Під час роботи інженерами програмного забезпечення в програмі автономних транспортних засобів компанії Lyft, Семмі Сідху та Джей Чіа зіткнулися з масштабною проблемою обробки даних, яка з роками лише ускладнювалася через поширення штучного інтелекту.
Про це розповідає ProIT
Створення рішення для обробки неструктурованих даних
Автономні автомобілі генерують величезний обсяг неструктурованих даних: від 3D-сканів і фотографій до тексту й аудіо. Інженери Lyft не мали універсального інструменту для одночасної обробки всіх цих форматів, що змушувало їх поєднувати різні open source-рішення, витрачаючи значні ресурси на підтримку інфраструктури замість розвитку основних застосунків.
“We had all these brilliant PhDs, brilliant folks across the industry, working on autonomous vehicles but they’re spending like 80% of their time working on infrastructure rather than building their core application,” Sidhu, who is Eventual’s CEO, told TechCrunch in a recent interview. “And most of these problems that they were facing were around data infrastructure.”
Відчувши гостру потребу у комплексному інструменті, Сідху та Чіа створили внутрішню платформу для мультимодальної обробки даних. Коли Сідху почав шукати нову роботу, йому неодноразово пропонували впровадити подібне рішення й в інших компаніях. Так з’явилася ідея стартапу Eventual.
Daft — рушій для мультиформатних даних і розвиток компанії
Eventual розробила Daft — відкритий рушій для обробки даних, написаний мовою Python, здатний швидко працювати з різними типами даних: текстом, аудіо, відео тощо. За словами Сідху, їхня мета — зробити Daft так само революційним для неструктурованих даних, як свого часу SQL був для табличних даних.
Компанія з’явилася на початку 2022 року, майже за рік до випуску ChatGPT, коли ще мало хто усвідомлював масштаб проблем з обробкою неструктурованих даних. Першу open source-версію Daft було представлено у 2022 році, а запуск корпоративного продукту заплановано на третій квартал поточного року.
Вибухове зростання популярності ChatGPT, на думку Сідху, лише підкреслило необхідність таких рішень, адже розробники почали активно використовувати різноманітні формати даних у своїх AI-застосунках.
Хоча Daft спочатку створювався для сфери автономного транспорту, сьогодні продукт Eventual використовують у робототехніці, роздрібній торгівлі, медичних технологіях і багатьох інших галузях. Серед клієнтів компанії — Amazon, CloudKitchens, Together AI та інші.
За останні вісім місяців Eventual провела дві інвестиційні раунди. На першому етапі компанія залучила $7,5 млн від CRV, а нещодавно — $20 млн у рамках раунду серії А під керівництвом Felicis за участі Microsoft M12 та Citi. Нові інвестиції планують спрямувати на розвиток open source-продукту та створення комерційного рішення для побудови AI-додатків на базі оброблених даних.
Аналітики прогнозують стрімке зростання індустрії мультимодальних AI — близько 35% на рік до 2028 року. Як зазначає Астасія Майєрс, генеральна партнерка Felicis, Eventual вирізняється серед конкурентів завдяки унікальному досвіду засновників і першості на ринку. Вона підкреслює, що різке зростання обсягів неструктурованих даних вимагає саме таких рішень:
За оцінками MarketsandMarkets, у світі зараз генерується у тисячу разів більше даних, ніж 20 років тому, і 90% усіх даних з’явилися лише за останні два роки. Більшість із них — неструктуровані, і саме Daft створений для ефективної роботи з таким обсягом інформації, зокрема текстом, зображеннями, відео й аудіо.