این استارتاپ هوش مصنوعی صنعتی با گفتن اینکه به دست نیامده است ، بر روی مشتریان پیروز می شود

هنگامی که استارتاپ هوش مصنوعی صنعتی کلبه با تولید کنندگان ، ارائه دهندگان ابزار و سایر مشتریان آینده نگر ملاقات می کند ، اغلب از بنیانگذاران سؤال می شود: آیا شما هنوز هم در شش ماه اینجا خواهید بود؟ یک سال؟

این یک نگرانی معتبر در محیطی است که بزرگترین و ثروتمندترین شرکتهای فناوری با حقوق چشم نواز استعدادهای برتر را به دست می آورند و به طور فزاینده ای با افزایش معاملات AI با معاملات دقیق اجاره نامه هدف قرار می دهند.

پاسخی که بنیانگذاران CVECTOR ریچارد ژانگ و تایلر راگس هر بار به آنها می دهند نیز یکسان است: آنها به جایی نمی روند. و این برای مشتریان آنها اهمیت دارد – لیستی که شامل خدمات ملی گاز و یک تولید کننده شیمیایی در کالیفرنیا است – که از نرم افزار CVECTOR برای مدیریت و بهبود عملکرد صنعتی خود استفاده می کنند.

ژانگ به TechCrunch گفت: “وقتی ما با برخی از این بازیکنان بزرگ در یک زیرساخت مهم صحبت می کنیم ، اولین تماس ، 10 دقیقه ، مانند 99 ٪ از زمانی که می خواهیم این سؤال را بدست آوریم.” “و آنها تضمین های واقعی می خواهند ، درست است؟”

این نگرانی متداول یکی از دلایلی است که CVECTOR با سرمایه گذاری های شماتیک کار می کند ، که فقط یک دور قبل از بذر 1.5 میلیون دلاری را برای راه اندازی انجام داد.

ژانگ گفت که او می خواهد سرمایه گذاران را برای کار در این نوع مشکلات سخت در زنجیره تأمین ، تولید و زیرساخت های نرم افزاری به وجود آورد ، که دقیقاً همان چیزی است که به عنوان یک صندوق اولیه متمرکز است.

جولیان کانیان ، شریک شماتیک که این سرمایه گذاری را انجام داده است ، به TechCrunch گفت که چند روش راه اندازی وجود دارد که می توانند سعی کنند این نوع نگرانی ها را برای مشتریان کاهش دهند. راه حل های عملی وجود دارد – مثلاً ، قرار دادن کد در Escrow ، یا ارائه مجوز رایگان و دائمی به نرم افزار در صورت بروز خرید. وی گفت:

این تعهد است که به نظر می رسد به CVector کمک می کند تا موفقیت های اولیه را پیدا کند.

ژانگ و Ruggles هر کدام مهارت های منحصر به فردی را به دست می آورند که با نوع Cvector کار به خوبی بازی می کنند ، مشتریان خود را فراهم می کند. یکی از اولین مشاغل ژانگ کار به عنوان مهندس نرم افزار برای غول نفتی Shell بود ، جایی که وی گفت که او اغلب در این زمینه “ساخت برنامه های iPad برای افرادی که قبلاً هرگز از iPad استفاده نکرده اند” است.

Ruggles ، که دارای دکترای فیزیک ذرات تجربی است ، وقت خود را در محل کار بزرگ هادرون “کار با داده های نانو ثانیه ، تلاش می کند تا از زمان بسیار بالایی برخوردار باشد ، برای خرابی و سریع عیب یابی پاسخگو باشد.”

Ruggles گفت: “این مکانهایی هستند که شما می توانید آن نوع اعتماد به نفس را ایجاد کنید ، و این نوع پیش زمینه واقعاً به شما کمک می کند تا به شما اعتماد کنند ، برخی اعتماد به نفس به شما.”

CVECTOR بیش از حد فقط Résumés بنیانگذاران آن است. این شرکت همچنین از زمان پیاده شدن از زمین در اواخر سال 2024 هوشمندانه و باهوش بوده است. این معماری نرم افزاری صنعتی هوش مصنوعی خود را-آنچه که از آن به عنوان “سیستم مغز و عصبی برای دارایی های صنعتی” خوانده می شود-با استفاده از همه چیز از راه حل های FinTech گرفته تا داده های قیمت گذاری انرژی در زمان واقعی از نرم افزار منبع باز از تیم Racing Mclaren F1 ساخته است.

آنها همچنین در مورد نحوه شکل گیری این مغز و سیستم عصبی در زمان واقعی با مشتریان خود رویکردهای مختلفی دارند. یک مثال ژانگ با داده های آب و هوا ارائه شده است.

وی گفت که تغییر شرایط آب و هوایی می تواند در نحوه کار تجهیزات تولید با دقت بالا در مقیاس کلان تأثیر بگذارد ، اما اثرات ضرب و شتم نیز وجود دارد. اگر آن را بچرخاند ، این ممکن است به معنای جاده های اطراف و پارکینگ ها شور باشد. اگر آن نمک به کارخانه چکمه های کارگران منتقل شود ، می تواند تأثیر ملموس بر تجهیزات با دقت بالا داشته باشد که اپراتورها قبلاً متوجه نشده بودند یا قادر به توضیح آن نبودند.

Ruggles گفت: “آوردن این نوع سیگنال ها به عملیات شما و برنامه ریزی شما بسیار ارزشمند است.” “همه اینها برای کمک به اجرای این تسهیلات با موفقیت و سودآوری بیشتر است.”

CVECTOR قبلاً عوامل هوش مصنوعی صنعتی خود را در بخش هایی مانند مواد شیمیایی ، خودرو و انرژی مستقر کرده است و چشمان خود را به آنچه ژانگ از آن به عنوان “زیرساخت های مهم در مقیاس بزرگ” یاد می کند ، نشان داده است.

ژانگ با ارائه دهندگان انرژی به طور خاص ، گفت: یک مشکل رایج این است که سیستم های اعزام شبکه آنها به زبان های کد نویسی قدیمی مانند Cobra و Fortran نوشته شده است که مدیریت در زمان واقعی را به چالش می کشد. CVECTOR قادر به ایجاد الگوریتم هایی است که می تواند در بالای آن سیستم های قدیمی بنشیند و به اپراتورها با تأخیر کم ، به اپراتورها در این سیستم ها بهتر شود.

Cveector در حال حاضر کوچک است و فقط یک تیم هشت نفره در Providence ، Rhode Island ، نیویورک سیتی و فرانکفورت ، آلمان توزیع شده است. اما آنها انتظار دارند که اکنون قبل از بذر کامل شود. ژانگ تأکید کرد که آنها فقط “افراد وابسته به مأموریت” را استخدام می کنند که “در واقع می خواهند در زیرساخت های فیزیکی شغلی ایجاد کنند”-که همچنان متقاعد کردن مشتریان مبنی بر اینکه استارتاپ به جایی نمی رود ، آسانتر می شود.

در حالی که یک خط نسبتاً مستقیم از کاری که ژانگ در شل انجام می داد به آنچه که Cvector در حال حاضر انجام می دهد وجود دارد ، اما کمی بیشتر عزیمت برای Ruggles است. اما او گفت که این یک چالش بوده است که او تسکین یافته است.

وی گفت: “من این واقعیت را دوست دارم که به جای تلاش برای نوشتن مقاله ، ارسال آن ، آن را از طریق فرایند بررسی همسالان دریافت کنید و آن را در یک ژورنال منتشر کنید و امیدوارم که کسی به آن نگاه کند ، من با یک مشتری در حال کار بر روی چیزی که در زمین است کار می کنم و می توانیم به آنها کمک کنیم تا آن را ادامه دهند و اجرا کنند.” “شما می توانید تغییراتی ایجاد کنید ، ویژگی های خود را ایجاد کنید و چیزهای جدیدی را برای مشتریان خود بسازید – به سرعت.”