როგორ მოიზიდა Ricursive Intelligence-მა $335 მილიონი და მიაღწია $4-მილიარდიან შეფასებას სულ რაღაც 4 თვეში

სტარტაპ Ricursive Intelligence-ის დამფუძნებლების, ანა გოლდისა და აზალია მირჰოსეინის გზები თითქოს თავიდანვე ერთმანეთისთვის იყო განკუთვნილი. ხელოვნური ინტელექტის (AI) სფეროში ისინი იმდენად ცნობილი ფიგურები არიან, რომ მარკ ცუკერბერგისგანაც კი იღებდნენ პერსონალურ შეთავაზებებს, თუმცა მათზე უარს ამბობდნენ. პარტნიორები წლების განმავლობაში ერთად მუშაობდნენ Google Brain-ში და იყვნენ Anthropic-ის ადრეული თანამშრომლები.

მათ ინდუსტრიაში აღიარება Google-ში მუშაობისას Alpha Chip-ის შექმნით მოიპოვეს. ეს არის ხელოვნური ინტელექტის ინსტრუმენტი, რომელსაც ჩიპების რთული სქემების გენერირება რამდენიმე საათში შეუძლია — პროცესი, რომელსაც ადამიანები, როგორც წესი, ერთ წელზე მეტს ანდომებენ. სწორედ ამ ტექნოლოგიამ შეუწყო ხელი Google-ის Tensor Processing Units-ის (TPU) სამი თაობის დაპროექტებას.

სწორედ ასეთი გამოცდილება და რეპუტაცია ხსნის იმ ფაქტს, რომ Ricursive-ის დაფუძნებიდან სულ რაღაც ოთხ თვეში, კომპანიამ $300-მილიონიანი A სერიის ინვესტიცია მოიზიდა $4-მილიარდიანი შეფასებით. რაუნდს Lightspeed-ი ხელმძღვანელობდა, მანამდე კი სტარტაპმა Sequoia-სგან $35-მილიონიანი საწყისი (seed) დაფინანსება მიიღო.

Ricursive-ი ქმნის ხელოვნური ინტელექტის ინსტრუმენტებს, რომლებიც თავად აპროექტებენ ჩიპებს და არა უშუალოდ აპარატურას. ეს მათ ფუნდამენტურად განასხვავებს თითქმის ყველა სხვა AI ჩიპების სტარტაპისგან, რადგან ისინი არ ცდილობენ Nvidia-სთან კონკურენციას. პირიქით, Nvidia მათი ინვესტორია. GPU გიგანტი, AMD-სთან, Intel-თან და სხვა მწარმოებლებთან ერთად, სტარტაპის პოტენციური კლიენტია.

ჩიპების დაპროექტების სირთულეები

კომპიუტერული ჩიპები მილიონობით და მილიარდობით ლოგიკურ ელემენტს შეიცავს, რომლებიც სილიციუმის ფირფიტაზეა განთავსებული. ადამიანმა დიზაინერებმა შესაძლოა წელიწადზე მეტი დახარჯონ ამ კომპონენტების ოპტიმალურ განლაგებაზე, რათა უზრუნველყონ მაღალი წარმადობა და ენერგოეფექტურობა. ასეთი მიკროსკოპული დეტალების სიზუსტით განთავსება ციფრულად ძალიან რთული ამოცანაა.

Alpha Chip-მა დაამტკიცა, რომ ხელოვნურ ინტელექტს შეუძლია მაღალი ხარისხის დიზაინის შექმნა სულ რაღაც ექვს საათში. ამ მიდგომის მთავარი უპირატესობა ის არის, რომ სისტემა გამოცდილებაზე სწავლობს. პროცესი შემდეგნაირად მუშაობს:

• სისტემა იყენებს „ჯილდოს სიგნალს“ (reward signal), რომელიც აფასებს დიზაინის ხარისხს.
• მიღებული რეიტინგის საფუძველზე, AI აგენტი ანახლებს თავისი ღრმა ნეირონული ქსელის პარამეტრებს.
• ათასობით დიზაინის შესრულების შემდეგ, სისტემა სულ უფრო ზუსტი და სწრაფი ხდება.

მომავლის ხედვა და ეფექტურობა

Ricursive-ის პლატფორმა ამ კონცეფციას კიდევ უფრო ავითარებს. მათი AI დიზაინერი სხვადასხვა ტიპის ჩიპზე მუშაობისას მიღებულ გამოცდილებას აკუმულირებს, რაც მას ყოველი მომდევნო პროექტისთვის უფრო ეფექტურს ხდის. პლატფორმა ასევე იყენებს დიდ ენობრივ მოდელებს (LLM) და ფარავს სრულ ციკლს — კომპონენტების განლაგებიდან დიზაინის ვერიფიკაციამდე.

დამფუძნებლების ხედვით, ჩიპები არის ხელოვნური ინტელექტის „საწვავი“. მათი მიზანია AI-მ თავად დააპროექტოს საკუთარი აპარატურული „ტვინი“, რაც დააჩქარებს ხელოვნური ზოგადი ინტელექტის (AGI) მიღწევას. გარდა სიჩქარისა, ეს მიდგომა მნიშვნელოვანია ენერგოეფექტურობისთვისაც. ოპტიმიზებული არქიტექტურის წყალობით, შესაძლებელია წარმადობის 10-ჯერადი ზრდა მფლობელობის საერთო ხარჯების (TCO) ფონზე.

„ჩვენ ვფიქრობთ, რომ შეგვიძლია მოდელებისა და მათი კვების წყარო ჩიპების სწრაფი თანაევოლუცია უზრუნველვყოთ“, - აცხადებს აზალია მირჰოსეინი.

მიუხედავად იმისა, რომ ახალგაზრდა სტარტაპი ჯერჯერობით არ ასახელებს თავის პირველ კლიენტებს, დამფუძნებლები აღნიშნავენ, რომ მათთან თანამშრომლობით ყველა მსხვილი ჩიპების მწარმოებელია დაინტერესებული.