هوش مصنوعی Fireworks AI در ارزیابی ۱۷.۵ میلیارد دلاری، ۱.۵ میلیارد دلار جذب سرمایه کرد؛ حجم توکن به ۴۰ تریلیون در روز رسید

Fireworks AI در دور تأمین مالی Series D با ارزش‌گذاری ۱۷.۵ میلیارد دلار، مبلغ ۱.۵۰۵ میلیارد دلار جذب سرمایه کرد؛ این خبر در ۱۵ ژوئیه از سوی شرکت اعلام شد. این دور به رهبری Atreides Management، Index Ventures و TCV انجام شد و Nvidia نیز در میان سرمایه‌گذاران شرکت‌کننده قرار داشت — جزئیاتی قابل توجه، با توجه به اینکه کسب‌وکار Fireworks بر پایه ارائه خدمات استنتاج برای حجم‌های کاری هوش مصنوعی سایر شرکت‌ها در مقیاس گسترده بنا شده است.

اعداد و ارقام پشت این جذب سرمایه

Fireworks اعلام کرده است که پلتفرم این شرکت اکنون روزانه بیش از ۴۰ تریلیون توکن پردازش می‌کند؛ این رقم در مقایسه با ۱۵ تریلیون یک سال پیش، رشدی نزدیک به سه‌برابری در میزان استفاده خام را نشان می‌دهد. مهم‌تر از حجم این ارقام، منشأ این ترافیک است: شرکت اعلام می‌کند که بیش از ۹۵ درصد توکن‌های پردازش‌شده اکنون از مدل‌هایی ناشی می‌شوند که بر اساس داده‌های اختصاصی مشتریان منفرد تنظیم دقیق یا تخصصی شده‌اند، نه از فراخوانی‌های عمومی به مدل‌های پایه آماده.

این تحول از منظر تجاری اهمیت بسیاری دارد. Fireworks از مرز یک میلیارد دلار در نرخ درآمد سالانه عبور کرده است؛ رقمی که شرکت می‌گوید در طول سال گذشته پنج‌برابر رشد داشته است. دریافت هزینه برای حجم‌های کاری استنتاج تخصصی و تنظیم‌دقیق‌شده، معمولاً حاشیه سود بهتر و روابط پایدارتری با مشتریان در مقایسه با فروش مجدد دسترسی به APIهای مدل پایه عمومی به همراه دارد — تمایزی که احتمالاً توضیح می‌دهد چرا سرمایه‌گذاران حاضرند ارزش‌گذاری ۱۷.۵ میلیارد دلاری را برای یک شرکت لایه زیرساخت، نه یک توسعه‌دهنده مدل، تضمین کنند.

فهرست سرمایه‌گذاران داستان خود را روایت می‌کند

فراتر از سه سرمایه‌گذار اصلی، این دور شامل Lightspeed Venture Partners، Bessemer Venture Partners، Menlo Ventures، Insight Partners، Ontario Teachers' Pension Plan، Lone Pine Capital و چندین صندوق کوچک‌تر از جمله 20VC و Operator Collective نیز بود. مشارکت Nvidia از نظر استراتژیک جالب‌توجه‌ترین بخش این دور است: این شرکت تولیدکننده تراشه به‌صورت انتخابی در شرکت‌های زیرساخت هوش مصنوعی که تقاضا برای سخت‌افزارش را تحریک می‌کنند سرمایه‌گذاری می‌کند، و Fireworks به‌صراحت اعلام کرده است که بخشی از سرمایه جدید صرف گسترش زیرساخت محاسباتی و تعمیق مشارکت با ارائه‌دهندگان ابر از جمله Microsoft و Nvidia خواهد شد.

چرا "هوش تخصصی" محور این دور سرمایه‌گذاری است

Fireworks این دور سرمایه‌گذاری را حول یک پایان‌نامه مشخص جایگاه‌یابی می‌کند: اینکه مرحله بعدی پذیرش هوش مصنوعی سازمانی دیگر درباره اجاره دسترسی به مدل‌های عمومی هرچه بزرگ‌تر نیست، بلکه درباره ساخت سیستم‌های تخصصی آموزش‌دیده بر اساس داده‌ها و جریان‌های کاری اختصاصی هر شرکت است. این رویکرد تضادی آگاهانه با ارائه‌دهندگان مدل پایه محسوب می‌شود — Fireworks مدل‌های مرزی خود را نمی‌سازد، بلکه لایه زیرساختی را فراهم می‌کند که به شرکت‌ها امکان می‌دهد نسخه‌های تنظیم‌دقیق‌شده مدل‌های متن‌باز را به‌صورت کارآمد و در مقیاس گسترده مستقر و ارائه دهند.

این جایگاه‌یابی، Fireworks را در کنار گروه کوچکی از شرکت‌های هوش مصنوعی متمرکز بر زیرساخت قرار می‌دهد — به‌جای رقابت مستقیم با OpenAI، Anthropic یا Google در حوزه قابلیت‌های مدل، آن‌ها با ابرارائه‌دهندگان ابری و سایر پلتفرم‌های استنتاج در زمینه هزینه، تأخیر و ابزارهای سفارشی‌سازی برای اجرای کارآمد مدل‌های دیگران رقابت می‌کنند.

این سرمایه صرف چه اموری خواهد شد

Fireworks اعلام کرده است که این سرمایه صرف سه حوزه خواهد شد: گسترش زیرساخت محاسباتی برای پشتیبانی از رشد مستمر حجم توکن، افزایش شمار نیروهای مهندسی، و تعمیق مشارکت با ارائه‌دهندگان ابر. رشد ۱۶۷ درصدی حجم توکن به‌صورت سال‌به‌سال نشان می‌دهد که شرکت در برخی مناطق از نظر ظرفیت با محدودیت مواجه است و گسترش زیرساخت را به فوری‌ترین اولویت تبدیل می‌کند.

این وضعیت چه پیامی برای بازار گسترده‌تر دارد

ارزش‌گذاری ۱۷.۵ میلیارد دلاری برای یک شرکت زیرساخت استنتاج — در مقابل یک توسعه‌دهنده مدل — منعکس‌کننده دیدگاه رو به بلوغ سرمایه‌گذاران است که ارزش هوش مصنوعی سازمانی به‌طور فزاینده‌ای در لایه استقرار و سفارشی‌سازی، نه صرفاً در لایه مدل‌های مرزی، خلق می‌شود. با حرکت شرکت‌های بیشتری از آزمایش با چت‌بات‌های آماده به اجرای مدل‌های تنظیم‌دقیق‌شده بر روی داده‌های اختصاصی، زیرساختی که این فرآیند را کارآمد و مقرون‌به‌صرفه می‌سازد، به خودی خود به یک کسب‌وکار پایدار تبدیل می‌شود؛ مستقل از اینکه کدام مدل پایه در هر ماه معینی پیشتاز باشد.