يتدرب Fastino Models AI على وحدات معالجة الرسومات للألعاب الرخيصة وجمعت للتو 17.5 مليون دولار بقيادة Khosla

يحب عمالقة التكنولوجيا التفاخر بنماذج من الذكاء الاصطناعى تريليون المعلمة التي تتطلب مجموعات GPU ضخمة ومكلفة. لكن Fastino يتخذ نهجًا مختلفًا.

تقول شركة الناشئة التي تتخذ من بالو ألتو مقراً لها أنها اخترعت نوعًا جديدًا من بنية نموذج الذكاء الاصطناعى التي تعمها عن قصد ومخصصة للمهمة. يقول Fastino إن النماذج صغيرة جدًا ، حيث تم تدريبها مع وحدات معالجة الرسومات ذات الألعاب المنخفضة التي تقل قيمتها عن 100000 دولار.

الطريقة هي جذب الانتباه. حصلت شركة Fastino على تمويل البذور بقيمة 17.5 مليون دولار بقيادة Khosla Ventures ، وهو أول مستثمر مشهور في Openai ، يخبر Fastino حصريًا TechCrunch.

هذا يصل إلى إجمالي التمويل لبدء التشغيل إلى ما يقرب من 25 مليون دولار. جمعت 7 ملايين دولار في نوفمبر الماضي في جولة ما قبل البذرة بقيادة ARM M12 M12 من Microsoft.

يقول آش لويس ، الرئيس التنفيذي لشركة Fastino والمؤسس المشارك: “نماذجنا أسرع وأكثر دقة وتكلف جزءًا صغيرًا للتدريب بينما تتفوق على النماذج الرئيسية في مهام محددة”.

قامت Fastino ببناء مجموعة من الطرز الصغيرة التي تبيعها لعملاء المؤسسات. يركز كل نموذج على مهمة محددة قد تحتاجها الشركة ، مثل تنقيح البيانات الحساسة أو تلخيص مستندات الشركة.

لا يكشف Fastino عن المقاييس المبكرة أو المستخدمين حتى الآن ، ولكنه يقول إن أدائها يعبث المستخدمين الأوائل. على سبيل المثال ، نظرًا لأنها صغيرة جدًا ، يمكن أن تقدم نماذجها استجابة كاملة في رمز واحد ، كما قال لويس لـ TechCrunch ، حيث أظهر التقنية التي تعطي إجابة مفصلة مرة واحدة بالميلي ثانية.

لا يزال من المبكر بعض الشيء معرفة ما إذا كان نهج Fastino سيستمر. إن مساحة AI Enterprise مزدحمة ، حيث تروج شركات مثل Cohere و Databricks أيضًا منظمة العفو الدولية التي تتفوق في بعض المهام. كما يقدم صانعو طرازات SATA يركزون على المؤسسة ، بما في ذلك الأنثروبور والخطأ ، نماذج صغيرة. ليس سراً أيضًا أن مستقبل الذكاء الاصطناعى التوليدي للمؤسسة من المحتمل أن يكون في نماذج لغة أصغر وأكثر تركيزًا.

قد يقول الوقت ، لكن التصويت المبكر للثقة من خوسلا لا يضر بالتأكيد. في الوقت الحالي ، يقول Fastino إنه يركز على بناء فريق من الذكاء الاصطناعى المتطور. إنها تستهدف الباحثين في Top AI Labs الذين لا يهاجمون بناء أكبر نموذج أو ضرب المعايير.

يقول لويس: “تركز استراتيجية التوظيف الخاصة بنا على الباحثين الذين ربما يكون لديهم عملية تفكير متناقضة لكيفية بناء نماذج اللغة في الوقت الحالي”.