Voormalige Amazon-ingenieurs stappen over van goedbetaalde banen om het GPU-verspillingsprobleem van $ 240 miljard aan te pakken.
Kamer Oprichter Charles Ding had alles goed bij Amazon. Jaar na jaar overtrof hij de verwachtingen. De reikwijdte bleef groeien, de invloed bleef groeien, de zichtbaarheid zette hem op een duidelijk opwaarts pad. De meesten zouden gebleven zijn.
Dat deed hij niet.
“Het was een van de moeilijkste beslissingen uit mijn carrière”, zei Charles. “Maar Amazon heeft me iets geleerd dat ik niet kon negeren. Het is altijd dag 1. En dag 1 doet er alleen toe als je bereid bent opnieuw te beginnen.”
Dus ging hij weg. Als tweede oprichter lanceerde Charles Kamereen AI-infrastructuuroptimalisatieplatform dat zojuist is geaccepteerd in de Winter 2026-batch van Y Combinator. Hij doet het niet alleen. Drie andere Amazon-veteranen – Shaocheng Wang, Jason Ong en Andreas Bloomquist – verlieten hun eigen comfortabele positie om zich bij hem aan te sluiten. Samen hebben ze tientallen jaren lang op grote schaal producten van nul naar één gebouwd en verzonden.
Y Combinator-ambtenaar aangekondigd Chamber’s lancering en benadrukt hoe het platform de orkestratie, governance en resource-optimalisatie van AI-infrastructuur op de automatische piloot zet. De accelerator merkte op dat Chamber bedrijven in staat stelt gemiddeld 50 procent meer workloads uit te voeren met behulp van hun bestaande AI-infrastructuur – zonder hardware of personeelsbestand toe te voegen.
“Ik ben nederig dat ze deze sprong in het diepe hebben gemaakt”, zei Charles. “We hadden allemaal een veilige baan. We hadden allemaal redenen om te blijven. Maar soms is de aantrekkingskracht naar iets groters gewoon te sterk om te negeren.”
Dat ‘iets groters’ bleek een probleem dat verborgen bleef in het volle zicht. Ondanks dat er elk jaar miljarden in de AI-infrastructuur stromen, staat tussen de 30 en 60 procent van de GPU-capaciteit van ondernemingen volledig inactief. Teams reserveren hardware die ze niet volledig gebruiken. Hulpbronnen worden in silo’s gestopt. Ondertussen wachten andere teams in eindeloze rijen op toegang tot GPU’s die technisch beschikbaar zijn, maar opgesloten zitten in de toewijzing van iemand anders.
De cijfers zijn onthutsend. Volgens schattingen van de industrie bedraagt de jaarlijkse verspilling ruim 240 miljard dollar – en dat aantal blijft stijgen naarmate het AI-onderzoek zich versnelt. Bedrijven geven fortuinen uit aan hardware die het grootste deel van de tijd niets doet.
Kamer zal het oplossen. Het platform brengt GPU-optimalisatie naar bedrijven via agent AI die fungeert als een autonoom infrastructuurteam. Het bewaakt continu GPU-clusters, voorspelt de behoeften aan bronnen, detecteert slechte knooppunten en wijst GPU’s in realtime opnieuw toe, waardoor AI-teams sneller kunnen werken zonder handmatig werk.
“De meeste bedrijven hebben geen idee hoeveel GPU-capaciteit ze daadwerkelijk verspillen”, legt Charles uit. “Ze kunnen het niet zien. De gegevens zijn verspreid over teams, clusters en tools die niet met elkaar praten. We geven ze zichtbaarheid die ze nog nooit eerder hebben gehad.”
Het platform zorgt voor GPU-efficiëntie via verschillende geïntegreerde functies. Het detecteert automatisch onderbenutte GPU’s en toont optimalisatiemogelijkheden die anders verborgen zouden blijven. Een intelligent planningssysteem past de werklast aan en beheert de toewijzingen op basis van realtime vraag en prioriteit. Wanneer hardware het begeeft – iets wat vaker gebeurt dan de meeste mensen zich realiseren – detecteert de zelfherstellende infrastructuur van Chamber het probleem en werkt er omheen voordat corrupte training dagenlange regentijd verspilt.
Voor technische managers en leidinggevenden is er een analyse- en rapportagelaag die ruwe gebruiksgegevens omzet in bruikbare inzichten. Dankzij native integraties met Slack, e-mail en PagerDuty worden de juiste mensen op de hoogte gesteld wanneer er iets aandacht nodig heeft.
Het inmiddels opgerichte team had grootschalige infrastructuuroptimalisatie bij Amazon gebouwd en geschaald, wat honderden miljoenen aan kostenbesparingen opleverde, en brengt die ervaring nu in om andere bedrijven te helpen inactieve AI-infrastructuur bloot te leggen, werklasten te versnellen en verspilde geld aan gereserveerde inactieve GPU’s te verminderen.
Charles haalt inspiratie uit het raamwerk voor spijtminimalisatie van Jeff Bezos – het idee dat mensen zich afvragen waar ze spijt van zullen krijgen als ze het niet proberen, over een paar jaar terugkijkend. Wanneer hij beslissingen op die manier formuleert, wordt het antwoord meestal duidelijk.
Als onderdeel van hun lancering, Kamer biedt een gratis GPU Intelligence Dashboard dat teams direct inzicht geeft in hun AI-infrastructuur. De monitoringagent ontdekt ongebruikte capaciteit in realtime, analyseert gebruikspatronen binnen teams en werklasten en levert rapporten voor managers over GPU-gebruikstrends.
Voor AI- en ML-teams die het beu zijn om voor middelen te vechten, en voor managers die verantwoording nodig hebben over de GPU-uitgaven, vertegenwoordigt Chamber een nieuwe weg vooruit. Eén gebouwd door mensen die uit de eerste hand getuige waren en de uitdagingen en problemen op grote schaal begrepen – en gek genoeg waren om alles achter te laten om het op te lossen.
Meer informatie en gratis accountregistratie zijn beschikbaar op officiële website.
Contactgegevens:
Bedrijf: Kamer
Naam contactpersoon: Charles Ding
E-mailadres voor contact: hello@usechamber.com
Startpagina: https://www.usechamber.io/
Land: VS
