Flapping Airplanes pozyskuje miliard dolarów przy wycenie sześciu miliardów dolarów

Roczne laboratorium sztucznej inteligencji o nazwie Flapping Airplanes ogłosiło pozyskanie miliarda dolarów amerykańskich w rundzie finansowania serii A, co nadaje firmie wycenę wynoszącą sześć miliardów dolarów amerykańskich. Inwestycja ta została współprowadzona przez fundusze Index oraz Lux, a jej celem jest rozwój metod trenowania dużych modeli przy użyciu mniejszej ilości danych. Wydarzenie to stanowi znaczący moment dla startupu, który dopiero niedawno rozpoczął swoją działalność operacyjną na rynku technologicznym.

Nowe finansowanie nastąpiło zaledwie dziewięć miesięcy po uruchomieniu firmy, która wcześniej zabezpieczyła sto osiemdziesiąt milionów dolarów amerykańskich w rundzie seedowej. Tamta wcześniejsza transakcja wyceniała przedsiębiorstwo na półtora miliarda dolarów amerykańskich, co oznacza, że obecna wycena wzrosła czterokrotnie w bardzo krótkim okresie. Do nowych inwestorów dołączyli również wcześniejsi wspierający, w tym Sequoia, GV oraz Kleiner Perkins.

W gronie inwestorów znajdują się również takie podmioty jak Valor, Atreides, A* oraz Nvidia. Struktura własnościowa odzwierciedla szerokie zainteresowanie ze strony kluczowych graczy branży kapitałowej i technologicznej. Według doniesień outletu TechCrunch, szybki wzrost wyceny świadczy o dużym zaufaniu, jakim rynek obdarza zespół założycielski oraz obraną przez nich strategię rozwoju technologii uczenia maszynowego.

Założyciele firmy opisują swoją pracę jako tworzenie najbardziej kompletnego na świecie frameworka megajądrowego. Narzędzie to potrafi przeprowadzać całe procesy trenowania, obsługiwać wnioskowanie oraz uruchamiać gry wideo, a nawet wykonywać wszystkie trzy zadania jednocześnie w ramach jednego jądra programowego. Jądro w tym kontekście oznacza program działający na procesorze graficznym, natomiast megajądro grupuje wiele zadań w jednym programie, co ma zwiększyć efektywność sprzętu.

Twórcy twierdzą, że ich framework pozwala na nakładanie wnioskowania ograniczonego przez pamięć na trenowanie ograniczone przez moc obliczeniową. Oznacza to możliwość równoległego uruchamiania zadań, co minimalizuje czas bezczynności chipów. Założenie to opiera się na przekonaniu, że sztuczna inteligencja dopiero zaczęła wykorzystywać potencjał procesorów graficznych i może tworzyć inteligentne systemy bez konieczności pochłaniania połowy zasobów internetu.

Głównym celem projektu jest stworzenie systemów, których trenowanie i eksploatacja kosztują mniej. Zgodnie ze słowami jednego z założycieli, model milion razy bardziej efektywny pod względem danych byłby prawdopodobnie milion razy łatwiejszy do wdrożenia w gospodarce. Pozyskane środki mają zostać przeznaczone na zatrudnianie nowych pracowników oraz realizację tego ambitnego założenia w praktyce.