Niteshift ਨੇ AI Vendor Lock-in ਖਤਮ ਕਰਨ ਲਈ ਜੁਟਾਏ $7M

Niteshift, ਜਿਸ ਦੀ ਸਥਾਪਨਾ ਸਾਬਕਾ Datadog ਇੰਜੀਨੀਅਰਾਂ ਨੇ ਕੀਤੀ ਹੈ, ਨੇ Greylock ਤੋਂ $7 ਮਿਲੀਅਨ ਦੀ ਸੀਡ ਫੰਡਿੰਗ ਹਾਸਲ ਕੀਤੀ ਹੈ। ਇਹ ਕੰਪਨੀ ਇੱਕ ਅਜਿਹੀ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਲੇਅਰ ਬਣਾ ਰਹੀ ਹੈ ਜੋ ਵਪਾਰਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ AI ਕੋਡਿੰਗ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਬਦਲਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਇਕੱਲੇ, ਵੱਡੇ AI ਪ੍ਰਦਾਤਾਵਾਂ 'ਤੇ ਨਿਰਭਰਤਾ ਘੱਟ ਕੀਤੀ ਜਾ ਸਕੇ।

ਕੀ ਹੋਇਆ?

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਸਪੇਸ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਸਟਾਰਟਅੱਪ, Niteshift ਨੇ ਨਾਮੀ ਵੈਂਚਰ ਕੈਪੀਟਲ ਫਰਮ Greylock ਦੀ ਅਗਵਾਈ ਹੇਠ $7 ਮਿਲੀਅਨ ਦੀ ਸੀਡ ਫੰਡਿੰਗ ਹਾਸਲ ਕੀਤੀ ਹੈ। ਇਸ ਕੰਪਨੀ ਦੀ ਸ਼ੁਰੂਆਤ Sajid Mehmood ਅਤੇ Conor Branagan ਨੇ ਕੀਤੀ ਸੀ, ਜੋ ਕਿ ਦੋਵੇਂ ਹੀ Datadog ਦੇ ਸ਼ੁਰੂਆਤੀ ਇੰਜੀਨੀਅਰ ਰਹੇ ਹਨ। ਇਹ ਸਟਾਰਟਅੱਪ AI-ਅਧਾਰਿਤ ਕੋਡਿੰਗ ਲਈ ਇੱਕ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਲੇਅਰ ਬਣਾਉਣ ਲਈ ਇਸ ਫੰਡਿੰਗ ਦਾ ਇਸਤੇਮਾਲ ਕਰੇਗੀ, ਜਿਸ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਕਿਸੇ ਇੱਕ AI ਪ੍ਰਦਾਤਾ 'ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨਿਰਭਰ ਹੋਣ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨਾ ਹੈ।

ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇਹ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ?

ਅੱਜ ਕੱਲ੍ਹ ਬਹੁਤ ਸਾਰੇ ਕਾਰੋਬਾਰ ਆਪਣੇ ਸੌਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਪ੍ਰੋਸੈਸ ਵਿੱਚ AI ਨੂੰ ਏਕੀਕ੍ਰਿਤ (Integrate) ਕਰਨ ਲਈ ਜਤਨਸ਼ੀਲ ਹਨ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਕੰਪਨੀਆਂ ਲਈ ਇੱਕ ਵੱਡੀ ਚਿੰਤਾ "ਵੈਂਡਰ ਲਾਕ-ਇਨ" (Vendor Lock-in) ਦੀ ਧਾਰਨਾ ਹੈ। ਇਹ ਉਦੋਂ ਵਾਪਰਦਾ ਹੈ ਜਦੋਂ ਕੋਈ ਕਾਰੋਬਾਰ ਆਪਣੀ ਸਾਰੀ ਸੌਫਟਵੇਅਰ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਨੂੰ ਇੱਕੋ AI ਪ੍ਰਦਾਤਾ, ਜਿਵੇਂ ਕਿ OpenAI ਜਾਂ Anthropic, 'ਤੇ ਬਣਾ ਲੈਂਦਾ ਹੈ। ਜੇਕਰ ਉਹ ਪ੍ਰਦਾਤਾ ਬਾਅਦ ਵਿੱਚ ਉਸੇ ਬਾਜ਼ਾਰ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਦਾ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਜਾਂ ਆਪਣੀ ਕੀਮਤ ਅਤੇ ਸ਼ਰਤਾਂ ਬਦਲਦਾ ਹੈ, ਤਾਂ ਗਾਹਕ ਕੰਪਨੀ ਨੂੰ ਕਾਫੀ ਮੁਸ਼ਕਲਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਸਕਦਾ ਹੈ। Niteshift ਇਸ ਗੱਲ 'ਤੇ ਸੱਟਾ ਲਗਾ ਰਿਹਾ ਹੈ ਕਿ ਕੰਪਨੀਆਂ ਇੱਕ ਮੱਧ-ਲੇਅਰ (Middle Layer) ਚਾਹੁੰਦੀਆਂ ਹਨ ਜੋ ਉਹਨਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ AI ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਸਵਿੱਚ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੇ, ਨਾ ਕਿ ਸਿਰਫ ਇੱਕ 'ਤੇ ਨਿਰਭਰ ਰਹਿਣ।

ਬਿਜ਼ਨਸ ਮਾਡਲ ਅਤੇ ਰਣਨੀਤੀ

Niteshift ਵੱਡਿਆਂ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਕੋਈ ਨਵਾਂ AI ਮਾਡਲ ਬਣਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰ ਰਿਹਾ ਹੈ। ਇਸ ਦੀ ਬਜਾਏ, ਇਹ ਉਹ "ਪਲੰਬਿੰਗ" (Plumbing) ਬਣਾ ਰਿਹਾ ਹੈ ਜੋ ਕੰਪਨੀਆਂ ਨੂੰ ਵੱਖ-ਵੱਖ AI ਮਾਡਲਾਂ ਨਾਲ ਜੋੜਦਾ ਹੈ। ਇਹ ਪਲੇਟਫਾਰਮ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਕੋਡਿੰਗ ਕੰਮਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ—ਭਾਵੇਂ ਉਹ ਪ੍ਰੋਪਰਾਈਟਰੀ (Proprietary) ਹੋਣ ਜਾਂ ਓਪਨ-ਸੋਰਸ (Open-Source)—ਨੂੰ ਰੂਟ (Route) ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਕਿਸੇ ਖਾਸ ਪ੍ਰੋਜੈਕਟ ਲਈ ਲੋੜੀਂਦਾ ਹੈ।

ਇਸ ਸੇਵਾ ਲਈ ਚਾਰਜ ਕਰਨ ਦਾ ਉਹਨਾਂ ਦਾ ਇੱਕ ਹੋਰ ਵੱਖਰਾ ਪਹਿਲੂ ਹੈ। ਬਹੁਤ ਸਾਰੇ AI ਟੂਲ ਇਸ ਸਮੇਂ "ਟੋਕਨ" (Tokens) ਦੁਆਰਾ ਬਿਲ (Bill) ਕਰਦੇ ਹਨ, ਜੋ ਕਿ AI ਦੁਆਰਾ ਪ੍ਰੋਸੈਸ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਟੈਕਸਟ ਦੀਆਂ ਇਕਾਈਆਂ ਹਨ। Niteshift ਨੇ ਪ੍ਰਤੀ-ਮਿੰਟ ਵਰਤੋਂ (Per-minute usage) ਦੇ ਆਧਾਰ 'ਤੇ ਚਾਰਜ ਕਰਨਾ ਚੁਣਿਆ ਹੈ, ਜੋ ਕਿ Amazon Web Services ਵਰਗੇ ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਪ੍ਰਦਾਤਾਵਾਂ ਦੁਆਰਾ ਸਰਵਰ ਵਰਤੋਂ ਲਈ ਚਾਰਜ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਰਗਾ ਹੈ। ਇਸ ਮਾਡਲ ਦਾ ਉਦੇਸ਼ ਕਾਰੋਬਾਰਾਂ ਲਈ ਲਾਗਤਾਂ ਨੂੰ ਵਧੇਰੇ ਅਨੁਮਾਨਯੋਗ (Predictable) ਬਣਾਉਣਾ ਹੈ।

ਨਿਵੇਸ਼ਕ ਇਸਨੂੰ ਕਿਵੇਂ ਦੇਖ ਸਕਦੇ ਹਨ?

AI ਸਪੇਸ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣ ਵਾਲਿਆਂ ਲਈ, Niteshift ਸਿਰਫ ਮਾਡਲ ਬਿਲਡਿੰਗ ਦੀ ਬਜਾਏ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਵੱਲ ਇੱਕ ਬਦਲਾਅ ਦਾ ਪ੍ਰਤੀਕ ਹੈ। AI ਕੋਡਿੰਗ ਏਜੰਟਾਂ ਦਾ ਬਾਜ਼ਾਰ ਪਹਿਲਾਂ ਹੀ ਭੀੜ-ਭੜੱਕੇ ਵਾਲਾ ਹੈ, ਜਿਸ ਵਿੱਚ Cursor, Cognition ਵਰਗੇ ਭਰਪੂਰ ਫੰਡ ਵਾਲੇ ਪ੍ਰਤੀਯੋਗੀ ਅਤੇ Amazon Bedrock ਵਰਗੇ ਵੱਡੇ ਟੈਕ ਪਲੇਟਫਾਰਮ ਬਾਜ਼ਾਰ ਹਿੱਸੇਦਾਰੀ ਲਈ ਲੜ ਰਹੇ ਹਨ।

ਨਿਵੇਸ਼ਕ ਇਸਨੂੰ ਇਸ ਗੱਲ 'ਤੇ ਸ਼ੁਰੂਆਤੀ-ਦੌਰ ਦੀ ਬੇਟ (Bet) ਵਜੋਂ ਦੇਖ ਸਕਦੇ ਹਨ ਕਿ ਕੀ "ਮਿਡਲਵੇਅਰ" (Middleware) ਪਹੁੰਚ—ਕੰਪਨੀਆਂ ਅਤੇ AI ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਇੱਕ ਪੁਲ ਬਣਨਾ—ਸਮਝਿਆ ਜਾਵੇਗਾ, ਜਦੋਂ ਕਿ ਅੰਤਰੀਵ AI ਮਾਡਲਾਂ ਨੂੰ ਖੁਦ ਬਣਾਉਣ ਨਾਲੋਂ ਇਹ ਵਧੇਰੇ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ। ਸੰਸਥਾਪਕ Datadog ਤੋਂ ਆਪਣੇ ਤਜ਼ਰਬੇ 'ਤੇ ਭਰੋਸਾ ਕਰ ਰਹੇ ਹਨ, ਜੋ ਕਿ ਮਾਨੀਟਰਿੰਗ ਅਤੇ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਲਈ ਜਾਣੀ ਜਾਂਦੀ ਕੰਪਨੀ ਹੈ, ਤਾਂ ਜੋ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਪ੍ਰੋਡਕਸ਼ਨ ਵਾਤਾਵਰਣ ਵਿੱਚ AI-ਜਨਰੇਟਿਡ ਕੋਡ ਦੀ ਪੁਸ਼ਟੀ ਦੀਆਂ ਜਟਿਲਤਾਵਾਂ ਨੂੰ ਨੈਵੀਗੇਟ ਕੀਤਾ ਜਾ ਸਕੇ।

ਬਾਜ਼ਾਰ ਅਤੇ ਮੁਕਾਬਲੇ ਦੇ ਜੋਖਮ

ਇਸ ਸਪੇਸ ਵਿੱਚ ਸਫਲਤਾ ਦੀ ਕੋਈ ਗਾਰੰਟੀ ਨਹੀਂ ਹੈ। AI ਕੋਡਿੰਗ ਸੈਕਟਰ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਿਤ ਹੋ ਰਿਹਾ ਹੈ। ਵੱਡੀਆਂ ਟੈਕ ਕੰਪਨੀਆਂ ਆਪਣੇ ਟੂਲਜ਼ ਨੂੰ ਲਗਾਤਾਰ ਅਪਡੇਟ ਕਰ ਰਹੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਤੀਜੀ-ਧਿਰ ਦੇ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਪ੍ਰਦਾਤਾਵਾਂ ਦੀ ਲੋੜ ਘੱਟ ਸਕਦੀ ਹੈ। ਜੇਕਰ ਪ੍ਰਮੁੱਖ AI ਮਾਡਲ ਨਿਰਮਾਤਾ (ਜਿਵੇਂ ਕਿ OpenAI ਜਾਂ Anthropic) ਆਪਣੇ ਖੁਦ ਦੇ ਰੂਟਿੰਗ ਅਤੇ ਏਕੀਕਰਨ ਟੂਲਜ਼ ਨੂੰ ਸਰਲ ਬਣਾਉਣ ਦਾ ਫੈਸਲਾ ਕਰਦੇ ਹਨ, ਤਾਂ ਇਹ Niteshift ਵਰਗੀਆਂ ਸਟਾਰਟਅੱਪਾਂ ਲਈ ਮਾਰਕੀਟ ਦੇ ਮੌਕੇ ਨੂੰ ਘਟਾ ਸਕਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਟਾਰਟਅੱਪ ਨੂੰ ਇਹ ਸਾਬਤ ਕਰਨਾ ਹੋਵੇਗਾ ਕਿ ਇਸਦੀ ਇਨਫਰਾਸਟ੍ਰਕਚਰ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਗਾਹਕਾਂ ਦੁਆਰਾ ਉਹਨਾਂ ਦੇ ਮੁੱਖ ਸੌਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਵਰਕਫਲੋਜ਼ ਲਈ ਭਰੋਸੇਯੋਗ ਹੈ।

ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

ਅੱਗੇ ਵਧਦੇ ਹੋਏ, ਬਾਜ਼ਾਰ ਦੇ ਭਾਗੀਦਾਰ ਇਹ ਟਰੈਕ ਕਰ ਸਕਦੇ ਹਨ ਕਿ Niteshift ਆਪਣੇ ਪਲੇਟਫਾਰਮ ਨੂੰ ਕਿਵੇਂ ਸਕੇਲ ਕਰਦਾ ਹੈ ਅਤੇ ਕੀ ਇਹ ਵੱਡੇ ਐਂਟਰਪ੍ਰਾਈਜ਼ ਗਾਹਕਾਂ ਨੂੰ ਆਕਰਸ਼ਿਤ ਕਰ ਸਕਦਾ ਹੈ। ਮੁੱਖ ਨਿਗਰਾਨੀ ਵਿੱਚ ਕੰਪਨੀ ਦੀ ਕਈ ਵੱਖ-ਵੱਖ AI ਮਾਡਲਾਂ ਵਿੱਚ ਉੱਚ-ਗੁਣਵੱਤਾ ਏਕੀਕਰਨ ਬਣਾਈ ਰੱਖਣ ਦੀ ਸਮਰੱਥਾ, ਇਹ ਸਥਾਪਿਤ ਟੈਕ ਜਾਈਆਂਟਸ ਤੋਂ ਮੁਕਾਬਲੇ ਦਾ ਪ੍ਰਬੰਧਨ ਕਿਵੇਂ ਕਰਦਾ ਹੈ, ਅਤੇ ਕੀ ਇਸਦਾ ਪ੍ਰਤੀ-ਮਿੰਟ ਬਿਲਿੰਗ ਮਾਡਲ ਪ੍ਰਤੀਯੋਗੀਆਂ ਦੁਆਰਾ ਵਰਤੇ ਜਾਂਦੇ ਟੋਕਨ-ਆਧਾਰਿਤ ਕੀਮਤਾਂ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਆਕਰਸ਼ਕ ਸਾਬਤ ਹੁੰਦਾ ਹੈ, ਸ਼ਾਮਲ ਹਨ।