فال (Fal)، استارتاپ مستقر در سان‌فرانسیسکو که زیرساخت میزبانی و اجرای مدل‌های ویدیویی، تصویری و صوتی هوش مصنوعی را فراهم می‌کند، ۱٫۳ میلیارد دلار در دور تأمین مالی تازه‌اش جذب کرد. این دور با رهبری Bessemer Venture Partners و مشارکت Nvidia، Sound Ventures و T. Rowe Price بسته شد و ارزیابی شرکت را به ۱۶ میلیارد دلار رساند؛ دو برابر رقم ۸ میلیارد دلاری که در آوریل تعیین شده بود.

فال دورهای E و F را هم‌زمان اعلام کرد و مجموع سرمایه جذب‌شده در این دو دور را ۱٫۶۵ میلیارد دلار اعلام کرد. Sequoia Capital رهبری دور E را بر عهده داشته است.

بازار استنتاج و درآمد فال#

این دور تازه در شرایطی انجام می‌شود که تقاضا برای خدمات استنتاج (inference) — یعنی اجرای مدل‌هایی که پیش‌تر آموزش دیده‌اند تا خروجی تولید کنند — به‌ویژه از سمت مشتریانی که به مدل‌های متن‌باز تکیه دارند، به‌شدت بالا رفته است. به گزارش Bloomberg، فال پیش‌تر در همین سال از آستانه‌ی ۸۰۰ میلیون دلار درآمد سالانه عبور کرده بود.

شرکت‌های دیگر فعال در حوزه‌ی استنتاج، از جمله Baseten، Fireworks AI و Modal، نیز رشد سریع و دورهای تأمین مالی بزرگ با ارزیابی‌های بالاتر داشته‌اند. با این حال، حاشیه‌ی سود ناخالص این شرکت‌ها همچنان باریک است؛ عامل اصلی آن هزینه‌ی بالای خرید یا اجاره‌ی منابع محاسباتی است.

مؤسسان#

فال در سال ۲۰۲۱ توسط Burkay Gur (مدیر پیشین یادگیری ماشین در Coinbase و مهندس سابق Oracle) و Gorkem Yurtseven (توسعه‌دهنده‌ی سابق Amazon) بنیان‌گذاری شد.

خوانش تحریریه: برای سازندگان ایجنت چه تغییری ایجاد می‌شود؟#

ارزیابی ۱۶ میلیارد دلاری فال بیشتر بازتاب‌دهنده‌ی هیجان سرمایه‌گذاران نسبت به بازار استنتاج است تا تغییر عملیاتی برای توسعه‌دهندگانی که همین حالا از این سرویس‌ها استفاده می‌کنند. آنچه واقعاً برای سازندگان ایجنت و اتوماسیون مهم است، پایداری قیمت، دسترسی به مدل‌های متن‌باز جدید، و سرعت استنتاج است — نه عدد ارزیابی.

نکته‌ی مهم‌تر در این خبر، اشاره‌ی صریح به باریک بودن حاشیه سود است. این یعنی فشار روی قیمت‌گذاری خدمات استنتاج همچنان وجود دارد و ممکن است در بلندمدت به تغییر مدل‌های تجاری یا افزایش قیمت منجر شود. اگر امروز روی فال یا رقبای آن (Baseten، Fireworks AI، Modal) ایجنت ساخته‌اید، بهتر است لایه‌ی انتزاعی (abstraction) بین کد خودتان و سرویس استنتاج را طوری طراحی کنید که در صورت تغییر شرایط، مهاجرت بین این سرویس‌ها کم‌هزینه باشد.

منبع: TechCrunch AI