Striveworks Raises Series B để mở rộng các hoạt động AI cho quốc phòng và chính phủ đồng minh

Striveworks đã bảo đảm được khoản đầu tư Series B do Washington Harbour Partners dẫn đầu, đánh dấu một bước tiến quan trọng trong nỗ lực của công ty để mở rộng hoạt động AI trong môi trường quốc phòng và an ninh quốc gia. Khoản tiền này sẽ được sử dụng để tăng tốc phát triển sản phẩm, mở rộng đội ngũ kỹ sư và nghiên cứu, và hỗ trợ việc triển khai công nghệ của công ty trên các cơ quan chính phủ Hoa Kỳ và các quốc gia đồng minh.

Việc này diễn ra vào thời điểm các chính phủ đang ngày càng ưu tiên việc tích hợp nhanh chóng trí tuệ nhân tạo vào các hệ thống quan trọng, đặc biệt là khi cạnh tranh địa chính trị ngày càng gay gắt và thời gian hoạt động bị thu hẹp.

Sự chuyển dịch hướng tới Operational AI trong An ninh Quốc gia

Triển khai AI trong môi trường quốc phòng không chỉ đơn giản là xây dựng các mô hình – nó đòi hỏi các hệ thống có thể hoạt động đáng tin cậy trong các môi trường động, có rủi ro cao. Các chính phủ phải đối mặt với thách thức kép: di chuyển nhanh chóng đủ để duy trì lợi thế hoạt động đồng thời đảm bảo các hệ thống vẫn có thể kiểm toán, đáng tin cậy và phù hợp với các yêu cầu an toàn nghiêm ngặt.

Striveworks đã đặt mình vào điểm giao nhau này, tập trung vào operational AI – khả năng triển khai, giám sát và liên tục thích nghi với các hệ thống học máy trong điều kiện thực tế chứ không phải trong môi trường được kiểm soát.

Nhu cầu này đang được củng cố tại cấp độ chính sách, nơi tích hợp AI nhanh chóng ngày càng được coi là thiết yếu để duy trì lợi thế chiến lược trong hoạt động quốc phòng và tình báo.

Một Nền tảng được Xây dựng cho Triển khai Thực tế

Tại trung tâm của dịch vụ Striveworks là nền tảng Chariot, một hệ thống AI operations (AIOps) được thiết kế để di chuyển các mô hình từ phát triển sang sản xuất nhanh chóng trong khi vẫn duy trì giám sát và hiệu suất.

Nền tảng này cho phép các tổ chức xây dựng, triển khai và duy trì các mô hình AI trong vài giờ thay vì vài tháng, hỗ trợ các quy trình làm việc bao gồm cơ sở hạ tầng đám mây, môi trường cạnh, và các thiết lập bị ngắt kết nối hoặc hạn chế băng thông. Điều này đặc biệt liên quan trong các ngữ cảnh quốc phòng, nơi các hệ thống AI phải hoạt động trên các nguồn dữ liệu phân mảnh như nguồn cấp dữ liệu cảm biến, hình ảnh vệ tinh và đầu vào thông tin thực tế.

Chariot cũng nhấn mạnh vào quản trị và khả năng theo dõi, cho phép các tổ chức hiểu rõ cách các mô hình được đào tạo, cách dữ liệu chảy qua hệ thống, và cách đầu ra được tạo ra – những khả năng quan trọng trong các môi trường được quản lý và quan trọng về mặt nhiệm vụ.

Đã được Kiểm nghiệm trong Các Môi trường Phức tạp và Chống lại

Công nghệ của Striveworks đã được triển khai trên nhiều chương trình quốc phòng, bao gồm công việc gắn liền với sáng kiến Next Generation Command and Control của Quân đội Hoa Kỳ, cũng như các hoạt động liên quan đến an ninh biên giới và hệ thống hàng hải tự động.

Các triển khai này phản ánh một sự thay đổi rộng lớn hơn trong cách AI đang được sử dụng. Thay vì chỉ còn trong phân tích hoặc thí nghiệm, AI ngày càng được tích hợp trực tiếp vào các quy trình hoạt động, nơi nó hỗ trợ việc ra quyết định trong thời gian thực.

Sự tập trung của công ty vào việc duy trì hiệu suất trong các môi trường chống lại – nơi điều kiện dữ liệu thay đổi nhanh chóng và hệ thống phải thích nghi liên tục – đã trở thành một khía cạnh định hình của phương pháp tiếp cận của họ.

Inside the Technology: Cầu nối giữa Các Mô hình AI và Hoạt động Thực tế

Nền tảng của Striveworks được xây dựng xung quanh một vấn đề đã trở nên rõ ràng hơn khi AI chuyển từ thí nghiệm sang sản xuất: các mô hình không thất bại trong quá trình đào tạo – chúng thất bại trong quá trình triển khai.

Công ty tập trung vào việc xảy ra sau khi một mô hình được xây dựng. Trong các môi trường hoạt động, dữ liệu hiếm khi sạch hoặc ổn định. Đầu vào thay đổi, điều kiện cạnh làm giảm chất lượng tín hiệu, và yêu cầu nhiệm vụ phát triển trong thời gian thực. Điều này tạo ra một khoảng cách giữa hiệu suất của mô hình trong môi trường được kiểm soát và cách hệ thống hoạt động trên thực địa.

Chariot giải quyết vấn đề này bằng cách coi các hệ thống AI như những tài sản được quản lý liên tục chứ không phải là các triển khai tĩnh. Nền tảng cho phép giám sát liên tục hiệu suất của mô hình, phát hiện sự thay đổi trong cả dữ liệu và đầu ra, và cho phép lặp lại nhanh chóng mà không cần chu kỳ đào tạo lại. Điều này đặc biệt quan trọng trong môi trường quốc phòng, nơi độ trễ, độ tin cậy và khả năng thích nghi ảnh hưởng trực tiếp đến kết quả.

Một phần quan trọng của kiến trúc này là khả năng hoạt động trên các môi trường dữ liệu phân mảnh và phân tán. Thay vì dựa vào cơ sở hạ tầng tập trung, nền tảng hỗ trợ triển khai trên đám mây, trên cơ sở và các hệ thống cạnh. Điều này cho phép các mô hình chạy gần hơn với nơi dữ liệu được tạo ra – dù từ cảm biến, nguồn cấp dữ liệu vệ tinh hay đầu vào hoạt động thực tế – giảm thiểu độ trễ và cải thiện khả năng phản hồi.

Chariot cũng đặt nặng vào quản trị và khả năng theo dõi. Trong các môi trường có rủi ro cao, việc hiểu rõ cách một mô hình đạt đến quyết định là quan trọng không kém quyết định itu. Nền tảng cung cấp khả năng nhìn thấy dòng dõi dữ liệu, hành vi mô hình và đầu ra hệ thống, cho phép các tổ chức xác thực hiệu suất và duy trì giám sát.

Sự kết hợp giữa đánh giá liên tục, triển khai phân tán và quản trị tích hợp phản ánh một sự thay đổi rộng lớn hơn trong thiết kế hệ thống AI. Thách thức không chỉ là xây dựng các mô hình chính xác, mà còn đảm bảo chúng vẫn đáng tin cậy, thích nghi và có trách nhiệm khi được triển khai trong điều kiện thực tế.