Wiresock за допомогою штучного інтелекту вивчає потреби у даних, успішно залучивши 23 мільйони доларів інвестицій

Штучний інтелект, стартап з навчальних даних Wirestock, успішно залучив 23 мільйони доларів (приблизно 34,53 мільярди вон) нових інвестицій. З зростанням попиту на “світові моделі” та моделі використання комп’ютерів, що перевищують генеративний AI, компанії, що постачають дані на основі зображень і відео, стають очевидним об’єктом більшого фінансування.

Згідно з повідомленням TechCrunch, цей раунд фінансування був очолений раннім інвестором Nava Ventures, з участю SBVP, Formula VC та I2BF Ventures. Загальна зовнішня інвестиція в Wirestock зросла до 26 мільйонів доларів (приблизно 39,03 мільярди вон).

Трансформація бізнесу та розширення постачання даних

Заснована у 2018 році, Wirestock спочатку була сервісом, що допомагав фотографам і творцям поширювати контент на платформах для матеріалів. Однак з цього року компанія зосередилася на наданні навчальних даних для компаній, що займаються розробкою AI. Повідомляється, що наразі у компанії є каталог з понад 50 мільйонів зображень і відео, створених приблизно 700 тисячами користувачів.

Wirestock продає не лише універсальні набори даних, а й індивідуальні навчальні дані. Її ключова перевага — створення відео, що демонструють, як користувачі працюють з додатками. Наприклад, стартап, що розробляє інструменти для веб-дизайну на базі AI, може замовити створення даних, що містять сцени з елементами інтерфейсу, редагованими у Figma.

Зростання показників та попит на світові моделі

Це розширення бізнесу, ймовірно, також сприяло зростанню показників. Згідно з TechCrunch, до цього раунду фінансування, річний обіг Wirestock перевищував 40 мільйонів доларів (приблизно 60,04 мільярди вон). Це відбувається на тлі масового припливу інвестицій у сферу “світових моделей” за останній рік. Світова модель — це AI, що навчається на візуальних даних для розуміння та імітації реального середовища, і її потенціал застосування у тренуванні роботів і автоматизації викликає великий інтерес.

Насправді, відповідні інвестиції зосереджені у кількох перспективних компаніях. World Labs під керівництвом Лі Фейфей у лютому цього року залучила 1 мільярд доларів від консорціуму, що включає NVIDIA. Водночас конкурентна компанія AMI Labs завершила інвестиції обсягом 1,03 мільярда доларів і розпочала розробку світових моделей для автоматизації апаратного інжинірингу.

Моделі використання комп’ютерів та майбутнє розширення

Візуальні дані, що надаються Wirestock, також можна використовувати для тренування моделей використання комп’ютерів. Минулого місяця компанія Standard Intelligence, яка залучила 75 мільйонів доларів інвестицій, створила алгоритм “FDM-1”, використовуючи відео з виконанням користувачами дій у додатках. Компанія заявила, що цей AI може автоматизувати багатоступеневі завдання з меншими ресурсами апаратного забезпечення, ніж існуючі моделі.

Wirestock планує використати цю інвестицію для розширення штату дослідників AI і інженерів. Нові співробітники працюватимуть над розробкою програмного продукту для “спільної побудови та співпраці у наборах даних для корпоративних AI-лабораторій”. Також компанія розглядає можливість розширення бізнесу на інші типи навчальних даних, окрім зображень і відео.

Тенденції ринку даних для AI

Ця фінансова подія відбувається на тлі масштабних залучень інвестицій іншими постачальниками даних для AI, що привертає увагу. Компанія Afterquery зі Сан-Франциско нещодавно залучила 30 мільйонів доларів. Вона продає структуровані набори даних, що включають підказки для AI, відповіді користувачів і покрокові процеси мислення, що призводять до відповідей. Такі дані допомагають підвищити “міркувальні здібності” AI.

Загалом, увага ринку, здається, зміщується від просто збільшення розмірів моделей до більш тонких навчальних даних. Це ще раз підтверджує, що ключовий фактор конкурентоспроможності AI — це не лише напівпровідники та продуктивність моделей, а й доступ до “якісних даних”, що відображають реальні сценарії застосування.

Застереження AI Data Market Текст був підсумований за допомогою мовної моделі TokenPost.ai. Основний зміст може бути пропущений або не відповідати фактам.