Redpine Зберігає $8M Сід Раунд, Щоб Будувати Шар Даних, Що Надає Потужність Наступному Поколінню Агентів Штучного Інтелекту

Стокгольмська компанія Redpine зберігає сід раунд у розмірі $8 мільйонів, щоб прискорити глобальну експансію та进一步 розвивати свою платформу, яка надає агентам штучного інтелекту доступ до преміум, не публічних даних.

Раунд був очолений компанією NordicNinja, з участю компаній Luminar Ventures та node.vc, а також стратегічних ангелів, серед яких лідери OpenAI, Perplexity та Spotify, а також засновники компаній SiloAI, Validio та Sana. Генеральний партнер NordicNinja Marek Kiisa приєднається до ради директорів.

Фінансування буде використано для розширення мережі пропріетарних партнерств з даними Redpine та вдосконалення її основної платформи, включаючи технологію пошуку та повторного ранжування під керівництвом засновника-дата-сайентиста доктора Леонори Вестербакки. Компанія також розширює свою команду в напрямках інженерії, науки про дані та виходу на ринок, приваблюючи таланти з організацій, таких як Spotify, Sana, Zettle, Lunar, McKinsey, CERN та H&M.

Будування Доступу До Даних, До Якких Більшість Штучного Інтелекту Не Може Доцігнути

Основна ідея Redpine проста. Сучасні системи штучного інтелекту тренуються на вузькому шматочку інформації світу. Хоча публічні веб-дані сприяли появі великих мовних моделей, вони представляють лише малий шматок загальної глобальної інформації.

Компанія оцінює, що лише 1-2% даних зараз доступні для використання штучним інтелектом. Її платформа призначена для розблокування залишкової більшості, забезпечуючи відповідний, ліцензований доступ до пропріетарних наборів даних у різних галузях.

Через свою платформу Redpine дозволяє власникам контенту, видавцям та постачальникам даних надавати контрольований доступ до своїх даних, а розробникам штучного інтелекту та агентам – виявляти, оцінювати та платити за ці дані через уніфікований API-шар. Це позиціонує Redpine як інфраструктуру, а не як будівельника моделей, діючи як ринок та система доставки високоцінних даних.

Безголовий API Для Агентів Штучного Інтелекту

На рівні продукту Redpine експлуатує безголовий API-шар, який безпосередньо підключає системи штучного інтелекту до преміум-даних. Платформа підтримує різні типи даних, включаючи текст, зображення, відео, аудіо та код, і призначена для роботи на всіх етапах життєвого циклу штучного інтелекту, від тренування та тонкої настройки до реального пошуку.

Центральним компонентом системи є її технологія пошуку та повторного ранжування, яка оцінює якість даних в реальному часі. Замість надання сирих наборів даних платформа пріоритезує актуальність та надійність, допомагаючи зменшити галюцинації та покращити процес прийняття рішень.

Це особливо важливо в галузях, де точність є критичною, таких як охорона здоров’я, право, фінанси та наукові дослідження. Серед цих галузей Redpine зосереджує свої зусилля.

Перегляд Способу, Як Штучний Інтелект Доступається І Використовує Дані

Якщо ця модель набуде популярності, вона змінить спосіб побудови та розгортання систем штучного інтелекту. Замість того, щоб сильно залежати від статичних тренувальних наборів даних, агенти штучного інтелекту могли б все частіше працювати, витягуючи перевірені, актуальні дані на вимогу з ліцензованих джерел.

Ця зміна перемістить галузь ближче до реального інтелекту, де моделі menos залежать від того, на чому вони були треновані, а більше від того, до чого вони можуть дістатися в момент прийняття рішення. Це також вводить більш структурований економічний шар навколо даних, де доступ вимірюється, цінується та регулюється чіткими правами використання.

Для підприємств це може зменшити потребу у централізації чутливих даних для тренування, оскільки агенти можуть запитувати зовнішні набори даних без їх постійного споживання. Для власників даних це створює прямий шлях монетизації пропріетарної інформації без втрати контролю над розповсюдженням.

З часом така інфраструктура могла б привести до більш модульної екосистеми штучного інтелекту, де моделі, агенти та джерела даних слабо пов’язані. У такому середовищі конкурентна перевага може залежати менше від масштабу моделі самої по собі, а більше від якості, ексклюзивності та доступності даних, до яких ці системи можуть дістатися.