این استارتاپ ذخیره سازی داده های توزیع شده می خواهد Cloud Big را بگیرد

انفجار شرکت های هوش مصنوعی تقاضا را برای محاسبات قدرت به افراط و تفریط جدید سوق داده است ، و شرکت هایی مانند CoreWeave ، آزمایشگاه های AI و Lambda در این تقاضا سرمایه گذاری کرده اند و به دلیل توانایی خود در ارائه ظرفیت محاسبه توزیع شده ، توجه و سرمایه زیادی را به خود جلب می کنند.

اما بیشتر شرکت ها هنوز داده ها را با سه ارائه دهنده Cloud Big ، AWS ، Google Cloud و Microsoft Azure ذخیره می کنند ، که سیستم های ذخیره سازی آنها ساخته شده است تا داده ها را نزدیک به منابع محاسباتی خود نگه دارند ، نه در چندین ابر یا مناطق.

Ovais Tariq ، بنیانگذار و مدیرعامل Tigris Data ، به TechCrunch گفت: “بارهای کار هوش مصنوعی مدرن و زیرساخت های هوش مصنوعی در حال انتخاب محاسبات توزیع شده به جای ابر بزرگ هستند.” “ما می خواهیم گزینه مشابهی را برای ذخیره سازی فراهم کنیم ، زیرا بدون ذخیره سازی ، محاسبه چیزی نیست.”

Tigris ، که توسط تیمی که پلت فرم ذخیره سازی Uber را توسعه داده است ، تأسیس شده است ، در حال ساخت شبکه ای از مراکز ذخیره سازی داده های بومی شده است که ادعا می کند می تواند نیازهای محاسباتی توزیع شده از بارهای مدرن هوش مصنوعی را برآورده کند. پلت فرم ذخیره سازی AI-Bative Startup “با محاسبات شما حرکت می کند ، [allows] داده [to] به طور خودکار در محل GPU ها تکرار می شود ، از میلیاردها پرونده کوچک پشتیبانی می کند و دسترسی کم تأخیر را برای آموزش ، استنباط و بارهای کار عامل فراهم می کند. ”

برای انجام همه این موارد ، Tigris اخیراً یک سری 25 میلیون دلاری سری A را که توسط Spark Capital هدایت می شد ، جمع آوری کرده و مشارکت سرمایه گذاران موجود را مشاهده می کند ، که شامل آندرسن هوروویتز است ، TechCrunch به طور انحصاری آموخته است. این استارتاپ در حال پیشروی است ، که طارق آن را “ابر بزرگ” می نامد.

طارق احساس می کند که این مأمورین نه تنها یک سرویس ذخیره سازی داده های گران قیمت را ارائه می دهند ، بلکه یک کارآمدتر نیز ارائه می دهند. اگر مشتری بخواهد به یک ارائه دهنده ابر دیگر مهاجرت کند ، یا در صورت تمایل به استفاده از یک GPU ارزان تر یا آموزش در بخش های مختلف جهان ، از نظر تاریخی هزینه های خروج از نظر تاریخی (“مالیات ابر” در صنعت) را به طور تاریخی شارژ کرده اند. اگر می خواهید به آنجا دست بکشید ، به این فکر کنید که مجبور شوید سالن ورزشی خود را اضافی بپردازید.

به گفته Batuhan Tashaya ، رئیس مهندسی Fal.ai ، یکی از مشتریان Tigris ، این هزینه ها یک بار اکثر هزینه های ابر FAL را به خود اختصاص می داد.

فراتر از هزینه های خروج ، طارق می گوید هنوز مشکل تأخیر با ارائه دهندگان ابر بزرگتر وجود دارد. وی گفت: “هزینه های Egress فقط یکی از علائم یک مشکل عمیق تر بود: ذخیره سازی متمرکز که نمی تواند با یک اکوسیستم AI با سرعت بالا و با سرعت بالا همراه باشد.”

بیشتر 4000 مشتری Tigris مانند FAL.AI هستند: مدل های تولیدی AI تولید تصویر ، فیلم و مدل های صوتی ، که تمایل به داشتن مجموعه داده های بزرگ و حساس به تأخیر دارند.

طارق گفت: “تصور کنید که با یک عامل هوش مصنوعی که صدای محلی را انجام می دهد صحبت کنید.” “شما کمترین تأخیر را می خواهید. شما می خواهید محاسبه شما محلی باشد ، نزدیک باشد و می خواهید ذخیره سازی شما نیز محلی باشد.”

وی افزود: ابرهای بزرگ برای بارهای کار هوش مصنوعی بهینه نشده اند. پخش مجموعه داده های عظیم برای آموزش یا اجرای استنباط در زمان واقعی در مناطق مختلف می تواند تنگناهای تأخیر ایجاد کند و عملکرد مدل را کند کند. اما قادر به دسترسی به ذخیره سازی بومی شده به این معنی است که داده ها سریعتر بازیابی می شوند ، به این معنی که توسعه دهندگان می توانند بار کار هوش مصنوعی را با استفاده از ابرهای غیرمتمرکز با اطمینان و مقرون به صرفه تر اجرا کنند.

“Taskaya” گفت: “دجله به ما اجازه می دهد تا با دسترسی به همان سیستم فایل داده از همه این مکان ها بدون شارژ خروجی ، بارهای کاری خود را در هر ابر اندازه گیری کنیم.”

دلایل دیگری وجود دارد که شرکت ها می خواهند داده ها را به گزینه های ابر توزیع شده خود نزدیک کنند. به عنوان مثال ، در زمینه های بسیار تنظیم شده مانند امور مالی و مراقبت های بهداشتی ، یکی از موانع بزرگ برای اتخاذ ابزارهای هوش مصنوعی این است که شرکت ها باید از امنیت داده ها اطمینان حاصل کنند.

Tariq می گوید ، انگیزه دیگر این است که شرکت ها به طور فزاینده ای می خواهند داده های خود را در اختیار داشته باشند ، با اشاره به نحوه Salesforce در اوایل سال جاری رقبای هوش مصنوعی خود را مسدود کرد از استفاده از داده های Slack. طارق گفت: “شرکت ها بیشتر و بیشتر آگاه می شوند که داده ها چقدر مهم هستند ، چگونه به LLM ها سوخت می دهند ، چگونه می توانند هوش مصنوعی را تقویت کنند.” “آنها می خواهند کنترل بیشتری داشته باشند. آنها نمی خواهند شخص دیگری کنترل آن را داشته باشد.”

Tigris با بودجه تازه ، قصد دارد به ساخت مراکز ذخیره داده های خود برای حمایت از تقاضای روزافزون ادامه دهد – طارق می گوید این استارتاپ هر سال از زمان تأسیس در نوامبر 2021 8 برابر رشد کرده است. Tigris در حال حاضر دارای سه مرکز داده در ویرجینیا ، شیکاگو و سان خوزه است و می خواهد در ایالات متحده و همچنین در اروپا و آسیا ، به طور خاص در لندن ، Frantfort و Singapore ادامه یابد.