Redpine pozyskał 8 milionów dolarów w rundzie seed, aby zbudować warstwę danych dla następnej generacji agentów AI

Stockholm-based Redpine pozyskał 8 milionów dolarów w rundzie seed, aby przyspieszyć ekspansję globalną i dalej rozwijać swoją platformę, która daje agentom AI dostęp do premium, niepublicznych danych.

Rundę tę poprowadził NordicNinja, z udziałem Luminar Ventures i node.vc, obok strategicznych aniołów, w tym liderów z OpenAI, Perplexity i Spotify, a także założycieli firm takich jak SiloAI, Validio i Sana. Marek Kiisa, współzałożyciel NordicNinja, dołączy do zarządu.

Finansowanie zostanie wykorzystane do skalowania sieci własnych partnerstw danych Redpine i rozwoju jego podstawowej platformy, w tym technologii pobierania i ponownego rangowania, której liderem jest założyciel i główny naukowiec, dr Leonora Vesterbacka. Firma rozszerza również swój zespół na stanowiskach inżynierskich, naukowych i marketingowych, rekrutując talent z organizacji takich jak Spotify, Sana, Zettle, Lunar, McKinsey, CERN i H&M.

Tworzenie dostępu do danych, których większość AI nie może dotknąć

Podstawowa idea Redpine jest prosta. Dzisiejsze systemy AI są szkolone na wąskim fragmencie informacji świata. Chociaż publiczne dane internetowe umożliwiły rozwój dużych modeli językowych, stanowią one tylko niewielką część globalnych danych.

Firma szacuje, że tylko 1-2% danych jest obecnie dostępnych do użycia przez AI. Jej platforma jest zaprojektowana, aby odblokować pozostałą większość, umożliwiając zgodny, licencjonowany dostęp do własnych zestawów danych w różnych branżach.

Poprzez swoją platformę Redpine pozwala właścicielom treści, wydawcom i dostawcom danych na oferowanie kontrolowanego dostępu do ich danych, podczas gdy deweloperzy AI i agenci mogą odkrywać, oceniać i płacić za te dane za pośrednictwem zunifikowanej warstwy API. To pozycjonuje Redpine jako infrastrukturę, a nie budowniczych modeli, działającą jako rynek i system dostarczania danych o wysokiej wartości.

Bezgłowy interfejs API dla agentów AI

Na poziomie produktu Redpine działa bezgłową warstwą API, która łączy systemy AI bezpośrednio z premium danymi. Platforma obsługuje wiele typów danych, w tym tekst, obrazy, wideo, audio i kod, i jest zaprojektowana do pracy w całym cyklu życia AI, od szkolenia i dokształcania do pobierania w czasie rzeczywistym.

Kluczowym komponentem systemu jest technologia pobierania i ponownego rangowania, która ocenia jakość danych w czasie rzeczywistym. Zamiast eksponowania surowych zestawów danych, platforma priorytetowo traktuje odpowiedniość i niezawodność, pomagając zmniejszyć halucynacje i poprawić podejmowanie decyzji.

To jest szczególnie ważne w dziedzinach, w których dokładność jest krytyczna, takich jak opieka zdrowotna, prawo, finanse i badania naukowe. Są to branże, na które Redpine koncentruje swoje wysiłki.

Zmienianie sposobu, w jaki AI dostaje dostęp do danych i ich wykorzystuje

Jeśli ten model zyska popularność, zmienia to, w jaki sposób budowane i wdrażane są systemy AI. Zamiast polegać głównie na statycznych zestawach danych szkoleniowych, agenci AI mogą coraz częściej działać, pobierając zweryfikowane, aktualne informacje na żądanie z licencjonowanych źródeł.

To przesunięcie przesunie branżę bliżej inteligencji w czasie rzeczywistym, gdzie modele są mniej zależne od tego, czym były szkolone, a bardziej od tego, do czego mają dostęp w momencie podejmowania decyzji. Wprowadza to również bardziej ustrukturyzowaną warstwę ekonomiczną wokół danych, gdzie dostęp jest pomierzony, wyceniany i zarządzany przez wyraźne prawa użytkowania.

Dla przedsiębiorstw może to zmniejszyć potrzebę centralizacji wrażliwych danych do szkolenia, ponieważ agenci mogą wysyłać zapytania do zewnętrznych zestawów danych bez ich trwałego pobierania. Dla właścicieli danych tworzy to bezpośrednią ścieżkę do komercjalizacji informacji własnościowych bez utraty kontroli nad dystrybucją.

Wraz z czasem tego rodzaju infrastruktura może prowadzić do bardziej modułowego ekosystemu AI, w którym modele, agenci i źródła danych są luźno połączone. W takim środowisku przewaga konkurencyjna może zależeć mniej od skali modelu samych w sobie, a bardziej od jakości, ekskluzywności i dostępności danych, do których te systemy mają dostęp.