Striveworks henter første finansiering på $33 millioner for å bygge verktøy for maskinlæringsoperasjoner
MLOps, eller DevOps for de som jobber med maskinlæringsmodeller, har sett en oppblomstring av interesse det siste året, og det burde ikke komme som noen overraskelse: organisasjoner ønsker å ta med mer maskinlæring i datavitenskapsstablene sine, men det krever bygging og opplæringsmodeller, rydde opp i data og sørge for at de fungerer som de skal. I dag annonserer en oppstart kalt Striveworks som bygger MLOps-verktøy for å håndtere dette arbeidet 33 millioner dollar i finansiering.
Dette er oppstartens første eksterne finansiering noensinne, og runden som nå avsluttes understreker både bølgen av interesse for det bredere området kunstig intelligens, men også Striveworks egen grep innenfor dette, med selskapets ARR som har vokst 300 % årlig i løpet av den siste tiden. to år.
De 33 millioner dollar kommer fra en enkelt investor, Centana Growth Partners, og Striveworks, basert i Austin, planlegger å bruke den til ansettelse og for videre produkt- og forretningsutvikling. Finansieringen kommer som det som ofte beskrives som en opportunistisk runde: Striveworks har vært i virksomhet i fem år, drevet som en “kapitaleffektiv” startup som tjente profitt og investerte det tilbake i veksten, ifølge Jim Rebesco – administrerende direktør som co. -grunnla selskapet sammen med Craig Desjardins, Eric Korman og Tony Manganiello.
Rebesco avslørte ikke nåværende kundenavn, men sa at de spenner over en rekke vertikaler som inkluderer myndigheter og finanssektoren som bruker maskinlæring for å bygge tjenester eller drive virksomheten deres, “sterkt regulerte industrier og nasjonale sikkerhetsapplikasjoner og tilknyttede områder som datasynsintensjonalitet , satellittbilder og kommersielle bilder,” la han til. Selskapet har også partnerskap med AWS og Azure for å jobbe med data i disse skyene. (Spesielt har den for øyeblikket ikke et lignende partnerskap med Google.)
Problemene som selskapet takler er ting som Rebesco – en doktorgrad i nevrovitenskap som tidligere har jobbet lenge i finansselskapet Virtu – sa at han og hans medgründere regelmessig møtte i tidligere selskaper, som Striveworks i hovedsak har som mål å bekjempe med realisme.
Det starter, sa han, med det han beskrev som “dag-en-problemet” om hvordan man bygger passende maskinlæringsmodeller for å passe ens mål. Men det er på noen måter den enkle delen. Kompleksiteten starter virkelig etter det.
“Gjør den det du forventer at den skal gjøre, og når du setter den i produksjon, fortsetter den å fungere som du forventer?” han sa. – Vi fokuserer på det som skjer videre.
Rebesco beskriver seg selv som en “mislykket fysiker” (en referanse til hans pre-PhD-arbeid, tror jeg), som lærte en viktig lekse om AI-modeller: De er alle statistiske og derfor bundet til å bringe opp feil. “Så et av nøkkelelementene ved ansvar er ikke bare å vite at det vil være feil, men å sette på plass en automatisert og gjennomtenkt plan for å løse det.”
Han mener at dette er noe som i økende grad må vurderes ettersom bruken av AI blir mer allestedsnærværende. “Datamodeller, AI- og ML-modeller, blir stadig viktigere, ikke som flyktige modeller. Enten det er kredittscoring eller helsetjenester, blir disse databasene lagret, og de blir forespurt. Men hvordan spør du [effectively] er så mye galt?”
Selskapet har som mål å takle dette ved hjelp av flaggskipplattformen Chariot, som kan brukes til å forberede data, bygge modeller og deretter kjøre disse modellene i produksjon. Ved å bruke et lavkodeformat som er rettet mot team som samarbeider, inkluderer funksjoner på plattformen modell-i-løkken-kommentarer, muligheten til å importere modeller og bruke tidligere katalogiserte datamodeller (fra din egen organisasjon), muligheten til å bygge tilpassede arbeidsflyter, spørre etter «herkomst» av data i settene dine, og muligheten til å integrere tredjepartsverktøy, blant andre funksjoner.
Det er nå mange startups (og større selskaper) i markedet som jobber med MLOps-løsninger – noen få som vi har dekket inkluderer Seldon, Galileo, Aries og Tecton. Større systemintegratorer er også med på handlingen, med McKinsey som nylig kjøpte Iguazio.
Ben Cukier, Centana-partneren som ledet investeringen, sa at Striveworks hadde en klar fordel fremfor disse, ved at selve virksomheten drives veldig bra, et tegn både på virksomheten til selskapet og hva de oppnår.
“De er på den skalaen hvor veksthastigheten deres, i tresifrede, er der de fleste er når de bare er i serie D. Jeg fikk en titt på deres virkelig effektive bruk av kapital og ble imponert. I løpet av 27 år med investering har jeg bare sett et par selskaper i stand til å oppnå den typen skala uten ekstern kapital. Det er en sjelden hendelse. Dette er ekte kunder, med syvsifrede kontrakter, og med netto oppbevaringstall som ville misunnes mange andre selskaper.»
Selskapet avslører ikke sin verdivurdering, men Cukier beskrev det nåværende markedet ikke som “stille”, men ganske enkelt “normalt” – det vil si, tilbake til business as usual etter det som har vært flere svært berusende år.