انحصاری: Daytona، استارت آپی که «کلاد عامل» را می سازد، به ارزش 1 میلیارد دلار در آخرین دور مالی

عوامل هوش مصنوعی به جایی برای کار نیاز دارند - و ایوان بورازین فکر می کند که ارائه دهندگان ابر موجود پاسخ درستی نیستند. اکنون Burazin، بنیانگذار و مدیر عامل Daytona، یک استارت آپ مستقر در سانفرانسیسکو، ایده نوع جدیدی از ابر را فقط برای عوامل هوش مصنوعی به یک تجارت تک شاخ تبدیل کرده است.

دیتونا روز سه‌شنبه اعلام کرد که سرمایه‌گذاری خطرپذیر 60 میلیون دلاری سری B را با ارزش‌گذاری یک میلیارد دلار افزایش داده است. FirstMark دور را رهبری کرد. فهرستی از بنیان‌گذاران دره سیلیکون، از جمله پاتریک کولیسون از استرایپ، توبی لوتکه از شاپیفای، آراویند سرینیواس از Perplexity، آدام دی آنجلو از Quora و اریک یوان از زوم، به‌علاوه سرمایه‌گذاران استراتژیک Qualcomm Ventures، Samsung Ventures و Ok به آن پیوستند.

بورازین به فورچون گفت که حدود 50 میلیون دلار از این دور از طریق سرمایه گذاران موجود تامین شده است. بودجه جدید مبلغی را که Daytona تا به امروز جمع آوری کرده است به حدود 91 میلیون دلار می رساند.

چرا نمایندگان به کامپیوترهای خود نیاز دارند؟

یک عامل هوش مصنوعی که کد می‌نویسد و اجرا می‌کند، وب را مرور می‌کند یا نرم‌افزار تجاری را اجرا می‌کند، باید از یک رایانه استفاده کند - خواه یک ماشین واقعی یا مجازی که در فضای ابری اجرا می‌شود. برای بسیاری از موارد استفاده، داشتن ماشین مجازی ارجحیت دارد—این به عامل هوش مصنوعی اجازه می دهد حتی اگر شخصی که عامل را اجرا می کند لپ تاپ خود را خاموش کند، کار کند، و از آنجایی که ماشین های مجازی را می توان تنها با نرم افزار و دسترسی شبکه ای که عامل برای انجام یک کار خاص به آن نیاز دارد پیکربندی کرد و نه بیشتر، به طور کلی روش ایمن تری برای اجرای عوامل هوش مصنوعی است.

یک ماشین مجازی یا همان‌طور که گاهی اوقات به آن‌ها "sandbox" گفته می‌شود، این احتمال را به حداقل می‌رساند که عامل از کار بیفتد و اقدامات غیرمجاز مخرب انجام دهد، یا اینکه یک طرف خارجی بتواند عامل را ربوده و آن را وادار به افشای داده‌های حساس کند.

Daytona در سال 2023 توسط Burazin، Goran Draganić و Vedran Jukić برای خودکارسازی محیط های توسعه نرم افزار برای شرکت های بزرگ تاسیس شد. وقتی بنیانگذاران دیدند که نمایندگان نیز به رایانه نیاز دارند، به گفته بورازین، آنها اساسا همه مشتریان ما را به رقبای ما دادند، همه چیز را بازسازی کردند، تقریبا سه ماه از درآمد بانک باقی مانده بود، و سپس این مورد را دوباره راه اندازی کردند.

Daytona در حال حاضر این جعبه‌های شنی را در اختیار بسیاری از شرکت‌های پیشرو هوش مصنوعی قرار می‌دهد، که از ماشین‌های مجازی استفاده می‌کنند تا به مدل‌های خود اجازه دهند تا در طول آموزش و آزمایش، بارها و بارها وظایف خود را در جعبه‌های شنی تمرین کنند. Daytona می‌گوید که شرکت داده‌های هوش مصنوعی Snorkel، که همچنین به مشتریان کمک می‌کند تا مدل‌های هوش مصنوعی را آزمایش کرده و محک بزنند، بیش از یک میلیون جعبه شنی بر روی پلتفرم خود ارائه کرده است. همچنین Anthropic، OpenAI، Nvidia، Cursor، Cognition، Meta و Cohere را در میان مشتریان خود به حساب می آورد.

بورازین گفت که نرخ درآمد دیتونا بین ژانویه و سپتامبر 25 برابر شده است. بورازین گفت: «ما به طور متوسط ​​هر ماه 50.9 درصد رشد داشته ایم.

ارائه دهندگان ابر موجود، مانند AWS آمازون، مایکروسافت Azure، یا Google's Cloud Platform، به مشتریان اجازه می دهند ماشین های مجازی را بچرخانند. اما انجام این کار بسته به پیچیدگی پیکربندی بین 30 ثانیه تا چند دقیقه طول می کشد. به گفته بورازین، این برای آینده کار نمایندگی بسیار طولانی است، زمانی که شرکت ها ممکن است هزاران یا حتی ده ها هزار عامل هوش مصنوعی را مستقر کنند، که هر کدام بسته به وظیفه ای که از آنها خواسته می شود نیاز به دسترسی به ابزارهای نرم افزاری مختلف داشته باشند.

به گفته Burazin، Daytona می‌تواند در 60 میلی‌ثانیه یک Sandbox جدید را برای یک عامل هوش مصنوعی پیکربندی کند. این تقریبا نیمی از زمانی است که برای پلک زدن نیاز است. او گفت که ترفند این است که از قبل عکس های فوری از ماشین های پیکربندی شده روی درایوهای فیزیکی سرورها توزیع شود. هنگامی که یک نماینده به یک ماشین نیاز دارد، Daytona قدرت پردازش و حافظه را متصل می کند و عکس فوری را از سر می گیرد. عوامل همچنین می توانند یک کامپیوتر در حال اجرا را شبیه سازی کنند تا رویکردهای مختلف را به صورت موازی امتحان کنند.

Burazin گفت: "شما می توانید به معنای واقعی کلمه کامپیوتر را به دو قسمت تکرار کنید و هر دو نتیجه را امتحان کنید، و سپس دوباره و دوباره و دوباره تکرار کنید تا به نتیجه دلخواه برسد."

بورازین گفت، وقتی سرمایه گذاران را معرفی کرد، بسیاری از آنها پرسیدند "چرا ما به این نیاز داریم؟ می دانید، AWS می تواند این کار را انجام دهد." پاسخ او این است که hyperscalers تقریبا همه چیز را بر روی چند سرویس اصلی که برای حداکثر استفاده بهینه شده اند ساخته اند. او استدلال کرد که برای مطابقت با عملکرد Daytona، آنها باید یک شرکت کاملا جدید در خدمات ابری موجود خود ایجاد کنند. او اعتراف کرد که هایپراسکیلرها می توانند این کار را انجام دهند، اما گفت که بازسازی زیرساخت های خود برای خدمت به عوامل هوش مصنوعی به جای کاربران انسانی برای آنها آسان نخواهد بود.

مقیاس درگیر به راحتی قابل دست کم گرفتن است. Burazin به Muse، نماینده شخصی Meta که در سپتامبر راه اندازی شد، اشاره کرد. او گفت که "یک کامپیوتر زیر آن برای هر چت". با استفاده از ریاضیات پشت پاکت، میز برای ارائه خدمات به 100 میلیون کاربر به جعبه های شنی به ارزش 2.8 میلیارد دلار نیاز دارد.

مت تورک، شریک FirstMark در بیانیه ای گفت: «ما معتقدیم تغییر زیرساخت بعدی از ابرهای اولیه انسان محور به ابرهای بومی است.

مدل‌های هوش مصنوعی روی پردازنده‌های گرافیکی اجرا می‌شوند. اما برای انجام کار، آنها به CPU نیاز دارند.

Burazin همچنین آنچه Daytona در حال ساخت است از ارائه دهندگان "neocloud" مانند CoreWeave و Nebius متمایز می کند. این نئوکلادها برای آموزش و اجرای مدل‌های هوش مصنوعی طراحی شده‌اند. مراکز داده ای که آنها برپا کرده اند، چیزهایی پر از واحدهای پردازش گرافیکی یا GPU هستند، تراشه های رایانه ای که برای اجرای مدل های هوش مصنوعی بهینه شده اند. اما برای راه اندازی ماشین های مجازی، یک مرکز داده به تعداد زیادی واحد پردازش مرکزی سنتی یا CPU نیاز دارد که بتواند انواع نرم افزارهای مختلف را اجرا کند. بورازین گفت: "ابر استنتاج جایی است که عامل فکر می کند و ابر ما جایی است که عامل کار می کند."

او گفت: «ما در داخل به نوعی معتقدیم که تعداد دلاری که برای پردازنده‌های مرکزی خرج می‌شود احتمالا بیشتر از دلاری است که در آینده قابل پیش‌بینی برای پردازنده‌های گرافیکی خرج می‌شود، که امروز به‌نظر می‌رسد به نوعی غیرمعمول است.»

تقاضا آنقدر زیاد است که او کمبود CPU در آینده را پیش بینی می کند. او گفت: "من قویا معتقدم که یک مشکل CPU وجود خواهد داشت." اگر بخواهیم در این مسیر به رشد خود ادامه دهیم، مقدار ماشین‌های CPU که به آنها نیاز خواهیم داشت، در حال حاضر وجود ندارد.»

تراشه سازان نیز همین روند را مشاهده می کنند. در تماس سه ماهه اول AMD در ماه می، مدیر عامل لیزا سو گفت که هوش مصنوعی عامل نیاز به CPUهای سرور را افزایش می دهد. AMD پیش بینی خود را برای رشد بازار CPU سرور از حدود 18 درصد در سال به بیش از 35 درصد افزایش داد و تا سال 2030 به بیش از 120 میلیارد دلار رسید. آرم طراح تراشه تخمین زده است که مراکز داده AI عامل ممکن است به 120 میلیون هسته CPU در هر گیگاوات نیاز داشته باشند، چهار برابر نیاز مراکز داده سنتی. کوارتز گزارش داد که اینتل در اوایل سال جاری به برخی از مشتریان چینی گفته بود که زمان تحویل برای برخی از CPUهای سرور به شش ماه افزایش یافته است.

بورازین گفت که دایتونا قصد دارد بیشتر سرمایه های جدیدی را که جمع آوری کرده است صرف استخدام کارکنان فروش به بازار به اضافه تعدادی مهندس کند.

این داستان در ابتدا در سایت Fortune.com منتشر شد