انحصاری: استارتآپ تست کد هوش مصنوعی Blacksmith با افزایش کدهای نوشته شده توسط هوش مصنوعی به ارزش یک میلیارد دلاری رسید.
ارزش گذاری این استارت آپ تقریبا در دو ماه دو برابر شده است زیرا ابزارهای کدنویسی هوش مصنوعی شرکت ها را با کد بیشتری نسبت به سیستم های آزمایشی آنها پر کرده است.
Blacksmith، استارتآپی که شرکتهای زیرساختی را برای آزمایش کد قبل از ارسال مدیریت میکند، پس از یک دور جدید سرمایهگذاری 66 میلیون دلاری که توسط Sequoia Capital رهبری میشود، یک میلیارد دلار ارزش گذاری شده است.
این دور، که Blacksmith's Series C است، حدود دو ماه پس از جمع آوری 45 میلیون دلاری سری B توسط شرکت Peak XV Partners با ارزش 550 میلیون دلاری انجام شد. کل بودجه Blacksmith را به حدود 124.5 میلیون دلار می رساند.
Blacksmith میگوید که اکنون بیش از 10000 شرکت از پلتفرم آن استفاده میکنند که این رقم در ماه اوت حدود 5000 بود. مشتریان شامل استارت آپ های معروف Granola، Handshake، Supabase و LangChain هستند. در آغاز سال، آهنگر 5 میلیون چک اعتبارسنجی در هفته انجام داد. اکنون 90 میلیون اجرا می شود. به گفته آدیتیا جایاپراکاش، یکی از بنیانگذاران و مدیر عامل شرکت، که گفت درآمد در حال حاضر به ده ها میلیون رسیده است، درآمد دوره ای سالانه در مدت مشابه 17 برابر افزایش یافته است. این شرکت گفت بزرگترین مشتریانش بیش از 1 میلیون دلار در سال خرج می کنند.
جایاپراکاش به فورچون گفت که بیشتر پول جدید صرف خرید قدرت محاسباتی بیشتر خواهد شد. این شرکت حدود 40 کارمند در سراسر سانفرانسیسکو و نیویورک دارد و قصد دارد تا پایان سال به حدود 75 نفر برسد.
Blacksmith در سال 2024 توسط Jayaprakash تاسیس شد و آنچه را توسعه دهندگان یکپارچه سازی مداوم یا CI می نامند را به فروش می رساند: ساخت و آزمایش های خودکاری که کد باید قبل از ادغام در یک پایگاه کد موجود و استقرار آن را پشت سر بگذارد. اکثر شرکتها این مشاغل را روی سرورهای اجارهای از AWS، Google Cloud یا Microsoft Azure اجرا میکنند. به گفته جایاپراکاش، Blacksmith در عوض ماشینهای خود را میخرد، دهها هزار دستگاه، و آنها را در مراکز داده در سراسر جهان نصب میکند.
نرمافزار خود را برای اجرای آنها مینویسد، از جمله سیستمهایی که کارهای راهاندازی تکراری را ذخیره میکنند که در غیر این صورت هر آزمایش از ابتدا دوباره انجام میشد.
یک گلوگاه جدید
جایاپراکاش گفت، توسعهدهندگان تقریبا نیمی از زمان خود را صرف نوشتن کد میکردند و نیمی دیگر را منتظر ساختن آن و پاس کردن چکها میکردند.
او گفت که ابزارهای کدگذاری هوش مصنوعی مانند Cursor، OpenAI's Codex و Anthropic's Claude Code نیمه اول را "بسیار آسان" کرده اند. اما اکنون گلوگاه به قسمت دوم منتقل شده است، که این است: چگونه می توانم تمام این کد را تأیید کنم؟
حتی آزمایشگاه های پیشرو نیز فشار را احساس می کنند. Anthropic ماه گذشته گفت که حجم کار اعتبار سنجی خودش در شش ماه 25 برابر شده است زیرا کلود بیشتر کد خروجی خود را در اختیار گرفته است.
Blacksmith مالک بسیاری از سخت افزارهای خود است - سرورهای خود را به جای اجاره آنها از غول های ابری مانند آمازون - خریداری می کند - که به گفته Jayaprakash به شرکت کنترل عملکرد را می دهد، اما همچنین شرکت را در معرض کمبود رایانه و حافظه در سراسر صنعت قرار می دهد. جایاپراکاش گفت برنامه ریزی ظرفیت یکی از سخت ترین بخش های کسب و کار است، زیرا هر بار که مدل قوی تری ارائه می شود، تقاضا افزایش می یابد. زمانی که Anthropic در ماه جولای، Claude Fable 5 را عرضه کرد، حجم CI در Blacksmith 40 درصد افزایش یافت.
مانند بسیاری از استارتآپهای کدنویسی هوش مصنوعی، این تهدید نیز وجود دارد که فروشندگان پیشرو مدلهای هوش مصنوعی – که در حال حاضر به شدت بر روی محصولات کدنویسی تمرکز میکنند – در نهایت اعتبار کد را به عهده خواهند گرفت.
عوامل کدنویسی مانند Codex و Claude Code میتوانند آزمایشهای پروژه را در حین کار اجرا کنند، و Cursor محصولی را در ماه مارس عرضه کرد که به شرکتها اجازه میدهد تا نمایندگانی را برای بازبینی و آزمایش خودکار کدهای جدید تنظیم کنند. در همین حال، GitHub متعلق به مایکروسافت، ماشین های میزبان خود را برای اجرای مشاغل CI می فروشد. جایاپراکاش استدلال می کند که Blacksmith مکمل کاری است که شرکت های مدل هوش مصنوعی انجام می دهند، زیرا مدل های بهتر به معنای کد بیشتری برای بررسی است. او گفت: "استفاده از ما در واقع افزایش می یابد."
این داستان در ابتدا در سایت Fortune.com منتشر شد
متن اصلی (انگلیسی)
Exclusive: AI code-testing startup Blacksmith hits $1 billion valuation as AI-written code surges
The startup’s valuation has nearly doubled in two months as AI coding tools flood companies with more code than their testing systems can handle.