Nebius เข้าซื้อกิจการ Eigen AI ในมูลค่า 643 ล้านดอลลาร์ เพื่อเสริมสร้างโครงสร้างพื้นฐานการอนุมาน

Nebius ได้ประกาศแผนการเข้าซื้อกิจการ Eigen AI ซึ่งเป็นบริษัทที่มุ่งเน้นการอนุมานและการปรับให้เหมาะสมแบบจำลอง ในธุรกรรมที่มีมูลค่าประมาณ 643 ล้านดอลลาร์ การเคลื่อนไหวนี้สะท้อนถึงการเปลี่ยนแปลงที่กว้างขึ้นในด้านปัญญาประดิษฐ์ ในขณะที่การฝึกอบรมแบบจำลองขนาดใหญ่เคยเป็นจุดสนใจหลัก การอนุมาน — กระบวนการของการนำแบบจำลองไปใช้จริงในแอปพลิเคชันโลกแห่งความเป็นจริง — ได้กลายเป็นความท้าทายที่กดดันที่สุดของอุตสาหกรรม

เมื่อการนำปัญญาประดิษฐ์ไปใช้เพิ่มขึ้นทั่วทั้งองค์กร อุปสรรคไม่ได้อยู่ที่การสร้างแบบจำลอง แต่อยู่ที่การนำไปใช้อย่างมีประสิทธิภาพในระดับใหญ่ การเข้าซื้อกิจการครั้งนี้ทำให้ Nebius สามารถแก้ไขช่องว่างนั้นได้โดยตรง

การสร้างแพลตฟอร์มการอนุมานแบบเต็มสแต็ก

ที่ใจกลางของข้อตกลงคือ Nebius Token Factory ซึ่งเป็นแพลตฟอร์มการอนุมานที่จัดการโดยบริษัท ด้วยการรวมเทคโนโลยีการปรับให้เหมาะสมของ Eigen AI Nebius มุ่งหวังที่จะทำให้กระบวนการของนักพัฒนาที่ย้ายจากการทดลองไปสู่การผลิตง่ายขึ้น

เทคโนโลยีของ Eigen AI มุ่งเน้นไปที่การปรับปรุงประสิทธิภาพของแบบจำลองหลังจากการฝึกอบรม โดยจัดการทุกอย่างตั้งแต่การปรับให้เหมาะสมจนถึงการปรับให้เหมาะสมการอนุมานแบบเรียลไทม์ข้ามแบบจำลองโอเพ่นซอร์สที่หลากหลาย สตรatum นี้มีความสำคัญมากขึ้น เนื่องจากแบบจำลองส่วนใหญ่ไม่ได้รับการปรับให้เหมาะสมสำหรับสภาพแวดล้อมการผลิตโดยตรง ความซับซ้อนเพิ่มขึ้นด้วยสถาปัตยกรรมใหม่ๆ โดยที่ข้อจำกัดของหน่วยความจำ การตัดสินใจการกำหนดเส้นทาง และประสิทธิภาพการคำนวณทั้งหมดกลายเป็นปัจจัยที่จำกัด

แพลตฟอร์มที่รวมกันถูกออกแบบมาเพื่อทำให้กระบวนการนี้ง่ายขึ้น นักพัฒนาจะสามารถนำแบบจำลองไปใช้ได้เร็วขึ้น ลดค่าใช้จ่ายโครงสร้างพื้นฐาน และดึงประสิทธิภาพออกมาจากฮาร์ดแวร์ที่มีอยู่โดยไม่ต้องสร้างการปรับให้เหมาะสมแบบกำหนดเอง

เหตุใดการปรับให้เหมาะสมการอนุมานจึงกลายเป็นโครงสร้างพื้นฐานที่สำคัญ

การรันการอนุมานในระดับใหญ่ซับซ้อนโดยธรรมชาติ ต้องมีการประสานงานข้ามหลายชั้น ตั้งแต่วิธีการสร้างแบบจำลองไปจนถึงวิธีการที่ GPU นำงานไปใช้และวิธีการจัดตารางคำขอในเวลาจริง

แนวทางของ Eigen AI มุ่งเน้นไปที่การปรับให้เหมาะสมทั้งชั้นแทนที่จะเป็นส่วนประกอบที่แยกออกมา โดยการปรับปรุงวิธีการที่แบบจำลองโต้ตอบกับฮาร์ดแวร์และวิธีการจัดการงาน ทำให้ระบบสามารถส่งมอบเวลาตอบสนองได้เร็วขึ้นในขณะเดียวกันก็ลดต้นทุนของการอนุมานแต่ละครั้ง

สำหรับบริษัทที่นำปัญญาประดิษฐ์ไปใช้ในการผลิต สิ่งนี้แปลเป็นประสิทธิภาพที่คาดการณ์ได้มากขึ้น ความหน่วงลดลง และเศรษฐศาสตร์ที่ดีขึ้น นอกจากนี้ยังลบอุปสรรคสำคัญในการนำไปใช้ เนื่องจากทีมไม่ต้องมีความเชี่ยวชาญลึกเกี่ยวกับการปรับให้เหมาะสมโครงสร้างพื้นฐานเพื่อนำแบบจำลองที่ซับซ้อนไปใช้อย่างมีประสิทธิภาพ

ทีมงานและงานวิจัยที่ขับเคลื่อนการบูรณาการ

การเข้าซื้อกิจการครั้งนี้ยังนำทีมงานวิจัยที่มีความเชี่ยวชาญสูงเข้ามาใน Nebius ผู้ก่อตั้ง Eigen AI มาจาก MIT’s HAN Lab ซึ่งเป็นที่รู้จักในงานวิจัยเกี่ยวกับการคำนวณ AI ที่มีประสิทธิภาพ งานวิจัยของพวกเขาได้ให้ผลลัพธ์ที่เป็นเทคนิคที่ใช้กันอย่างแพร่หลายซึ่งปรับปรุงวิธีการนำแบบจำลองไปใช้ โดยเฉพาะอย่างยิ่งในการลดภาระการคำนวณและปรับปรุงประสิทธิภาพในระดับใหญ่

ทีมงานนี้จะกลายเป็นพื้นฐานของการขยายตัวของ Nebius ในด้านวิศวกรรมและงานวิจัยในพื้นที่อ่าวซานฟรานซิสโก โดยเสริมสร้างตำแหน่งของบริษัทในภูมิทัศน์ AI ที่มีการแข่งขันสูง

การขยายโครงสร้างพื้นฐานและพื้นที่ครอบคลุมทั่วโลก

Nebius กำลังจับคู่ความสามารถด้านซอฟต์แวร์ของ Eigen AI กับโครงสร้างพื้นฐาน AI คลาวด์ที่กำลังเติบโตของตนเอง การรวมกันนี้ทำให้บริษัทสามารถให้ทั้งทรัพยากรการคำนวณและชั้นการปรับให้เหมาะสมที่จำเป็นสำหรับการรันงาน AI ได้อย่างมีประสิทธิภาพ

สำหรับลูกค้าที่มีอยู่แล้ว การบูรณาการหมายถึงการนำไปใช้ได้เร็วขึ้นและประสิทธิภาพที่ดีขึ้น สำหรับตลาดที่กว้างขึ้น สิ่งนี้แสดงถึงการผลักดันไปสู่แพลตฟอร์ม AI ที่รวมกันมากขึ้น โดยที่โครงสร้างพื้นฐานและการปรับให้เหมาะสมได้รับการออกแบบให้ทำงานร่วมกันแทนที่จะเป็นชั้นที่แยกจากกัน

สิ่งนี้หมายถึงอะไรในอนาคต

การเข้าซื้อกิจการครั้งนี้ชี้ให้เห็นถึงการเปลี่ยนแปลงที่ลึกซึ้งยิ่งขึ้นในด้านวิวัฒนาการของระบบ AI ในช่วงหลายปีที่จะมาถึง เมื่อแบบจำลองกลายเป็นสินค้าโภคภัณฑ์และมีจำหน่ายอย่างกว้างขวาง จุดแข่งขันที่น่าจะเป็นไปได้คือการเปลี่ยนไปสู่การนำไปใช้ — วิธีการที่แบบจำลองสามารถนำไปใช้ได้อย่างมีประสิทธิภาพ มีการปรับขนาด และบำรุงรักษาในแอปพลิเคชันโลกแห่งความเป็นจริง

ในแง่ปฏิบัติ สิ่งนี้อาจเร่งการเปลี่ยนแปลงไปสู่โครงสร้างพื้นฐานที่ให้บริการซึ่งมีบทบาทสำคัญในระบบนิเวศ AI แทนที่จะให้องค์กรสร้างและบำรุงรักษอุโมงค์ปรับให้เหมาะสมของตนเอง หลายคนจะพึ่งพาแพลตฟอร์มที่ทำให้ความซับซ้อนนั้นหายไปโดยสิ้นเชิง สิ่งนี้มีผลกระทบไม่เพียงแต่สำหรับนักพัฒนา แต่ยังรวมถึงวิธีการกำหนดราคา ผลิต และแยกแยะผลิตภัณฑ์ AI อีกด้วย

ในเวลาเดียวกัน การปรับปรุงประสิทธิภาพการอนุมานอาจลดค่าใช้จ่ายในการนำไปใช้แบบจำลองที่ซับซ้อน ทำให้ AI สามารถเข้าถึงได้มากขึ้นในหลายอุตสาหกรรม ช่วงเวลาการวนซ้ำที่เร็วขึ้น ความหน่วงลดลง และการควบคุมต้นทุนที่ดีขึ้นอาจทำให้สามารถใช้แอปพลิเคชันใหม่ๆ ที่ปัจจุบันยังไม่เหมาะสมในระดับใหญ่ได้

ไม่ใช่แค่การปรับปรุงประสิทธิภาพเท่านั้น แต่ข้อตกลงเช่นนี้ชี้ให้เห็นว่าอุตสาหกรรมกำลังเข้าสู่ช่วงเวลาที่มุ่งเน้นไปที่ความเป็นมืออาชีพในการดำเนินงาน — การเปลี่ยน AI จากความสามารถที่ทรงพลังไปสู่ยูทิลิตี้ที่เชื่อถือได้และปรับขนาดได้ซึ่งฝังอยู่ในระบบทั่วไป