Baseten нацеливается на оценку в $13 млрд в рамках масштабного раунда финансирования инференса на $1,5 млрд

Ландшафт ИИ-инфраструктуры переживает колоссальный рост: стартап в сфере инференса Baseten завершает ошеломляющий раунд финансирования на сумму 1,5 миллиарда долларов. Это масштабное вливание капитала следует за беспрецедентным периодом гиперроста, сигнализируя о смещении фокуса инвесторов в сторону операционного уровня искусственного интеллекта.

Стремительный взлет оценки

Недавняя траектория развития Baseten просто поразительна. Согласно сообщениям Wall Street Journal, стартап завершает этот раунд с оценкой в 13 миллиардов долларов — это колоссальный скачок по сравнению с тем, что было всего пять месяцев назад, когда компания закрыла раунд серии E на сумму 300 миллионов долларов при оценке в 5 миллиардов долларов. Чтобы оценить масштаб этого роста, стоит отметить, что оценка Baseten выросла примерно на 160% менее чем за полгода.

Это соответствует модели стремительного масштабирования: раунд серии E был завершен всего через девять месяцев после серии D на сумму 150 миллионов долларов. Хотя цифра в 13 миллиардов долларов является основной целью, отраслевые инсайдеры отмечают, что это раунд с разной ценой акций (split-priced round). Некоторые инвесторы входят при оценке в 13 миллиардов долларов, в то время как другие — при 11 миллиардах, что является распространенной стратегической тактикой для управления таблицами капитализации (cap tables) и оптимизации доходности ведущих инвесторов. Сообщается, что последний раунд совместно возглавляют такие тяжеловесы, как Spark Capital, Sands Capital, Altimeter Capital и Wellington Management.

Извлечение выгоды из «золотой лихорадки» инференса

С момента запуска в 2019 году Baseten позиционирует себя в центре того, что отраслевые аналитики называют «золотой лихорадкой инференса». В то время как большая часть первоначального хайпа вокруг ИИ была сосредоточена на обучении базовых моделей, индустрия сейчас разворачивается в сторону «уровня инференса» — критической стадии, на которой обученная модель обрабатывает запрос пользователя для генерации ответа.

Ценностное предложение Baseten заключается в способности оптимизировать именно эту фазу жизненного цикла ИИ. Платформа обещает обрабатывать запросы на инференс с высокой скоростью, при этом агрессивно контролируя затраты. Это достигается за счет интеллектуальной маршрутизации, направляющей конкретные задачи наиболее эффективной модели для данной работы. Что крайне важно, Baseten мастерски перенаправляет рабочие нагрузки на высококомпетентные и менее затратные альтернативы с открытым исходным кодом, вместо того чтобы полагаться исключительно на дорогие проприетарные большие языковые модели (LLM).

Почему уровень инференса важен для масштабирования ИИ

Этот массивный приток капитала в Baseten подчеркивает фундаментальную истину нынешней эры ИИ: умение создать модель — это лишь половина дела; реальная экономическая ценность заключается в возможности эффективно развертывать её в масштабе. По мере того как предприятия переходят от экспериментов к промышленной эксплуатации, затраты, связанные с инференсом LLM, могут стать непомерно высокими.

Предоставляя уровень абстракции, который оптимизирует выбор и маршрутизацию моделей, Baseten решает основное узкое место внедрения ИИ: юнит-экономику. Для разработчиков и основателей это означает более предсказуемую маржу и возможность использовать разнообразную экосистему моделей с открытым исходным кодом без инженерных накладных расходов на управление отдельными конвейерами развертывания.

Основные выводы

• Траектория гиперроста: Сообщается, что Baseten привлекает 1,5 млрд долларов при оценке в 13 млрд долларов, что означает рост оценки на 160% менее чем за шесть месяцев.
• Стратегическая маршрутизация: Платформа оптимизирует затраты на ИИ, направляя задачи наиболее эффективным моделям, в частности, используя экономически выгодные альтернативы с открытым исходным кодом.
• Сдвиг в сторону инфраструктуры: Данное финансирование подчеркивает более широкую тенденцию венчурного капитала: перенаправление капитала от обучения моделей к высокоспросованному уровню инференса и развертывания.