ventures và Lux Capital đồng dẫn đầu. Định giá sau đầu tư đạt 6 tỷ USD, gấp 4 lần so với tháng 1 năm nay. Công ty chỉ có hơn 20 người, đến nay chưa ra mắt sản phẩm thương mại nào, nhưng nhà đầu tư bao gồm Sequoia Capital, GV của Google và NVIDIA.

Flapping Airplanes do Ben Spector, anh trai Asher Spector và Aidan Smith đồng sáng lập. CEO Ben từng đồng sáng lập vườn ươm khởi nghiệp Prod trong thời gian học tại MIT, tham gia ươm tạo giai đoạn đầu của Cursor, Mercor, Etched và Decart. Sau đó, anh gia nhập nhóm nghiên cứu của Chris Ré tại Đại học Stanford, trở thành tác giả thứ nhất của bài báo về framework lập trình GPU mã nguồn mở ThunderKittens. Asher là tiến sĩ thống kê tại Stanford, còn Aidan là Thiel Fellow, từng làm việc ba năm tại Neuralink thuộc Elon Musk.

Năm 2025, Ben và nhóm Stanford tiếp tục phát triển Megakernel, cố gắng gộp toàn bộ tính toán của mô hình vào một nhân GPU duy nhất. Framework suy luận truyền thống chia tính toán thành hàng trăm nhân, lần lượt khởi động, thực thi, chờ đợi, khiến GPU không thể tận dụng hết băng thông bộ nhớ trong các khoảng trống này. Megakernel hợp nhất các bước tính toán, cho phép đọc dữ liệu của bước tiếp theo diễn ra sớm hơn. Khi chạy Llama-3.2-1B trên một card H100, mỗi lần sinh một chuỗi, vLLM và SGLang chỉ tận dụng được tối đa 50% băng thông bộ nhớ, giải pháp mới nâng lên 78%, tốc độ suy luận nhanh hơn SGLang hơn 1,5 lần.

Vài tháng sau, nhóm mở rộng Megakernel sang Llama-70B, trong các bài kiểm tra cụ thể, thông lượng đầu cuối sau khi tích hợp engine suy luận Tokasaurus cao hơn SGLang hơn 22%. Cả hai nghiên cứu đều đã mã nguồn mở, thuộc kết quả nghiên cứu tại Stanford mà Ben tham gia trước khi thành lập Flapping Airplanes.

Flapping Airplanes hiện tiếp tục cải tạo GPU theo hướng này. Công ty cho biết framework mới nhất đã có thể thực thi đồng thời huấn luyện mô hình, suy luận và trò chơi điện tử trong cùng một nhân. Nhóm cũng muốn nhân đây khám phá các thuật toán học mới. Các framework hiện có như PyTorch giỏi thực thi tính toán được tổ chức theo từng bước, nhưng khó xử lý hiệu quả một số tác vụ hạt mịn, đòi hỏi thực thi xen kẽ với khối lượng lớn. Bản thân GPU không hẳn không làm được, chỉ là phần mềm hiện tại chưa dễ phát huy những năng lực này. Thay đổi cách lập trình tầng thấp có thể khiến những thuật toán trước đây có chi phí quá cao, khó chạy trở nên khả thi.

Họ muốn giải quyết sâu hơn vấn đề hiệu quả dữ liệu của AI. Con người không cần đọc hết toàn bộ internet để học ngôn ngữ, nhưng các mô hình lớn lại phụ thuộc vào lượng dữ liệu huấn luyện khổng lồ. Tìm kiếm và lập trình có sẵn nhiều kho ngữ liệu, trong khi các lĩnh vực như vận hành robot, nghiên cứu khoa học rất khó có được mẫu dữ liệu cùng quy mô. Asher trước đây từng lấy ví dụ về việc tăng hiệu quả dữ liệu lên 1000 lần để minh họa giá trị kinh tế mà loại đột phá này có thể mang lại. Nếu chỉ cần một phần nghìn dữ liệu so với trước đây để huấn luyện một mô hình, nhiều ngành thiếu mẫu huấn luyện cũng có thể dùng được AI.