Alembic привлекает $145 млн для создания причинного искусственного интеллекта на периферии (causal AI edge)
Alembic Technologies привлекла 145 миллионов долларов в рамках раунда Серии B и финансирования роста при оценке стоимости, в 15 раз превышающей ее предыдущий раунд. Компания делает ставку на то, что следующим конкурентным преимуществом в сфере искусственного интеллекта станут не улучшенные языковые модели, а проприетарные данные и причинно-следственный анализ.
Базирующийся в Сан-Франциско стартап, который создает системы ИИ, определяющие причинно-следственные связи, а не просто корреляции, направляет значительную часть капитала на развертывание того, что она называет одним из самых быстрых частных суперкомпьютеров в мире — суперПОД Nvidia NVL72, который обеспечит работу ее корпоративных моделей причинно-следственного ИИ.
Инвестиционный раунд, возглавляемый Prysm Capital и Accenture при участии Silver Lake Waterman, Liquid 2 Ventures, NextEquity, Friends & Family Capital и WndrCo, выводит Alembic в число избранных хорошо финансируемых лабораторий ИИ, которые трансформируют методы принятия многомиллионных решений корпорациями.
Этот раунд финансирования и стратегическое направление компании отражают более масштабные изменения, происходящие в корпоративном ИИ по мере того, как разрыв в производительности между конкурирующими большими языковыми моделями сокращается. В то время как стартапы и технологические гиганты вложили миллиарды в создание все более крупных чат-ботов, Alembic придерживается иной теории: реальная ценность ИИ достанется тем системам, которые способны обрабатывать конфиденциальные корпоративные данные для ответов на вопросы, на которые общие модели ответить не могут.
«Поскольку возможности мощных моделей искусственного интеллекта все больше сближаются, ключевое конкурентное преимущество смещается в сторону проприетарных данных», — заявил Томас Пуиг (Tomás Puig), основатель и генеральный директор Alembic, в интервью VentureBeat.
Пуиг проиллюстрировал проблему, с которой сталкиваются руководители предприятий: «Представьте, что я управляю компанией по производству потребительских товаров и устанавливаю последнюю версию ChatGPT. Я спрашиваю: «Эй, ChatGPT, дай мне стратегию того, как увеличить мою долю выручки на северо-востоке». Затем ваш конкурент с соседней улицы задает точно такой же вопрос. В какой вы окажетесь беде, когда получите абсолютно тот же ответ?»
Как обанкротившийся стартап на Mac Pro совершил прорыв, изменивший всё
Резкое увеличение оценки — примерно с 50 миллионов долларов в ходе раунда Серии A примерно до 645 миллионов долларов в настоящее время, по словам источников, знакомых с ситуацией — отражает фундаментальную трансформацию технологии и рыночного позиционирования Alembic после предыдущего раунда финансирования.
Когда компания привлекла инвестиции Серии A в начале 2024 года, она была преимущественно компанией по обработке сигналов и аналитике корреляций, сосредоточенной на измерении маркетинговых показателей. «Для нас причинно-следственные технологии не существовали до периода после Серии A», — рассказал Пуиг изданию VentureBeat. Компания испытывала такой дефицит ресурсов, что даже не могла запустить симуляции для проверки работоспособности своих причинно-следственных моделей.
Прорыв произошел после раунда Серии A, когда у компании наконец-то появилось достаточно капитала для проверки своих теорий. «Мы были настолько бедны, что не могли даже запустить симуляцию, чтобы проверить, работает ли это», — вспоминает Пуиг. Когда тесты все же были проведены — сначала на «армии компьютеров Mac Pro», поскольку у них еще не было инфраструктуры графических процессоров — они обнаружили нечто неожиданное: их причинно-следственная модель работала не только в маркетинговой аналитике, но практически в любой бизнес-сфере с данными временных рядов.
«Мы начали добавлять функции по мере поступления запросов от клиентов, что было просто разумно и итеративно», — пояснил Пуиг. «Мы обнаружили, то, что модель работает во множестве данных универсально. То, что мы считали моделью для конкретной вертикали, в итоге оказалось полноценной обобщенной базовой моделью».
Это открытие превратило Alembic из поставщика маркетинговых технологий в компанию, создающую то, что Пуиг описывает как «всю центральную нервную систему предприятия во всех вертикалях — не только продажи, маркетинг, цепочки поставок, финансы и многое другое».
Почему причинно-следственный ИИ важнее корреляции для принятия корпоративных решений
Причинно-следственный ИИ — это принципиально иной подход по сравнению с аналитикой на основе корреляций, которая доминирует в большинстве инструментов бизнес-аналитики и даже во многих системах искусственного интеллекта. Если традиционная аналитика может показать, что вовлеченность в социальных сетях коррелирует с ростом продаж, то причинно-следственный ИИ способен определить, действительно ли активность в соцсетях вызвала рост продаж — или же оба фактора были вызваны какой-то третьей причиной, например вирусной новостью.
Это различие имеет колоссальное значение для руководителей, принимающих решения о распределении бюджета. «Большинство компаний не испытывают недостатка в данных», — сказал Пуиг. «Им не хватает ответов».
Для клиентов Alembic, среди которых теперь числятся Delta Air Lines, Mars, Nvidia и несколько компаний из списка Fortune 500 в сфере финансовых услуг, технологий и потребительских товаров, платформа может отвечать на ранее неразрешимые вопросы об эффективности маркетинга, операционной эффективности и стратегических инвестициях.
«Способность Alembic напрямую связывать маркетинговое воздействие с результатами бизнеса — со скоростью, точностью и детализацией — это то, что сделало наши отношения столь трансформационными для нас», — отметила Алисия Тиллман (Alicia Tillman), директор по маркетингу Delta Air Lines. «В отличие от традиционных инструментов измерения, Alembic предоставил нам единое представление по всем каналам и кампаниям, открыв инсайты, к которым у нас просто не было доступа раньше».
Авиакомпания использовала Alembic для оценки роста выручки от своего спонсорства Олимпийской сборной США (Team USA) всего через несколько дней после запуска кампании, напрямую связав деятельность бренда с продажами билетов — тип измерения, который ускользал от маркетологов на протяжении десятилетий. Традиционные модели атрибуции либо полностью игнорируют создание бренда, либо присваивают ему расплывчатые метрики «осведомленности», которые не транслируются в финансовый результат.
«Это очень преобразует», — сказал Пуиг о влиянии на клиентов. «Интересно то, что сами руководители являются пользователями нашего программного обеспечения и наших результатов. Это не инструмент, используемый отдельным менеджером кампании».
Внутри двухэтажного суперкомпьютера с жидкостным охлаждением, который буквально плавил графические процессоры
Решение Alembic инвестировать значительные средства в собственную вычислительную инфраструктуру, а не полагаться на облачных провайдеров, продиктовано как техническими требованиями ее причинно-следственных моделей, так и жесткими требованиями корпоративных клиентов к конфиденциальности данных.
Компания развертывает суперПОД Nvidia NVL72 — массивную систему с жидкостным охлаждением, оснащенную самыми передовыми графическими процессорами Nvidia Blackwell — в партнерстве с оператором дата-центров Equinix в Сан-Хосе, штат Калифорния. По словам Пуига, компания Nvidia сообщила Alembic, что она является единственной компанией в мире, не входящей в список Fortune 500, которая эксплуатирует подобную систему.
Потребность в таком уровне вычислений проистекает из того, как работают модели Alembic. В отличие от больших языковых моделей, которые один раз обучаются на исторических данных, а затем развертываются, система Alembic использует «онлайн-модели и развивающиеся» модели, построенные на базе импульсных нейронных сетей — архитектур, вдохновленных структурой мозга, которые непрерывно обучаются по мере поступления новых данных.
«Она создает сама себя по мере того, как вы подпитываете ее данными, подобно человеческой эволюции», — пояснил Пуиг. «Модель единая, но в итоге она создает уникальный мозг для каждой отдельной компании».
Это непрерывное обучение происходит в огромном масштабе. Когда клиент загружает данные, система Alembic автоматически перебирает миллиарды возможных комбинаций того, как эти данные могут быть проанализированы, тестируя все мыслимые способы разделения метрик и измерений для поиска сильнейших причинно-следственных сигналов. Такой уровень вычислений требует инфраструктуры класса «Формулы-1», а не «производственного Porsche», предлагаемого облачными провайдерами.
Компания пишет собственный код CUDA и низкоуровневые <ядра GPU> GPU kernels, оптимизированные специально для рабочих нагрузок причинно-следственного вывода — оптимизации, которые невозможны на стандартных облачных конфигурациях. Этот подход оказался настолько требовательным, что в свое время Alembic буквально расплавила свои видеокарты, доведя их до предела тепловых возможностей. «Мы буквально так сильно нагружаем эти схемы, что нам нужна версия для болида Формулы-1, и у нас должен быть доступ к ней», — сказал Пуиг.
Переход на системы с жидкостным охлаждением решает эту проблему, но он также позволяет Alembic выполнять рабочие нагрузки, которые в облачных платформах стоили бы на порядки дороже. «Мы произвели расчеты: если бы мы покупали лишь один подраздел наших вычислительных мощностей у AWS, это стоило бы 62 миллиона долларов в год», — сказал Пуиг. Владение собственной инфраструктурой обходится в «долю от этой суммы».
Стратегия суперкомпьютеров служит еще одной важнейшей цели: обеспечению цифрового суверенитета. Многие клиенты Alembic — особенно в сфере финансовых услуг, потребительских товаров и регулируемых отраслях — имеют договорные запреты на размещение конфиденциальных данных на Amazon Web Services, Microsoft Azure или Google Cloud.
«Компании, производящие потребительские товары, не хотят, чтобы какие-либо данные когда-либо существовали на Amazon», — сказал Пуиг. «Они просто не допустят этого. Некоторые клиенты отказываются использовать Microsoft, другие избегают других провайдеров. А определенным банкам и финансовым институтам вообще юридически запрещено использовать облачные платформы».
Управляя собственной инфраструктурой в нейтральных центрах обработки данных, Alembic может обслуживать клиентов, которые никогда бы не рассмотрели облачную аналитику — это создает надежный защитный ров, который облачным гиперскейлерам было бы трудно скопировать.
Как Дженсен Хуанг прочитал новостную статью и изменил судьбу Alembic
Отношения Alembic с Nvidia иллюстрируют как амбиции стартапа, так и то, как гигант по производству чипов поддерживает перспективные компании, занимающиеся искусственным интеллектом. Nvidia является для Alembic ключевым корпоративным клиентом, эксклюзивным суперкомпьютерным партнером и важным техническим коллаборатором, хотя, примечательно, не инвестором.
Эти отношения начались неожиданным образом. После того как Alembic объявила о привлечении финансирования Серии A в начале 2024 года, соучредитель и генеральный директор Nvidia Дженсен Хуанг (Jensen Huang) прочитал публикацию на VentureBeat и написал своим сотрудникам по электронной почте с предложением изучить эту компанию, рассказал Пуиг. Поскольку у Alembic на сайте тогда еще не было формы для контактов, директор Nvidia связался с ними через LinkedIn.
Партнерство чуть не сорвалось из-за базового ограничения: вычислительной мощности. После того как Alembic представила свой первый причинно-следственный анализ, на генерацию которого ушли недели на массиве компьютеров Mac Pro, компания Nvidia поинтересовалась, смогут ли они делать еженедельные отчеты. «Я ответил нет, потому что это заняло недели на этой армии машин», — вспоминает Пуиг.
Когда Alembic заявила, что они могут делать это с помощью графических процессоров, но не могут обеспечить необходимые вычисления (облачные провайдеры в то время требовали одобрения комиссий и предлагали сроки от двух до шести недель без каких-либо гарантий), Nvidia вмешалась напрямую. Производитель чипов договорился с Equinix о предоставлении закрытой стойки в Северной Вирджинии с достаточной мощностью и помог Alembic найти ее первый кластер H100 GPU.
«Без этого компания бы никогда не существовала», — сказал Пуиг. «Мы не могли получить вычислительные мощности в нужной нам конфигурации больше нигде».
С тех пор партнерство углубилось. Alembic использует программный пакет Nvidia AI Enterprise, включая специализированные библиотеки, такие как cuGraph для графовой обработки и TensorRT для высокоскоростного инференса. По словам Пуига, тесная интеграция позволяет «нашим исследовательским группам использовать многоэксафлопсные вычисления и алгоритмический программный стек Nvidia. Эта интеграция — одно из наших секретных оружий: мы тратим больше времени на прорывные исследования и математику и меньше — на рутинную низкоуровневую инженерию».
Поддержка Nvidia вышла за рамки технологий. Когда Alembic продолжала выводить из строя графические процессоры при экстремальных нагрузках — нагружая чипы так сильно, что тепловое напряжение раскалывало печатные платы, — Nvidia ускорила доступ стартапа к системам с жидкостным охлаждением следующего поколения. «Смешная причина, по которой мы получили [NVL72], — сказал Пуиг, — заключается в том, что когда мы плавили чипы, Nvidia была буквально раздражена тем, как часто им приходилось обслуживать нашу гарантию».
От олимпийского спонсорства до вирусных конфетных моментов: как компании из списка Fortune 500 измеряют неизмеримое
Клиентская база Alembic быстро расширяется по мере того, как предприятия ищут способы измерения инвестиций в ИИ и маркетинг, которые традиционная аналитика не может зафиксировать. Сейчас компания работает с Delta Air Lines, Mars, множеством технологических компаний и фирм финансовых услуг из списка Fortune 500, а также с атлетической программой Техасского университета A&M.
Варианты использования выходят далеко за рамки первоначальной маркетинговой направленности Alembic. Компания Mars использовала платформу для измерения влияния изменения формы конфет для тематических промо-акций на продажи. Технологическая компания из списка Fortune 500 увеличила свой пул продаж на 37% с помощью моделей атрибуции Alembic. Фирмы, предоставляющие финансовые услуги, используют платформу для связи публичных выступлений генерального директора и расходов на ко-маркетинг с реальными потоками фондов.
«Alembic помогла нам отойти от подсчета показов и показать, что именно привело к созданию новых чистых инвестиций», — заявил руководитель отдела ко-маркетинга в финансовой компании из списка Fortune 200. «Впервые мы смогли увидеть, как появление нашего генерального директора на публике и наши доллары совместного маркетинга с биржами транслируются в реальные денежные потоки».
Для Mars возможность измерять ранее неизмеримую активность трансформировала процесс принятия решений. «Мы используем математику, чтобы освободить творчество», — сказала Гюлен Бенги (Gülen Bengi), главный специалист по глобальному маркетингу Mars и глобальный директор по росту подразделения Mars Snacking. «Наши фанаты и сообщества создают миллиарды органических разговоров и контента о наших брендах. Когда происходит вирусный момент, мы обычно знаем, что он направленно положителен, но мы не можем приписать рост продаж или его место в клиентском путешествии. Причинно-следственный ИИ от Alembic — это прорыв, позволяющий нам выйти за рамки корреляции и увидеть именно то, как этот органический разговор создал последовательность, которая напрямую повлияла на продажи».
По словам Пуига, платформа может прогнозировать выручку, коэффициенты конверсии и привлечение клиентов на срок до двух лет вперед с точностью 95%. «То, что они делали раньше — они буквально не знали о некоторых вещах», — сказал он, описывая, как клиенты ранее оценивали ценность прав на наименование стадионов или крупных спонсорств, никогда не измеряя фактического долларового эффекта. «Теперь вы можете прийти и заявить: это оказало такой-то эффект на такую-то прибыль (P&L), и вот куда это направляется, причем узнать это можно в течение нескольких дней или почти в реальном времени».
Почему Google, Meta и Nielsen не могут легко скопировать то, что создала Alembic
Alembic работает в конкурентной среде, которая включает в себя как традиционных поставщиков маркетинговых измерений вроде Nielsen, аналитические платформы от Google и Meta, так и новые стартапы в области аналитики на базе ИИ. Но Пуиг утверждает, что компания создала структурные преимущества, которые было бы трудно воспроизвести.
Во-первых, причинно-следственные модели компании опираются на проприетарную математику, разработанную за годы работы и защищенную патентами. «Вам придется начинать с нуля», — сказал Пуиг. «Это не похоже на языковую модель, которая использует трансформер из научной статьи, и которую вы могли бы попытаться воссоздать. Вам действительно придется пойти и воссоздать методологию с нуля».
Во-вторых, массивные вычислительные требования создают естественный барьер. Alembic работает на «уровнях вычислений базовых моделей, даже не сравнимых с тем, что вы могли бы запустить на [AWS] Sagemaker», — сказал Пуиг. «Мы говорим о сотен миллионов долларов в год» в эквивалентных затратах на облачные вычисления.
В-третьих, требования корпоративных клиентов к суверенитету данных создают возможности для нейтральных третьих лиц, с которыми облачным гиперскейлерам сложно конкурировать. Как отметил один венчурный инвестор, предприятия все больше беспокоятся о помещении стратегических данных в системы, принадлежащие потенциальным конкурентам.
Наконец, способность Alembic работать с неструктурированными и фрагментированными данными отражает годы инженерной работы, предшествовавшей ее прорыву в области причинно-следственного ИИ. «Первые четыре [или] пять лет жизни компании ушли на создание этого гигантского процессора сигналов, который работал с грязными данными», — сказал Пуиг. «Мы бы не смогли этого сделать, если бы не потратили все это время».
Почему contrarian-ставка Alembic на приватные данные может изменить корпоративный ИИ
Раунд финансирования в 145 миллионов долларов подтверждает правильность нестандартной ставки в ландшафте ИИ, где доминирует гонка за создание все более крупных языковых моделей. В то время как OpenAI, Anthropic и другие соревнуются в том, чей чат-бот может писать лучший код или отвечать на большее количество вопросов викторины, Alembic строит инфраструктуру для другого вида интеллекта — такого, который понимает причину и следствие в запутанных, проприетарных данных, определяющих уникальную конкурентную позицию каждой компании.
Эволюция компании от начавшего с нуля стартапа, запускающего симуляции на Mac Pro, до управления одним из самых быстрых частных суперкомпьютеров в мире отражает более широкое взросление корпоративного ИИ. По мере того как технологии переходят от экспериментов к критически важным развертываниям, компаниям требуется больше, чем просто универсальные модели, обученные на публичных данных. Им нужны системы, способные обрабатывать их личную информацию для ответов на вопросы, на которые их конкуренты ответить не могут.
Тезис Пуига о том, что частные данные становятся ключевым дифференциатором по мере сближения публичных моделей, перекликается с тем, как развивались другие технологии. Поисковые системы сделали доступ к публичной информации товаром широкого потребления, сделав проприетарные данные более ценными. Облачные вычисления превратили инфраструктуру в утилиту, повысив важность того, что вы строите поверх нее. Если большие языковые модели аналогичным образом сойдутся в возможностях, конкурентное преимущество перейдет к тому, кто сможет лучше всего извлекать информацию из данных, недоступных другим.
Компания уже тестирует свои технологии за пределами маркетинговой аналитики. Ведутся пилотные проекты в области робототехники, где причинно-следственные модели могут помочь автономным системам понять, как действия приводят к результатам. Запускаются новые линейки продуктов, включая базу данных с ускорением на GPU, которую клиенты покупают отдельно. По словам Пуига, амбиция состоит в том, чтобы стать «центральной нервной системой» предприятия — слоем, который связывает причину и следствие во всех бизнес-функциях.
Удастся ли Alembic реализовать это видение, еще предстоит увидеть. Компания работает в сложных корпоративных средах, где циклы продаж долги, а проблемы интеграции значительны. Конкуренты не стоят на месте, и технические защитные барьеры, которые защищают ее сегодня, могут разрушиться по мере того, как методы причинно-следственного ИИ станут более понятными.
Но на данный момент Alembic занимает уникальное положение. У нее есть именитые клиенты, достигающие измеримых результатов. У нее есть инфраструктура, воспроизведение которой на облачных платформах обошлось бы в сотни миллионов долларов. У нее есть проприетарная математика, отточенная за годы работы с запутанными корпоративными данными. И у нее есть 145 миллионов долларов на масштабирование того, что Пуиг описывает как фундаментальный сдвиг от корреляции к причинности.
В своем интервью VentureBeat Пуиг провел параллель с количественными хедж-фондами, которые используют математику для получения торговых преимуществ, с которыми общий ИИ не может сравниться. «ChatGPT по-прежнему не может сравниться с Renaissance Technologies», — сказал он, имея в виду секретную фирму, которая генерировала историческую доходность с помощью количественных моделей.
Это сравнение отражает ключевое понимание Alembic: в мире, где у каждого есть доступ к одному и тому же универсальному ИИ, устойчивое преимущество проистекает из специализированных систем, которые понимают причинно-следственные связи, скрытые в ваших данных. Это ставка на то, что будущее корпоративного ИИ выглядит меньше как универсальный чат-бот и больше как частный разведывательный движок — такой, который, возвращаясь к первоначальной мысли Пуига, не позволяет вашему конкуренту получить тот же ответ, когда они задают тот же вопрос.
