Baseten Yalenga Thamani ya $13B katika Mzunguko Mkubwa wa Ufadhili wa Inference wa $1.5B

Mazingira ya miundombinu ya AI yanashuhudia ongezeko kubwa huku kampuni changa ya inference, Baseten, ikijaribu kukamilisha mzunguko wa ufadhili wa dola bilioni 1.5. Uingizaji huu mkubwa wa mtaji unakuja baada ya kipindi kisicho cha kawaida cha ukuaji wa kasi (hyper-growth), kikionyesha mabadiliko ya mtazamo wa wawekezaji kuelekea tabaka la kiutendaji (operational layer) la akili mnemba (artificial intelligence).

Ongezeko la Haraka la Thamani

Mwelekeo wa hivi karibuni wa Baseten ni wa ajabu sana. Kulingana na ripoti kutoka Wall Street Journal, kampuni hiyo inakamilisha mzunguko huu ikiwa na thamani ya dola bilioni 13—hatua kubwa kutoka miezi mitano iliyopita tu wakati ilipofunga Series E ya dola milioni 300 ikiwa na thamani ya dola bilioni 5. Ili kuweka ukuaji huu katika muktadha, Baseten imeona thamani yake ikipanda kwa takriban 160% katika kipindi cha chini ya nusu mwaka.

Hii inafuata mfumo wa upanuzi wa haraka; Series E yenyewe ilikamilika miezi tisa tu baada ya Series D ya dola milioni 150. Ingawa takwimu ya dola bilioni 13 ndiyo lengo kuu, wataalamu wa tasnia wanabainisha kuwa huu ni mzunguko wenye bei tofauti (split-priced round). Baadhi ya wawekezaji wanaingia katika kiwango cha dola bilioni 13, wakati wengine wanaingia kwa thamani ya dola bilioni 11, mbinu ya kimkakati inayotumiwa mara kwa mara kusimamia jedwali za hisa (cap tables) na kuongeza faida kwa wawekezaji wakuu. Inaripotiwa kuwa mzunguko huu wa hivi karibuni unaongozwa kwa pamoja na makampuni makubwa ikiwa ni pamoja na Spark Capital, Sands Capital, Altimeter Capital, na Wellington Management.

Kutumia Fursa ya "Inference Gold Rush"

Tangu kuzinduliwa kwake mwaka 2019, Baseten imejipanga katikati ya kile wachambuzi wa tasnia wanachokiita "inference gold rush." Wakati sehemu kubwa ya msisimko wa awali wa AI ilielekezwa kwenye mafunzo ya mifano ya msingi (foundation model training), tasnia sasa inahamia kwenye "inference layer"—hatua muhimu ambapo mfano uliopata mafunzo huchakata maelekezo (prompt) ya mtumiaji ili kutoa matokeo.

Pendekezo la thamani la Baseten liko katika uwezo wake wa kuimarisha awamu hii mahususi ya mzunguko wa maisha ya AI. Jukwaa hilo linaahidi kushughulikia maombi ya inference kwa kasi kubwa huku likidhibiti gharama kwa ukali. Inafanikisha hili kupitia uelekezaji wa akili (intelligent routing), ikielekeza kazi mahususi kwenye modeli yenye ufanisi zaidi kwa kazi hiyo husika. Muhimu zaidi, Baseten inafanya vizuri katika kuelekeza mizigo ya kazi (workloads) kuelekea mbadala wa chanzo huru (open-source) wenye uwezo mkubwa na gharama nafuu badala ya kutegemea pekee mifano mikubwa ya lugha (LLMs) ya gharama kubwa na ya umiliki binafsi.

Kwa Nini Inference Layer ni Muhimu kwa Upanuzi wa AI

Mtiririko huu mkubwa wa mtaji ndani ya Baseten unasisitiza ukweli wa msingi katika enzi hii ya AI: uwezo wa kujenga modeli ni nusu tu ya vita; uwezo wa kuiweka kazini (deploy) kwa ufanisi na kwa kiwango kikubwa ndipo thamani halisi ya kiuchumi ilipo. Wakati mashirika yanapohamia kutoka majaribio hadi uzalishaji, gharama zinazohusiana na LLM inference zinaweza kuwa kubwa mno.

Kwa kutoa tabaka la uabstraksheni (abstraction layer) linaloboresha uteuzi wa modeli na uelekezaji (routing), Baseten inatatua kikwazo kikuu cha upokeaji wa AI: uchumi wa kitengo (unit economics). Kwa watengenezaji na waanzilishi, hii inamaanisha faida zinazotabirika zaidi na uwezo wa kutumia mfumo mpana wa modeli za chanzo huru (open-source) bila mzigo wa kihandisi wa kusimamia mifumo ya uwekaji kazini (deployment pipelines) ya kila moja.

Mambo Muhimu ya Kuzingatia

  • Mwelekeo wa Ukuaji wa Haraka: Inaripotiwa kuwa Baseten inakusanya $1.5B kwa thamani ya $13B, ikionyesha ongezeko la thamani la 160% ndani ya miezi sita isiyozidi.
  • Uelekezaji wa Kimkakati: Jukwaa hili linaboresha gharama za AI kwa kuelekeza kazi kwenye modeli zenye ufanisi zaidi, hasa kwa kutumia mbadala za chanzo huru (open-source) zenye gharama nafuu.
  • Mabadiliko kuelekea Miundombinu: Ufadhili huu unaangazia mwelekeo mpana wa VC wa kuhamisha mtaji kutoka kwenye mafunzo ya modeli (model training) na kuelekea kwenye tabaka la mahitaji makubwa la inference na uwekaji kazini (deployment).