İspanya merkezli derin teknoloji şirketi Multiverse Computing, yapay zeka maliyetlerini düşürmeyi hedefleyen yeni bir finansman turuna çıktı. San Sebastián merkezli girişim, 27 Temmuz tarihinde yaptığı açıklamada, şirketin değerlemesini yaklaşık 1.7 milyar dolara taşıyacak olan 570 milyon dolarlık bir Seri C yatırım turu başlattığını duyurdu.

Yapay Zeka Modellerinde Dev Sıkıştırma Teknolojisi

Şirketin yatırım stratejisinin merkezinde, CompactifAI adı verilen özel bir araç yer alıyor. Multiverse Computing'in açıklamasına göre bu teknoloji, büyük dil modellerini doğruluk kaybı yaşatmadan yüzde 95 oranında sıkıştırabiliyor. Kuantum fiziğindeki tensör ağlarını kullanan sistem; bellek kullanımını, operasyonel maliyetleri ve her sorguda harcanan enerji miktarını önemli ölçüde azaltıyor.

Verimlilik Odaklı İş Modeli ve Müşteri Portföyü

Girişim, Meta'nın Llama gibi açık modellerin optimize edilmiş versiyonlarını sunarak, bu modellerin dev veri merkezleri yerine daha ucuz donanımlarda veya kurum içi sistemlerde çalışmasını sağlıyor. Yatırım turuna Forgepoint Capital International, BNPP Solar Impulse Venture Fund ve Bullhound Capital liderlik ediyor. Tur tamamlandığında şirketin toplam finansmanının 800 milyon dolara ulaşması bekleniyor.

Şirket, son yatırım turundan bu yana yıllık gelirlerinde on kat artış yaşandığını ve ilk çeyrek satışlarının geçen yıla oranla 96 kat yükseldiğini belirtti. Müşteri listesinde ise Bosch, Telefónica, Allianz, PwC ve Kanada Bankası gibi büyük isimler bulunuyor. 2019 yılında Enrique Lizaso ve Román Orús tarafından kurulan şirket, kuantum yazılım tecrübesini sel tahmini gibi farklı alanlara da uyguluyor.

Ne anlama geliyor?

Yapay zeka sistemlerinin çalıştırılması sürecinde ortaya çıkan işlem maliyetleri, modellerin eğitilme maliyetlerini geride bırakmaya başladı. Bu durum, yüksek hesaplama gücü ve enerji tüketimi gereksinimini beraberinde getiriyor. Veri merkezlerinin enerji talebi arttıkça, donanım altyapısını değiştirmeden yazılımsal yöntemlerle enerji tüketimini düşürmek kritik bir ihtiyaç haline geliyor.

Sıkıştırma mekanizmaları, karmaşık matematiksel yöntemler kullanarak modeldeki gereksiz veri tekrarlarını temizler. Bu sayede aynı işlem sonucuna çok daha az bellek ve elektrik harcayarak ulaşmak mümkün olur. Bu süreç, yapay zekanın bulut sistemlerinden çıkıp uç cihazlarda, yani internete bağlı yerel donanımlarda daha hızlı ve düşük maliyetle çalışmasına olanak tanır.