Abacus.AI, den tvååriga startupen som utvecklar “hybrida” neurala nätverksformer för djupinlärning, meddelade på onsdagen att företaget har erhållit 50 miljoner dollar i riskkapitalfinansiering i en serie C-runda, ledd av private equity-företaget Tiger Global Förvaltning.
Företaget har nu fått 90,3 miljoner dollar i finansiering. Tiger Global får sällskap av återvändande investerare Coatue Management och Index Ventures, samt Alkeon.
“En stor del av det kommer att gå till FoU och teknik och vetenskap”, förklarade Bindu Reddy, medgrundare och VD för företaget, i en intervju med ZDNet via Zoom. “Vi fortsätter att vilja vara de bästa inom AI- och ML-plattformar.” Den andra huvudsakliga användningen av kapitalet kommer att vara för go-to-market, inklusive att bygga ut säljteamet.
Även: AI-startup Abacus.ai aktiverar djupinlärningssystem i realtid för företag
Abacus har för närvarande 45 personer, varav fyra personer inom försäljning och marknadsföring. Reddy räknar med att utöka det totala antalet anställda till 80 i slutet av detta år.
Tillsammans med finansieringsnyheterna presenterade Abacus.ai en datorvision-som-en-tjänst-applikation. Företaget hade börjat med applikationer för tabelldata, efter det tidigare i år med applikationer för behandling av naturligt språk.
“Den största skillnaden mellan oss och alla andra på marknaden idag är hybridmodeller”, sa Reddy. “Om du tittar på någon som OpenAI eller till och med Google, så har de språkmodeller, de har visionmodeller, men det här är rena språk- eller visionmodeller,” där funktionen, som bildklassificering, är snävt inställd på den specifika datatypen .
Abacus.ai har fått 90,3 miljoner dollar för att hjälpa företag att sätta djupinlärningsformer av AI i produktion. Ses här, medurs från vänster, företagets medgrundare Bindu Reddy, tidigare chef för “AI Verticals” för Amazons AWS; Arvind Sundararajan, tidigare teknisk ledare för Googles annonsleveransteknik; och Siddartha Naidu, tidigare chefsingenjör för Amazons uppfyllelseteam och även utvecklare av BigQuery-mjukvaran på Google.
Abacus.ai
“Vad vi gör är stöd för hybridmodeller där du kan kombinera språk, vision och strukturerad data för att få bättre resultat på dina modeller.” Ett exempel, sa Reddy, skulle vara att ta reda på priset på ett hem, inte bara baserat på egenskapsattribut, som antalet sovrum, utan också beskrivningen på naturligt språk, och sedan fotografiska data som visar hemmets kvaliteter.
Dessutom: AI-startup Abacus.ai får 22 miljoner dollar i serie B-finansiering för att automatisera skapandet av modeller för djupinlärning
“Lägger till det språket och vision signal till en förutsägande modell är vad vi fokuserar på, och vad vi slutar bli mycket bra på.”
Kundexemplet låter påminna om vad Opendoor gör med till exempel djupinlärning. Reddy bekräftade att hemförsäljningsapplikationen är en riktig kundapplikation, men avböjde att identifiera kunden.
Till dags dato har över 10 000 kunder använt Abacus.AI för att träna över 30 000 modeller, säger företaget, “och flera av dem, inklusive 1-800-Flowers, Flex, Recorded Books, Daily Look och Prodege använder Abacus.AI i produktionen för flera av sina AI-användningsfall.”
Attraktionskraften hos hybridmodeller är tvåfaldig, sa Reddy: den är mer resurseffektiv än de klassiska metoderna för djupinlärning som involverar ett mycket stort antal parametrar; och de flesta företagsproblem liknar verkligen hybridmetoder, sa hon.
“Vi är en startup, så att göra rena visioner eller rena språkmodeller från grunden kräver mycket mer pengar”, konstaterade Reddy.
“Och ärligt talat, de flesta företagsanvändningsfall är hybrida — vi gör mer eller mindre tillämpad AI.” Funktionsuppsättningar kureras oftare av en företagsanvändare snarare än enorma mängder funktionsupptäckt.
Även: AI-startup Abacus går live med kommersiell djupinlärningstjänst, tar $13M Series A-finansiering
“Hela vårt mål, på en mycket hög nivå, är att säga, har vi extraherat all intelligens från dessa data.”
Abacus.ai är billigare än molnleverantörer för AI-applikationer, hävdar Reddy, på grund av den fokuserade karaktären hos företagsanvändningsfallen. “Problemet med de flesta molnplattformar är att du spenderar mycket pengar på att experimentera, mer än att sätta saker i produktion,” sa hon. “Experimentet som behövs för att sätta saker i produktion är mycket mindre” med Abacus.ai-applikationerna, sa hon.
Abacus.ai använder ett konsumtionsbaserat prissättningssystem, där man betalar med antalet förutsägelser som görs. Det liknar Snowflake på datalagermarknaden. “Problemet med licensiering är att de tenderar att inte vara värdedrivna, och det stoppar adoptionen på vissa sätt, genom att tala om för folk att de måste spendera mer pengar för att adoptera produkten.”
På samma sätt som Snowflake optimerar på datakomprimering, sa Abacus.ai, kan Abacus minska kostnaderna för kunderna. “Vi gör en hel del optimering av modellerna som vi kör så att vi inte behöver spendera för mycket för beräkning.”
“Du kan packa modeller tillsammans för att vara på samma server, du kan köra ett hotspot-kluster för datatransformationer,” är exempel på kostnadsbesparingar.
Förutom att driva ett kommersiellt företag fortsätter Abacus.ai-forskare att publicera i akademiska kretsar om djupinlärning av datavetenskap. Abacus.ai har olika forskningsartiklar som har godkänts för konferenspublicering. Två handlar om företagets kärnkompetens inom “neural architecture search” för att automatiskt upptäcka den optimala arkitekturen för ett neuralt nät. Dessa papper har accepterats vid årets NeurIPS AI-konferens.
Andra artiklar hänför sig till förklaringsbarhet, sa Reddy, inklusive ett som accepterats av NeurIPS angående riktmärken för förklaringsbarhet; och en annan som specifikt tar upp tabelldata, kallad “Regularisering är allt du behöver.”
Ett annat dokument under utveckling kommer att fokusera på hybridmetoden.
På frågan vilken typ av företag Reddy hoppas Abacus.ai kommer att vara, svarade hon: “Jag tror att vi vill vara en korsning av Google och Amazon, om det är möjligt.”
” Amazon har en fantastisk kultur, och Google är bra när det gäller teknik”, reflekterade Reddy. “Om vi på något sätt kunde kombinera båda kulturerna och få det bästa av två världar skulle det vara fantastiskt.”
Big Data Analytics | Digital transformation | CXO | Internet of Things | Innovation | Företagsprogramvara