هم‌زمان با رونق هوش مصنوعی و فشار فزاینده بر ظرفیت پردازشی، Nvidia در دور جذب سرمایه ۱۴ میلیون‌دلاری از استارتاپ هندی Simplismart سرمایه‌گذاری کرده است؛ این شرکت روی نرم‌افزاری حساب باز کرده که به کسب‌وکارها کمک می‌کند مدل‌های هوش مصنوعی را کارآمدتر و در برخی موارد با GPUهای کمتر اجرا کنند.

Nvidia در دور سرمایه‌گذاری سری B که تماماً از محل سهام جدید تأمین شد، در کنار Accel، Shastra VC و Micromax مشارکت کرد و Dallas Venture Capital رهبری سرمایه‌گذاری را بر عهده داشت. ارزش این استارتاپ چهار‌ساله با احتساب سرمایه جدید حدود ۱۰۰ میلیون دلار برآورد می‌شود.

امروزه شرکت‌ها برای به‌کارگیری اپلیکیشن‌های هوش مصنوعی هزینه‌های زیادی صرف خرید GPU می‌کنند، اما اجرای قابل‌اتکا و مقرون‌به‌صرفه مدل‌ها در مقیاس گسترده همچنان چالش‌برانگیز است. انواع مختلف بار کاری به موازنه‌های متفاوتی میان سرعت، هزینه و عملکرد نیاز دارند. استقرار و راه‌اندازی مدل‌های هوش مصنوعی برای برآورده‌کردن نیازهای کسب‌وکار نیز اغلب مستلزم تنظیمات پیچیده است. Simplismart می‌گوید نرم‌افزارش بخش زیادی از این کار را خودکار می‌کند و به‌جای آنکه مشتریان خودشان این تنظیمات را مدیریت کنند، نحوه اجرای مدل‌ها را با زیرساخت پردازشی موجود آن‌ها تطبیق می‌دهد.

آمریتانسو جِین، هم‌بنیان‌گذار و مدیرعامل Simplismart (در تصویر بالا، سمت چپ)، در گفت‌وگو با TechCrunch گفت: «در واقع، هیچ‌کس به سریع‌ترین یا ارزان‌ترین استنتاج نیاز ندارد.» او افزود که شرکت‌ها در عوض باید مدل‌های هوش مصنوعی را با سرعت و هزینه‌ای اجرا کنند که برای اپلیکیشن‌های مشخص آن‌ها معقول باشد.

نرم‌افزار Simplismart میان مدل‌های هوش مصنوعی و زیرساخت پردازشی‌ای قرار می‌گیرد که مدل‌ها روی آن اجرا می‌شوند و نحوه استقرار و مدیریت آن‌ها را با نیازهای مشتریان تطبیق می‌دهد. این شرکت می‌گوید نرم‌افزارش می‌تواند عواملی مانند سرعت پاسخ‌گویی مدل، تعداد درخواست‌هایی که پردازش می‌کند و میزان توان پردازشی مصرفی آن را بهینه‌سازی کند و به کسب‌وکارها کمک کند از مجموعه GPUهای فعلی خود بهره بیشتری ببرند.

این استارتاپ مستقر در بنگلورو به شرکت‌ها امکان می‌دهد مدل‌های هوش مصنوعی را از طریق پلتفرم خود یا در زیرساخت ابری و داخلیِ موجودشان مستقر و اجرا کنند. همچنین ابزارهایی برای تنظیم دقیق مدل‌ها، مقیاس‌دهی خودکار منابع پردازشی با تغییر میزان تقاضا و نظارت بر عملکرد ارائه می‌دهد. افزون بر این، Simplismart به ارائه‌دهندگان خدمات ابری اجازه می‌دهد با استفاده از نرم‌افزارش، سرویس‌های استنتاج هوش مصنوعی خود را روی زیرساخت GPU ایجاد و راه‌اندازی کنند.

Simplismart می‌گوید به پلتفرم تولید ویدئوی هوش مصنوعی InVideo کمک کرده است تا با استفاده از نرم‌افزار این شرکت، هزینه ارائه سرویس GPU را ۵۶ درصد کاهش دهد. این استارتاپ همچنین با شرکت‌های فعال در حوزه ویدئوی هوش مصنوعی HeyGen و Higgsfield و نیز استارتاپ هوش مصنوعی سازمانی Ema همکاری می‌کند. افزون بر این، ارائه‌دهنده خدمات ابری هندی Yotta از فناوری Simplismart برای راه‌اندازی سرویس استنتاج هوش مصنوعی serverless در پلتفرم Shakti Studio خود استفاده می‌کند.

جِین به TechCrunch گفت نرخ درآمد سالانه‌شده Simplismart طی شش ماه گذشته ۱۴ برابر شده و به رقمی هشت‌رقمی رسیده است. به گفته شرکت، این رقم بر مبنای استفاده اخیر مشتریان محاسبه شده، نه درآمد تکرارشونده قراردادی، و درآمدی را که به ارائه‌دهندگان زیرساخت منتقل می‌شود در بر نمی‌گیرد. او رقم دقیق را اعلام نکرد.

جِین گفت با وجود آنکه Simplismart در هند مشتریان بیشتری دارد، بیش از نیمی از درآمدش از آمریکا تأمین می‌شود.

جِین به TechCrunch گفت Nvidia در کنار سرمایه‌گذاری، روی یکپارچه‌سازی‌های فنی با Simplismart نیز کار کرده است؛ از جمله در ارتباط با نرم‌افزار استنتاج Dynamo این شرکت. او گفت این همکاری شامل مهندسان Simplismart و معماران راهکار Nvidia می‌شود و Nvidia همچنین به معرفی این استارتاپ به مشتریان و شرکای بالقوه کمک کرده است.

این سرمایه‌گذاری تناقضی ظاهری دارد: Nvidia که تأمین‌کننده غالب تراشه‌های هوش مصنوعی است، از نرم‌افزاری حمایت می‌کند که می‌تواند به شرکت‌ها کمک کند برخی بارهای کاری را با GPUهای کمتری اجرا کنند. با این حال، جِین استدلال کرد که کارآمدترکردن استنتاج هوش مصنوعی در نهایت می‌تواند به سود Nvidia باشد؛ زیرا سخت‌افزار این شرکت را برای مشتریان جذاب‌تر می‌کند و به گسترش استفاده از اپلیکیشن‌های هوش مصنوعی می‌انجامد.

Simplismart در بازاری هرچه شلوغ‌تر برای نرم‌افزار استنتاج هوش مصنوعی به مشتریان خدمات می‌دهد و با راهکارهای Nvidia و نیز ارائه‌دهندگان بزرگ خدمات ابری و شرکت‌های مقیاس‌بزرگ، از جمله Amazon Web Services، Google Cloud و Microsoft Azure، رقابت می‌کند. با افزایش تقاضا در این حوزه، شمار فزاینده‌ای از استارتاپ‌ها نیز در حال توسعه ابزارهایی برای اجرای سریع‌تر و ارزان‌تر مدل‌های هوش مصنوعی هستند؛ تقاضایی که هم از رشد استفاده از اپلیکیشن‌های هوش مصنوعی و هم از نیاز به بهره‌گیری بهتر از منابع گران‌قیمت GPU ناشی می‌شود.

جِین با اشاره به نیازمندی‌های سخت‌گیرانه عملکردی و محدودیت‌های شدید هزینه گفت: «معمولاً جایی موفق می‌شویم که مشتریان باید در رعایت SLAها [توافق‌نامه‌های سطح خدمت] و TCO [هزینه کل مالکیت] سخت‌گیرتر باشند.» او گفت Simplismart برخلاف رقبایی که گزینه‌های ازپیش‌تعیین‌شده‌ای برای استنتاج سریع‌تر یا ارزان‌تر ارائه می‌کنند، می‌کوشد توازنی متناسب با نیازهای هر مشتری پیدا کند.

Simplismart در سال ۲۰۲۲ به دست جِین، مهندس پیشین Oracle، و دوانش گاتاک، مهندس پیشین Google (در تصویر بالا، سمت راست)، تأسیس شد و حاصل تجربه این دو در ساخت و استقرار سامانه‌های یادگیری ماشین بود. این دو هنگام تحصیل در BITS Pilani با یکدیگر آشنا شدند و به گفته جِین، این استارتاپ اکنون ۵۸ کارمند دارد.

Simplismart قصد دارد از سرمایه جدید برای گسترش فعالیت‌هایش در آمریکا، افزایش شمار کارکنان و سرمایه‌گذاری بیشتر در توسعه نرم‌افزار استنتاج خود استفاده کند. جِین به TechCrunch گفت آمریکا همچنان بازاری کلیدی برای این استارتاپ است و شرکت می‌خواهد بر پایه مشتریان فعلی خود در آن کشور، فعالیتش را گسترش دهد.

اعلام این سرمایه‌گذاری پس از انتشار گزارشی از روزنامه انگلیسی‌زبان هندی The Economic Times صورت گرفت که نوشته بود Simplismart در حال مذاکره برای جذب ۴۰ تا ۵۰ میلیون دلار سرمایه با ارزشی بین ۳۰۰ تا ۴۰۰ میلیون دلار است. جِین در پاسخ به پرسشی درباره این گزارش از اظهارنظر خودداری کرد و گفت استارتاپ در حال حاضر به‌طور فعال به دنبال جذب سرمایه نیست. او افزود دور سری B نهایی شده و تمدید نخواهد شد.