RadixArk تجمع تمويلاً بتقييم 400 مليون دولار لأدوات استنتاج الذكاء الاصطناعي

جمعت شركة RadixArk الناشئة، التي أُعلن عنها في أغسطس الماضي، جولة تمويلية بقيادة شركة رأس المال الاستثماري Accel، وذلك وفقاً لشخصين مطلعين على الأمر. وتقيّم جولة التمويل الشركة بنحو 400 مليون دولار. وتعمل الشركة الناشئة، التي تقودها المؤسسة المشاركة والرئيسة التنفيذية Ying Sheng، ككيان تجاري يطور SGLang، وهو محرك نماذج ذكاء اصطناعي مفتوح المصدر وأداة لتحسين الاستنتاج. ويشير مصطلح “مفتوح المصدر” إلى البرمجيات التي يتم توفير كودها المصدري للتعديل. صُممت SGLang لتحسين معالجة الاستنتاج، وهي عملية تشغيل نماذج الذكاء الاصطناعي على الأجهزة. وتقود Ying Sheng الشركة، وهي التي أعلنت سابقاً عن دورها كرئيسة تنفيذية على LinkedIn الشهر الماضي. وكانت الشركة قد جمعت سابقاً رأس مال استثماري من مستثمرين ملائكيين، من بينهم Lip-Bu Tan.

نشأت الشركة في الأصل باسم SGLang في عام 2023 داخل مختبر Ion Stoica في جامعة كاليفورنيا، بيركلي. وقد قام Stoica، وهو مؤسس مشارك في Databricks وأستاذ في جامعة كاليفورنيا، بيركلي، باحتضان كل من SGLang ومشروعها النظير vLLM. وقد اكتسبت SGLang زخماً من خلال مساعدة الشركات على تشغيل نماذج الذكاء الاصطناعي بشكل أسرع وأكثر كفاءة، مما يقلل من تكاليف الخوادم المرتبطة بتشغيل خدمات الذكاء الاصطناعي. وفي حين تواصل RadixArk تطوير SGLang كأداة مجانية مفتوحة المصدر، بدأت الشركة الناشئة في فرض رسوم على خدمات الاستضافة. كما تعمل الشركة على بناء Miles، وهو إطار عمل متخصص مصمم للتعلم التعزيزي، وهو أسلوب تدريب في تعلم الآلة.

يعكس تمويل RadixArk توجهاً أوسع لمشاريع الأبحاث مفتوحة المصدر التي تنتقل بسرعة لتصبح شركات بنية تحتية تجارية ذات قيمة عالية. وقد حصل منافسون آخرون في قطاع بنية الاستنتاج التحتية مؤخراً على رأس مال كبير:

• Baseten: حصلت على 300 مليون دولار بتقييم 5 مليارات دولار، وفقاً لتقرير نشرته صحيفة Wall Street Journal يوم الثلاثاء.
• Fireworks AI: جمعت 250 مليون دولار بتقييم 4 مليارات دولار.
• vLLM: أجرى المشروع المنافس محادثات حول جمع ما يزيد عن 160 مليون دولار كتمويل بتقييم يبلغ نحو 1 مليار دولار، حسبما أفادت مجلة Forbes الشهر الماضي. ومع ذلك، وصف Simon Mo، المؤسس المشارك لـ vLLM، المعلومات المتعلقة بهذه الجولة التمويلية بأنها “غير دقيقة من الناحية الواقعية”.

لماذا يهم

أصبحت طبقة الاستنتاج عنق زجاجة حرجاً لكفاءة الذكاء الاصطناعي، مما يدفع باتجاه توجه تتحول فيه مشاريع الأبحاث مفتوحة المصدر بسرعة إلى شركات بنية تحتية تجارية ذات تقييمات عالية.