Whalesbook
AI துறையில் புதிய ஸ்டார்ட்அப் ஆன Niteshift, Greylock முதலீட்டு நிறுவனத்திடமிருந்து **$7 மில்லியன்** (சுமார் ₹58 கோடி) நிதியை பெற்றுள்ளது. பழைய Datadog இன்ஜினியர்கள் உருவாக்கியுள்ள இந்த நிறுவனம், வெவ்வேறு AI கோடிங் மாடல்களுக்கு இடையில் மாற உதவும் ஒரு உள்கட்டமைப்பை (Infrastructure Layer) உருவாக்கி வருகிறது. இதன் மூலம், ஒரே ஒரு பெரிய AI நிறுவனத்தை சார்ந்திருப்பதை குறைக்க திட்டமிட்டுள்ளனர்.
என்ன நடந்தது?
செயற்கை நுண்ணறிவு (AI) துறையில் வேகமாக வளர்ந்து வரும் Niteshift என்ற ஸ்டார்ட்அப், முன்னணி வென்ச்சர் கேபிடல் நிறுவனமான Greylock-இடம் இருந்து $7 மில்லியன் (சுமார் ₹58 கோடி) நிதியை பெற்றுள்ளது. இந்த நிறுவனத்தை, Datadog நிறுவனத்தின் ஆரம்பகால இன்ஜினியர்களான Sajid Mehmood மற்றும் Conor Branagan ஆகியோர் சேர்ந்து தொடங்கியுள்ளனர். இந்த நிதியை கொண்டு, AI அடிப்படையிலான கோடிங் பணிகளுக்கான ஒரு உள்கட்டமைப்பை உருவாக்க திட்டமிட்டுள்ளனர். இதன் முக்கிய நோக்கம், நிறுவனங்கள் ஒரே ஒரு AI வழங்குநரை மட்டுமே சார்ந்திருக்கும் பிரச்சனையை தீர்ப்பதாகும்.
முதலீட்டாளர்களுக்கு இது ஏன் முக்கியம்?
தற்போது பல நிறுவனங்கள் தங்களுடைய மென்பொருள் மேம்பாட்டு பணிகளில் AI-யை ஒருங்கிணைக்க தீவிரமாக முயன்று வருகின்றன. ஆனால், இதில் உள்ள ஒரு பெரிய சவால் ‘வெண்டார் லாக்-இன்’ (Vendor Lock-in) ஆகும். அதாவது, ஒரு நிறுவனம் OpenAI அல்லது Anthropic போன்ற ஒரே ஒரு AI வழங்குநரை மட்டும் நம்பி தங்கள் உள்கட்டமைப்பை உருவாக்கினால், அந்த வழங்குநர் தனது விலையை மாற்றினாலோ அல்லது சேவையை நிறுத்தினால் என்ன ஆகும் என்ற கேள்வி எழுகிறது. இதை தவிர்க்க, Niteshift ஒரு நடுநிலை தளத்தை (Middle Layer) உருவாக்க முனைந்துள்ளது. இதன் மூலம், நிறுவனங்கள் தங்களுக்கு தேவையான AI மாடல்களுக்கு இடையில் எளிதாக மாறிக் கொள்ள முடியும்.
பிசினஸ் மாடல் மற்றும் வியூகம்
Niteshift, பெரிய AI மாடல்களுடன் நேரடியாக போட்டியிடவில்லை. மாறாக, பல்வேறு AI மாடல்களுக்கும், அதை பயன்படுத்தும் நிறுவனங்களுக்கும் இடையே ஒரு பாலமாக செயல்படும் ‘பிளம்பிங்’ (Plumbing) போன்ற உள்கட்டமைப்பை உருவாக்குகிறது. இதன் பிளாட்ஃபார்ம் மூலம், ஒரு குறிப்பிட்ட திட்டத்திற்கு எந்த AI மாடல் (proprietary அல்லது open-source) சிறந்தது என்பதை தேர்ந்தெடுத்து, கோடிங் பணிகளை ஒதுக்க முடியும்.
மேலும், சேவைக் கட்டணம் வசூலிக்கும் விதமும் இவர்களிடம் வித்தியாசமாக உள்ளது. பல AI கருவிகள் 'டோக்கன்கள்' (tokens) எனப்படும் உரை அலகுகளின் அடிப்படையில் கட்டணம் வசூலிக்கின்றன. ஆனால், Niteshift ஆனது, Amazon Web Services போன்ற கிளவுட் கம்ப்யூட்டிங் சேவை வழங்குநர்கள் சர்வர் பயன்பாட்டிற்கு வசூலிப்பதைப் போல, நிமிட அடிப்படையிலான பயன்பாட்டிற்கு (per-minute usage basis) கட்டணம் வசூலிக்க முடிவு செய்துள்ளது. இது நிறுவனங்களுக்கு செலவை கணிக்க உதவும் என எதிர்பார்க்கப்படுகிறது.
முதலீட்டாளர்கள் இதை எப்படி பார்க்கலாம்?
AI துறையை உன்னிப்பாக கவனிக்கும் முதலீட்டாளர்களுக்கு, Niteshift-ன் இந்த முயற்சி, வெறும் மாடல்களை உருவாக்குவதை விட, உள்கட்டமைப்பில் கவனம் செலுத்துவதைக் காட்டுகிறது. AI கோடிங் சந்தையில் Cursor, Cognition போன்ற நிறுவனங்களும், Amazon Bedrock போன்ற பெரிய தொழில்நுட்ப நிறுவனங்களும் ஏற்கனவே போட்டியிடுகின்றன. நிறுவனங்களுக்கும் AI மாடல்களுக்கும் இடையே ஒரு பாலமாக செயல்படும் 'மிடில்வேர்' (Middleware) அணுகுமுறை, AI மாடல்களை தனித்தனியே உருவாக்குவதை விட லாபகரமாக இருக்குமா என்பதில் இது ஒரு ஆரம்பக்கட்ட பந்தயமாக முதலீட்டாளர்கள் பார்க்கலாம். Datadog நிறுவனத்தின் கண்காணிப்பு மற்றும் உள்கட்டமைப்பு அனுபவத்தை பயன்படுத்தி, நிஜ உலக உற்பத்தி சூழல்களில் AI-யால் உருவாக்கப்பட்ட குறியீடுகளை சரிபார்க்கும் சவால்களை எதிர்கொள்வார்கள் என நம்பப்படுகிறது.
சந்தை மற்றும் போட்டி அபாயங்கள்
இந்த துறையில் வெற்றி பெறுவது அவ்வளவு எளிதல்ல. AI கோடிங் துறை மிக வேகமாக மாறி வருகிறது. பெரிய தொழில்நுட்ப நிறுவனங்கள் தங்கள் கருவிகளை தொடர்ந்து புதுப்பிப்பதால், மூன்றாம் தரப்பு உள்கட்டமைப்பு வழங்குநர்களின் தேவை குறையலாம். OpenAI அல்லது Anthropic போன்ற முக்கிய AI மாடல் தயாரிப்பாளர்கள் தங்கள் சொந்த ஒருங்கிணைப்பு கருவிகளை எளிமைப்படுத்தினால், Niteshift போன்ற ஸ்டார்ட்அப்களுக்கான சந்தை வாய்ப்பு குறையக்கூடும். மேலும், நிறுவனங்கள் தங்கள் முக்கிய மென்பொருள் மேம்பாட்டு பணிகளுக்கு நம்பக்கூடிய அளவுக்கு தங்களது உள்கட்டமைப்பு நம்பகமானதாக இருப்பதை Niteshift நிரூபிக்க வேண்டும்.
முதலீட்டாளர்கள் எதைக் கண்காணிக்க வேண்டும்?
வரும் காலங்களில், Niteshift தனது பிளாட்ஃபார்மை எப்படி விரிவுபடுத்துகிறது என்பதையும், பெரிய நிறுவன வாடிக்கையாளர்களை ஈர்க்கிறதா என்பதையும் சந்தை பங்கேற்பாளர்கள் கண்காணிக்கலாம். பல்வேறு AI மாடல்களுக்கு இடையேயான உயர்தர ஒருங்கிணைப்பை பராமரிக்கும் திறன், நிறுவப்பட்ட தொழில்நுட்ப ஜாம்பவான்களிடமிருந்து வரும் போட்டியை சமாளிக்கும் விதம், மற்றும் நிமிட அடிப்படையிலான கட்டண மாதிரி போட்டியாளர்களின் டோக்கன் அடிப்படையிலான விலையுடன் ஒப்பிடும்போது கவர்ச்சிகரமாக இருக்கிறதா என்பது முக்கியமாக கவனிக்கப்பட வேண்டியவை.