AI ஸ்டார்ட்அப் Inception, டிஃப்யூஷன் மாடல் தொழில்நுட்பத்திற்காக 50 மில்லியன் டாலர் விதை நிதியைப் பெற்றது

AI ஸ்டார்ட்அப் Inception, மேம்பட்ட டிஃப்யூஷன் அடிப்படையிலான செயற்கை நுண்ணறிவு மாடல்களை உருவாக்குவதில் கவனம் செலுத்தும் நிறுவனத்திற்கு ஒரு குறிப்பிடத்தக்க மைல்கல்லாக, 50 மில்லியன் டாலர் விதை நிதியை வெற்றிகரமாக உயர்த்தியுள்ளது. மென்லோ வென்ச்சர்ஸ் தலைமையிலான இந்த நிதிச் சுற்றில், Microsoft's M12 fund, Snowflake Ventures, Databricks Investment, மற்றும் Nvidia's venture arm, NVentures போன்ற முக்கிய தொழில்நுட்ப நிறுவனங்கள் பங்கேற்றன. ஆண்ட்ரூ என்ஜி மற்றும் ஆண்ட்ரேஜ் கர்பத்தி போன்ற முக்கிய நபர்களும் ஏஞ்சல் முதலீட்டாளர்களாக பங்களித்தனர்.

ஸ்டான்போர்ட் பேராசிரியர் ஸ்டீஃபனோ எர்மன் தலைமையிலான Inception, பாரம்பரியமாக பட உருவாக்கத்திற்கு அறியப்பட்ட டிஃப்யூஷன் மாடல்களை, மென்பொருள் மேம்பாடு உள்ளிட்ட பரந்த அளவிலான பணிகளுக்குப் பயன்படுத்துவதில் முன்னோடியாக உள்ளது. இந்த மாடல்கள், GPT-5 அல்லது ஜெமினி போன்றவற்றை இயக்கும் ஆட்டோ-ரெக்ரெஷன் மாடல்களில் இருந்து அடிப்படையில் வேறுபடுகின்றன, ஏனெனில் அவை வார்த்தைக்கு வார்த்தை கணிப்பதை விட, வெளியீடுகளைத் தொடர்ச்சியாக (iteratively) மாற்றியமைக்கின்றன. எர்மன் கூறுகையில், Inception's டிஃப்யூஷன் அடிப்படையிலான பெரிய மொழி மாடல்கள் (LLMs) கணிசமாக வேகமாகவும், திறமையாகவும் உள்ளன, மேலும் அவை லேட்டன்சி (பதில் நேரம்) மற்றும் கணினிச் செலவு (compute cost) போன்ற முக்கிய அளவீடுகளை நிவர்த்தி செய்கின்றன.

மென்பொருள் மேம்பாட்டிற்காக வடிவமைக்கப்பட்ட அவர்களின் புதிய மெர்குரி மாடல் (Mercury model), ஏற்கனவே ProxyAI, Buildglare, மற்றும் Kilo Code போன்ற கருவிகளில் ஒருங்கிணைக்கப்பட்டுள்ளது. டிஃப்யூஷன் மாடல்களின் இணைச் செயலாக்கத் தன்மைக்கு (parallelizable nature) காரணம் கூறுவதோடு, ஒரு வினாடிக்கு 1,000 டோக்கன்களுக்கு மேல் செயல்திறன் அளவுகோல்களை நிறுவனம் கூறுகிறது. இந்த தொழில்நுட்ப அணுகுமுறை, பெரிய கோட் பேஸ்களைச் செயலாக்குவதற்கும், தரவு கட்டுப்பாடுகளை நிர்வகிப்பதற்கும் குறிப்பாக நன்மை பயக்கும் என்று எதிர்பார்க்கப்படுகிறது.

தாக்கம்
இந்த கணிசமான விதை நிதி, நிறுவப்பட்ட மரபுகளுக்கு அப்பாற்பட்ட புதிய AI தொழில்நுட்பங்களில் முதலீட்டாளர்களின் மகத்தான ஆர்வத்தை அடிக்கோடிட்டுக் காட்டுகிறது. செயல்திறன் மற்றும் வேகத்தில் Inception's கவனம், AI மாடல் மேம்பாட்டில் மேலும் புதுமைகளைத் தூண்டக்கூடும், இது பல்வேறு தொழில்களில், குறிப்பாக மென்பொருள் பொறியியலில், மிகவும் அணுகக்கூடிய மற்றும் செயல்திறன் மிக்க AI தீர்வுகளுக்கு வழிவகுக்கும். இது குறிப்பிட்ட AI ஸ்டார்ட்அப்கள் தற்போதுள்ள தொழில்நுட்பங்களுக்கு சவால் விட கணிசமான மூலதனத்தை ஈர்க்கும் வளர்ந்து வரும் போக்கை எடுத்துக்காட்டுகிறது.
மதிப்பீடு: 7/10

"கடினமான சொற்கள்" தலைப்பு:

• டிஃப்யூஷன் மாடல்கள் (Diffusion Models): சத்தத்தை படிப்படியாக ஒரு கட்டமைக்கப்பட்ட முடிவாக மாற்றும் தொடர்ச்சியான சுத்திகரிப்பு செயல்முறை மூலம் வெளியீடுகளை உருவாக்கும் AI மாடல்கள், பெரும்பாலும் பட உருவாக்கத்திற்குப் பயன்படுத்தப்படுகின்றன, ஆனால் பிற தரவு வகைகளுக்கும் பொருந்தும்.
• ஆட்டோ-ரெக்ரெஷன் மாடல்கள் (Auto-regression Models): அடுத்தடுத்த உறுப்புகளை முந்தைய உறுப்புகளின் அடிப்படையில் கணித்து, வெளியீடுகளை தொடர்ச்சியாக உருவாக்கும் AI மாடல்கள், உரை உருவாக்கப் பணிகளில் பொதுவாகப் பயன்படுத்தப்படுகின்றன.
• லேட்டன்சி (Latency): ஒரு அமைப்பிலிருந்து பதில் பெறுவதற்கு ஒரு செயலைத் தொடங்குவதற்குக் இடையிலான நேர தாமதம். குறைந்த லேட்டன்சி என்பது வேகமான பதில் நேரங்களைக் குறிக்கிறது.
• கணினிச் செலவு (Compute Cost): AI மாடல்களைப் பயிற்றுவிக்க அல்லது இயக்கத் தேவையான கணினி வளங்கள் (எ.கா., செயலாக்க சக்தி, மின்சாரம்) தொடர்பான நிதிச் செலவு.
• வினாடிக்கு டோக்கன்கள் (Tokens per second): ஒரு வினாடிக்கு AI மாடல் எத்தனை உரை அலகுகளை (டோக்கன்கள்) செயலாக்க அல்லது உருவாக்க முடியும் என்பதைக் குறிக்கும் ஒரு அளவீடு, இது அதன் வேகத்தைக் குறிக்கிறது.
• முழுமையான அணுகுமுறை (Holistic approach): தனிப்பட்ட கூறுகளைப் பிரித்து செயலாக்குவதற்குப் பதிலாக, முழு அமைப்பையும் அல்லது சிக்கலின் சூழலையும் கருத்தில் கொள்வது.
• இணைச் செயலாக்க செயல்பாடுகள் (Parallelize Operations): ஒட்டுமொத்த செயலாக்கத்தை விரைவுபடுத்துவதற்கு, பல கணக்கீடுகள் அல்லது பணிகளை ஒரே நேரத்தில் செய்ய கணினி அமைப்பின் திறன்.