Wiresock memanfaatkan pembelajaran data AI, berhasil menarik investasi sebesar 23 juta dolar

Perusahaan startup data pembelajaran kecerdasan buatan Wirestock berhasil menarik investasi baru sebesar 23 juta dolar AS (sekitar 3,453 miliar won Korea). Seiring meningkatnya permintaan terhadap “model dunia” dan model penggunaan komputer yang melampaui AI generatif, perusahaan penyedia data berbasis gambar dan video sedang mengalami tren masuknya dana yang semakin jelas.

Dilaporkan oleh TechCrunch, putaran pendanaan ini dipimpin oleh lembaga investasi awal Nava Ventures, dengan partisipasi dari SBVP, Formula VC, dan I2BF Ventures. Total investasi eksternal Wirestock meningkat menjadi 26 juta dolar AS (sekitar 3,903 miliar won Korea).

Transformasi Bisnis dan Perluasan Pasokan Data

Didirikan pada tahun 2018, Wirestock awalnya adalah layanan yang membantu fotografer dan kreator mendistribusikan konten di platform gambar stok. Namun, mulai tahun ini, perusahaan mengalihkan fokus bisnisnya ke penyedia data pembelajaran untuk perusahaan pengembangan AI. Diketahui bahwa perusahaan saat ini memiliki katalog lebih dari 50 juta gambar dan video yang dibuat oleh sekitar 700.000 pengguna.

Wirestock tidak hanya menjual dataset umum, tetapi juga data pembelajaran yang dikustomisasi. Keunggulan utamanya adalah pembuatan video yang menunjukkan cara pengguna mengoperasikan aplikasi. Misalnya, sebuah startup yang mengembangkan alat desain web berbasis AI dapat memesan pembuatan data yang berisi skenario elemen antarmuka yang diedit di Figma.

Pertumbuhan Kinerja dan Permintaan Model Dunia

Perluasan bisnis ini tampaknya juga membawa pertumbuhan kinerja. Dilaporkan oleh TechCrunch, sebelum putaran pendanaan ini, pendapatan tahunan Wirestock telah melebihi 40 juta dolar AS (sekitar 60,04 miliar won Korea). Hal ini didukung oleh masuknya dana besar ke bidang “model dunia” selama setahun terakhir. Model dunia adalah AI yang memahami dan mensimulasikan lingkungan nyata melalui pembelajaran data visual, dan memiliki potensi aplikasi yang besar dalam pelatihan robot dan otomatisasi.

Sebenarnya, dana terkait terkonsentrasi pada beberapa perusahaan yang memiliki prospek cerah. World Labs yang dipimpin oleh Fei-Fei Li mengumpulkan 1 miliar dolar AS pada bulan Februari tahun ini dari konglomerat termasuk Nvidia ($NVDA). Sementara itu, pesaing AMI Labs juga menyelesaikan investasi sebesar 1,03 miliar dolar AS dan mulai mengembangkan model dunia untuk otomatisasi rekayasa perangkat keras.

Model Penggunaan Komputer dan Ekspansi Masa Depan

Data visual yang disediakan Wirestock juga dapat digunakan untuk melatih model penggunaan komputer. Bulan lalu, Standard Intelligence yang mendapatkan investasi sebesar 75 juta dolar AS, menggunakan video yang menunjukkan pengguna menjalankan aplikasi, dan menciptakan algoritma “FDM-1”. Perusahaan menyatakan bahwa AI ini mampu melakukan otomatisasi tugas multi-langkah dengan sumber daya perangkat keras yang lebih sedikit dibandingkan model yang ada saat ini.

Wirestock berencana memanfaatkan investasi ini untuk memperluas tenaga riset dan insinyur AI. Karyawan baru akan fokus pada pengembangan produk perangkat lunak yang memungkinkan “pembangunan dan kolaborasi dataset AI tingkat perusahaan”. Perusahaan juga sedang mempertimbangkan untuk memperluas bisnis ke jenis data pembelajaran lain di luar gambar dan video di masa depan.

Tren Pasar Data AI

Pendanaan ini juga menarik perhatian karena terjadi setelah banyak penyedia data AI lainnya melakukan pendanaan besar-besaran. Afterquery yang berbasis di San Francisco baru-baru ini mendapatkan investasi sebesar 30 juta dolar AS. Perusahaan ini menjual dataset yang telah diatur, termasuk prompt AI, respons pengguna, dan proses pemikiran bertahap yang menghasilkan respons tersebut. Data semacam ini membantu meningkatkan “kemampuan penalaran” AI.

Akhirnya, fokus pasar tampaknya beralih dari model yang lebih besar secara sederhana ke data pembelajaran yang lebih rinci. Pendanaan Wirestock kali ini kembali menunjukkan bahwa daya saing AI tidak hanya bergantung pada semikonduktor dan kinerja model, tetapi juga pada akses terhadap “data berkualitas tinggi” yang mencerminkan skenario aplikasi nyata.

Catatan AI TP Artikel ini dirangkum menggunakan model bahasa berbasis TokenPost.ai. Isi utama mungkin terlewatkan atau tidak sesuai dengan fakta.