Джерело зображення: створено інструментом Unbounded AI
Сьогодні вранці за західним часом гігант великих даних Databricks оголосив про підписання остаточної угоди про придбання MosaicML, стартапу зі штучного інтелекту в Сан-Франциско, за 1,3 мільярда доларів.
Після придбання MosaicML стане частиною платформи Databricks Lakehouse. Уся команда та технологія MosaicML перейдуть під прапор Databricks, забезпечуючи підприємства єдиною платформою для керування даними та використанням власних даних для створення, володіти та захищати власні генеративні моделі ШІ.
Варто зазначити, що **MosaicML — це дуже молода генеративна компанія ШІ, заснована в Сан-Франциско в 2021 р. Вона оприлюднила лише один раунд фінансування та має лише 62 співробітники. В останньому раунді фінансування її оцінка становила 220 мільйонів доларів США, тобто вартість придбання MosaicML безпосередньо підскочила в 6 разів. **
Ця угода є найбільшим оголошеним придбанням у сфері генеративного штучного інтелекту за цей час. Нещодавно гігант хмарних обчислень Snowflake щойно оголосив про придбання ще однієї компанії з виробництва штучного інтелекту – Neeva. Після кількох місяців інвестиційного ажіотажу, схоже, починається масштабна корпоративна хвиля придбань генеративних стартапів ШІ.
**Хто такий MosaicML? **
Компанію MosaicML заснували Навін Рао, колишній керівник відділу продуктів штучного інтелекту в Intel, співзасновник Nervanas, і Ханлін Тан, старший директор Intel AI Labs.
Засновники MosaicML Ханлін Тан (перший зліва), Навін Рао (другий зліва), фотографії з MosaicML
Навін Рао закінчив Університет Дьюка за спеціальністю «інформатика» в 1997 році, а пізніше отримав ступінь доктора нейронаук в Університеті Брауна.Він давно займається вивченням і розробкою нейронних мереж штучного інтелекту. Він працював дослідником нейроморфних машин у Qualcomm і заснував компанію зі штучного інтелекту Nervanas у 2014 році.
Можливо, багато людей зараз не знайомі з Nervana, але можна сказати, що у сфері глибокого навчання та чіпів штучного інтелекту Nervana була в центрі уваги. **Мета Nervana — підвищити обчислювальну ефективність глибокого навчання за допомогою своїх хмарних сервісів і апаратних продуктів. У 2015 році компанія запустила Neon, надпродуктивну базову структуру глибокого навчання, яка стала хітом у галузі, а потім запустила її в 2016. Хмарна платформа глибокого навчання Nervana Cloud і спеціальний апаратний прискорювач Nervana Engine. **
Nervana повідомила, що після запуску фреймворку Neon на чіпі Nervana Engine у хмарі Nervana ця комбінація може досягти в 10 разів вищої продуктивності, ніж NVIDIA Titan X. Високі показники Nervana також привернули увагу тогочасного володаря чіпів Intel, і першим великим кроком Intel у сфері ШІ було придбання Nervana за 400 мільйонів доларів. **
Звіт про придбання Nervana компанією Intel у 2016 році, фото з Vox
Після придбання Навін Рао став відповідальним за продукти Intel зі штучним інтелектом. Архітектура Neon і продукти, пов’язані з Nervana, також були інтегровані в лінійку продуктів Intel. Двигун Nervana отримав назву серії Crest.
З тих пір, з 2017 по 2019 рік, Intel неодноразово оголошувала про прогрес Nervana Lake Crest і неодноразово анонсувала відповідні чіпи, включаючи серію Nervana NNP-T. Але поки всі чекали масового виробництва цієї серії чіпів, у 2020 році Intel раптово оголосила, що замінить оригінальний серверний чіп Nervana для прискорення штучного інтелекту продуктами ізраїльської компанії Habana, які пізніше придбала за 2 мільярди доларів. Причина, проаналізована галуззю на той час, полягала в тому, що технологія та дизайн Habana були більш масштабованими, і вона вже мала можливості масового виробництва.
**Після того, як Intel вирішила «залишити» Nervana, Naveen Rao і Hanlin Tang, колишні основні співробітники Nervana, також залишили Intel, і вони заснували MosaicML окремо. **Згідно з даними LinkedIn, Ханлін Танг має бути китайцем, який отримав ступінь доктора філософії з біофізики в Гарвардському університеті та зараз є технічним директором MosaicML.
Отже, який основний бізнес MosaicML після виходу з Intel?
MosaicML продовжує допомагати компаніям підвищувати ефективність штучного інтелекту, але цього разу вони більше не вкладають занадто багато енергії в апаратне забезпечення, а зосереджуються на генеративному штучному інтелекті. **Простіше кажучи, MosaicML надає платформу, яка дозволяє різним типам підприємств легко навчати та розгортати моделі ШІ в безпечному середовищі, а також допомагає підприємствам зменшити накладні витрати на системи ШІ. **
Портфоліо їхніх продуктів включає в себе моделі серії MPT Foundation з комерційною ліцензією з відкритим вихідним кодом, а також послуги з аналізу та навчання MosaicML, які надають низку інструментів для підприємств.
Наприклад, MosaicML Explorer може допомогти розробникам вивчити та зрозуміти час, продуктивність і вартість між різними хмарними службами та параметрами апаратного забезпечення, щоб спростити та оцінити варіанти впровадження. Запущено MosaicML Composer, бібліотеку глибокого навчання з відкритим вихідним кодом, яка надає 20 методів обробки комп’ютерного зору та природної мови, включаючи моделі, набори даних і тести. Запустив платформу розробки MosaicML AI, яка забезпечує економічно ефективне розгортання моделі та індивідуальне навчання, одночасно забезпечуючи безпеку даних, дозволяючи користувачам мати право власності на модель тощо.
Зображення з офіційного сайту MosaicML
Націлюючись на корпоративні послуги, Databricks також використовує генеративний штучний інтелект для виконання рухів
Озираючись на команду засновників MosaicML, можна сказати, що їхній бізнес-вибір завжди був на крок попереду трендів. Створюйте мікросхеми штучного інтелекту, коли всі ще чекають і спостерігають, і візьміть лідерство в дослідженні комерціалізації генеративного штучного інтелекту в кориті індустрії ШІ.
**Покладаючись на потужну технічну команду та досвід роботи в галузі, MosaicML незабаром після заснування отримала 37 мільйонів доларів США фінансування від відомого венчурного капіталу DCVC, Lux Capital, Future Ventures та інших інвесторів, а загальна сума фінансування зросла до 64 доларів США. мільйонів з тих пір. **Зрозуміло, що Databricks придбала MosaicML головним чином завдяки можливостям комерціалізації її генеративної моделі ШІ на рівні підприємства.
Навін Рао, генеральний директор MosaicML, раніше заявляв, що з 2018 року складність моделей штучного інтелекту, які використовують для «навчання» великі обсяги даних, різко зросла, а навчання моделі тепер коштує щонайменше мільйони доларів.Малі та середні підприємства взагалі не можуть собі цього дозволити.
Після цього придбання спільний продукт платформи Lakehouse **Databricks і технології MosaicML дозволить підприємствам використовувати власні власні дані для навчання та створення генеративних моделей штучного інтелекту просто, швидко та з низькою ціною, дозволяючи користувачам розробляти індивідуальні моделі штучного інтелекту. відбуваються без контролю та власності на дані. **
Зображення з офіційного сайту MosaicML
Автоматизована оптимізація навчання моделей MosaicML обіцяє навчання в 2–7 разів швидше, ніж традиційні методи, а майже лінійна масштабованість ресурсів гарантує, що моделі з мільярдами параметрів можна навчати за години, а не за дні минулого. **За даними Databricks, завдяки платформі та технічній підтримці Databricks і MosaicML вартість навчання та використання LLM для підприємств буде значно зменшена, і очікується, що вона впаде приблизно до кількох тисяч доларів. **
Варто зазначити, що до того, як MosaicML приєднався, Databricks розробив модель мови з 12 мільярдами параметрів під назвою Dolly-2 на основі Pythia-12b від EleutherAI, і з додаванням MosiacML Databricks надасть Dolly-2 і MosaicML MPT дві провідні великі мовні моделі. .
"Кожна організація повинна мати можливість отримати вигоду від революції штучного інтелекту та мати більше контролю над тим, як використовуються її дані. Databricks і MosaicML мають неймовірну можливість демократизувати штучний інтелект і зробити Lakehouse потужним центром створення збірок. Найкраще місце для штучного інтелекту, ", - сказав Алі Годсі, співзасновник і генеральний директор Databricks, у прес-релізі.
60 співробітників із задоволенням згадують про «великий подарунковий пакет», почалася хвиля злиття та поглинання AIGC
Придбання MosaicML на даний момент є найбільшою оприлюдненою угодою в галузі генеративного штучного інтелекту. Сума придбання до 1,3 мільярда, безсумнівно, є «великим подарунковим пакетом» для MosaicML, яка наразі налічує лише 62 співробітники.
За даними Levels.fyi, середня зарплата інженера-програміста в MosaicML становила від 750 000 до 850 000 доларів США. Незрозуміло, чи будуть опціони співробітників дисконтовані готівкою чи конвертовані в опціони Databricks, але після придбання вся команда MosaicML приєднається до Databricks.
Зображення через Levels.fyi
В умовах нинішнього буму ШІ злиття та поглинання генеративних стартапів ШІ великими компаніями, можливо, тільки почалося.
Нещодавно Snowflake, провідна світова компанія з управління хмарними даними, оголосила про придбання Neeva, стартапу генеративного пошуку зі штучним інтелектом, заснованого двома колишніми співробітниками Google, сума транзакції не розголошується. Основний бізнес Neeva полягає у використанні генеративного штучного інтелекту для пошуку, і він в основному зосереджений на сфері корпоративного пошуку. **Після приєднання до Snowflake Ніва допомагатиме корпоративним клієнтам послуг використовувати штучний інтелект для швидкого пошуку й аналізу точок даних, ресурсів даних і отримання інформації про дані.
З послідовних придбань Snowflake і Databricks ми бачимо, що великі технологічні компанії поступово переходять від незалежних досліджень і розробок і стратегічних інвестицій до злиттів і поглинань для генеративної технології ШІ. Це також надає більше можливостей для деяких стартапів генеруючих компаній штучного інтелекту.Якщо нічого іншого, ми побачимо більше подібних придбань у другій половині цього року.
Крім того, незалежно від того, чи це напрямок застосування цих двох великих придбань, чи нещодавніх єдинорогів, таких як Cohere та Anthropic, їхній бізнес зосереджений головним чином на застосуванні генеративної технології ШІ на рівні підприємства. **
Після більш ніж півроку ажіотажу з боку споживачів технологія генеративного ШІ почала агресивний марш до корпоративних користувачів.
Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Найбільше придбання в галузі AIGC: Databricks купила MosaicML за 1,3 мільярда доларів США з 60 співробітниками лише через 2 роки заснування
Текст: Джуні Редактор: VickyXiao
Сьогодні вранці за західним часом гігант великих даних Databricks оголосив про підписання остаточної угоди про придбання MosaicML, стартапу зі штучного інтелекту в Сан-Франциско, за 1,3 мільярда доларів.
Після придбання MosaicML стане частиною платформи Databricks Lakehouse. Уся команда та технологія MosaicML перейдуть під прапор Databricks, забезпечуючи підприємства єдиною платформою для керування даними та використанням власних даних для створення, володіти та захищати власні генеративні моделі ШІ.
Варто зазначити, що **MosaicML — це дуже молода генеративна компанія ШІ, заснована в Сан-Франциско в 2021 р. Вона оприлюднила лише один раунд фінансування та має лише 62 співробітники. В останньому раунді фінансування її оцінка становила 220 мільйонів доларів США, тобто вартість придбання MosaicML безпосередньо підскочила в 6 разів. **
Ця угода є найбільшим оголошеним придбанням у сфері генеративного штучного інтелекту за цей час. Нещодавно гігант хмарних обчислень Snowflake щойно оголосив про придбання ще однієї компанії з виробництва штучного інтелекту – Neeva. Після кількох місяців інвестиційного ажіотажу, схоже, починається масштабна корпоративна хвиля придбань генеративних стартапів ШІ.
**Хто такий MosaicML? **
Компанію MosaicML заснували Навін Рао, колишній керівник відділу продуктів штучного інтелекту в Intel, співзасновник Nervanas, і Ханлін Тан, старший директор Intel AI Labs.
Навін Рао закінчив Університет Дьюка за спеціальністю «інформатика» в 1997 році, а пізніше отримав ступінь доктора нейронаук в Університеті Брауна.Він давно займається вивченням і розробкою нейронних мереж штучного інтелекту. Він працював дослідником нейроморфних машин у Qualcomm і заснував компанію зі штучного інтелекту Nervanas у 2014 році.
Можливо, багато людей зараз не знайомі з Nervana, але можна сказати, що у сфері глибокого навчання та чіпів штучного інтелекту Nervana була в центрі уваги. **Мета Nervana — підвищити обчислювальну ефективність глибокого навчання за допомогою своїх хмарних сервісів і апаратних продуктів. У 2015 році компанія запустила Neon, надпродуктивну базову структуру глибокого навчання, яка стала хітом у галузі, а потім запустила її в 2016. Хмарна платформа глибокого навчання Nervana Cloud і спеціальний апаратний прискорювач Nervana Engine. **
Nervana повідомила, що після запуску фреймворку Neon на чіпі Nervana Engine у хмарі Nervana ця комбінація може досягти в 10 разів вищої продуктивності, ніж NVIDIA Titan X. Високі показники Nervana також привернули увагу тогочасного володаря чіпів Intel, і першим великим кроком Intel у сфері ШІ було придбання Nervana за 400 мільйонів доларів. **
Після придбання Навін Рао став відповідальним за продукти Intel зі штучним інтелектом. Архітектура Neon і продукти, пов’язані з Nervana, також були інтегровані в лінійку продуктів Intel. Двигун Nervana отримав назву серії Crest.
З тих пір, з 2017 по 2019 рік, Intel неодноразово оголошувала про прогрес Nervana Lake Crest і неодноразово анонсувала відповідні чіпи, включаючи серію Nervana NNP-T. Але поки всі чекали масового виробництва цієї серії чіпів, у 2020 році Intel раптово оголосила, що замінить оригінальний серверний чіп Nervana для прискорення штучного інтелекту продуктами ізраїльської компанії Habana, які пізніше придбала за 2 мільярди доларів. Причина, проаналізована галуззю на той час, полягала в тому, що технологія та дизайн Habana були більш масштабованими, і вона вже мала можливості масового виробництва.
**Після того, як Intel вирішила «залишити» Nervana, Naveen Rao і Hanlin Tang, колишні основні співробітники Nervana, також залишили Intel, і вони заснували MosaicML окремо. **Згідно з даними LinkedIn, Ханлін Танг має бути китайцем, який отримав ступінь доктора філософії з біофізики в Гарвардському університеті та зараз є технічним директором MosaicML.
MosaicML продовжує допомагати компаніям підвищувати ефективність штучного інтелекту, але цього разу вони більше не вкладають занадто багато енергії в апаратне забезпечення, а зосереджуються на генеративному штучному інтелекті. **Простіше кажучи, MosaicML надає платформу, яка дозволяє різним типам підприємств легко навчати та розгортати моделі ШІ в безпечному середовищі, а також допомагає підприємствам зменшити накладні витрати на системи ШІ. **
Портфоліо їхніх продуктів включає в себе моделі серії MPT Foundation з комерційною ліцензією з відкритим вихідним кодом, а також послуги з аналізу та навчання MosaicML, які надають низку інструментів для підприємств.
Наприклад, MosaicML Explorer може допомогти розробникам вивчити та зрозуміти час, продуктивність і вартість між різними хмарними службами та параметрами апаратного забезпечення, щоб спростити та оцінити варіанти впровадження. Запущено MosaicML Composer, бібліотеку глибокого навчання з відкритим вихідним кодом, яка надає 20 методів обробки комп’ютерного зору та природної мови, включаючи моделі, набори даних і тести. Запустив платформу розробки MosaicML AI, яка забезпечує економічно ефективне розгортання моделі та індивідуальне навчання, одночасно забезпечуючи безпеку даних, дозволяючи користувачам мати право власності на модель тощо.
Націлюючись на корпоративні послуги, Databricks також використовує генеративний штучний інтелект для виконання рухів
Озираючись на команду засновників MosaicML, можна сказати, що їхній бізнес-вибір завжди був на крок попереду трендів. Створюйте мікросхеми штучного інтелекту, коли всі ще чекають і спостерігають, і візьміть лідерство в дослідженні комерціалізації генеративного штучного інтелекту в кориті індустрії ШІ.
**Покладаючись на потужну технічну команду та досвід роботи в галузі, MosaicML незабаром після заснування отримала 37 мільйонів доларів США фінансування від відомого венчурного капіталу DCVC, Lux Capital, Future Ventures та інших інвесторів, а загальна сума фінансування зросла до 64 доларів США. мільйонів з тих пір. **Зрозуміло, що Databricks придбала MosaicML головним чином завдяки можливостям комерціалізації її генеративної моделі ШІ на рівні підприємства.
Навін Рао, генеральний директор MosaicML, раніше заявляв, що з 2018 року складність моделей штучного інтелекту, які використовують для «навчання» великі обсяги даних, різко зросла, а навчання моделі тепер коштує щонайменше мільйони доларів.Малі та середні підприємства взагалі не можуть собі цього дозволити.
Після цього придбання спільний продукт платформи Lakehouse **Databricks і технології MosaicML дозволить підприємствам використовувати власні власні дані для навчання та створення генеративних моделей штучного інтелекту просто, швидко та з низькою ціною, дозволяючи користувачам розробляти індивідуальні моделі штучного інтелекту. відбуваються без контролю та власності на дані. **
Автоматизована оптимізація навчання моделей MosaicML обіцяє навчання в 2–7 разів швидше, ніж традиційні методи, а майже лінійна масштабованість ресурсів гарантує, що моделі з мільярдами параметрів можна навчати за години, а не за дні минулого. **За даними Databricks, завдяки платформі та технічній підтримці Databricks і MosaicML вартість навчання та використання LLM для підприємств буде значно зменшена, і очікується, що вона впаде приблизно до кількох тисяч доларів. **
Варто зазначити, що до того, як MosaicML приєднався, Databricks розробив модель мови з 12 мільярдами параметрів під назвою Dolly-2 на основі Pythia-12b від EleutherAI, і з додаванням MosiacML Databricks надасть Dolly-2 і MosaicML MPT дві провідні великі мовні моделі. .
"Кожна організація повинна мати можливість отримати вигоду від революції штучного інтелекту та мати більше контролю над тим, як використовуються її дані. Databricks і MosaicML мають неймовірну можливість демократизувати штучний інтелект і зробити Lakehouse потужним центром створення збірок. Найкраще місце для штучного інтелекту, ", - сказав Алі Годсі, співзасновник і генеральний директор Databricks, у прес-релізі.
60 співробітників із задоволенням згадують про «великий подарунковий пакет», почалася хвиля злиття та поглинання AIGC
Придбання MosaicML на даний момент є найбільшою оприлюдненою угодою в галузі генеративного штучного інтелекту. Сума придбання до 1,3 мільярда, безсумнівно, є «великим подарунковим пакетом» для MosaicML, яка наразі налічує лише 62 співробітники.
За даними Levels.fyi, середня зарплата інженера-програміста в MosaicML становила від 750 000 до 850 000 доларів США. Незрозуміло, чи будуть опціони співробітників дисконтовані готівкою чи конвертовані в опціони Databricks, але після придбання вся команда MosaicML приєднається до Databricks.
В умовах нинішнього буму ШІ злиття та поглинання генеративних стартапів ШІ великими компаніями, можливо, тільки почалося.
Нещодавно Snowflake, провідна світова компанія з управління хмарними даними, оголосила про придбання Neeva, стартапу генеративного пошуку зі штучним інтелектом, заснованого двома колишніми співробітниками Google, сума транзакції не розголошується. Основний бізнес Neeva полягає у використанні генеративного штучного інтелекту для пошуку, і він в основному зосереджений на сфері корпоративного пошуку. **Після приєднання до Snowflake Ніва допомагатиме корпоративним клієнтам послуг використовувати штучний інтелект для швидкого пошуку й аналізу точок даних, ресурсів даних і отримання інформації про дані.
З послідовних придбань Snowflake і Databricks ми бачимо, що великі технологічні компанії поступово переходять від незалежних досліджень і розробок і стратегічних інвестицій до злиттів і поглинань для генеративної технології ШІ. Це також надає більше можливостей для деяких стартапів генеруючих компаній штучного інтелекту.Якщо нічого іншого, ми побачимо більше подібних придбань у другій половині цього року.
Крім того, незалежно від того, чи це напрямок застосування цих двох великих придбань, чи нещодавніх єдинорогів, таких як Cohere та Anthropic, їхній бізнес зосереджений головним чином на застосуванні генеративної технології ШІ на рівні підприємства. **
Після більш ніж півроку ажіотажу з боку споживачів технологія генеративного ШІ почала агресивний марш до корпоративних користувачів.