Desafíos de Infraestructura de Datos para IA Multimodal

Mientras trabajaban como ingenieros de software en la división de vehículos autónomos de Lyft, los fundadores de Eventual, Sammy Sidhu y Jay Chia, identificaron un problema crítico de infraestructura de datos, uno destinado a crecer con el auge de la IA.
Los vehículos autónomos generan grandes cantidades de datos no estructurados, incluyendo escaneos 3D, imágenes, texto y audio. Los ingenieros de Lyft carecían de una herramienta unificada para procesar estos diversos tipos de datos simultáneamente, obligándolos a depender de soluciones de código abierto fragmentadas que consumían tiempo y eran poco confiables.
“Vimos a brillantes doctores e expertos de la industria dedicando el 80% de su tiempo a la infraestructura en lugar del desarrollo de aplicaciones principales,” compartió Sidhu, CEO de Eventual, en una reciente entrevista con TechCrunch. “La mayoría de los desafíos provenían de la infraestructura de datos.”
Sidhu y Chia desarrollaron una herramienta interna de procesamiento de datos multimodal en Lyft. Cuando Sidhu exploró nuevas oportunidades laborales, los entrevistadores expresaron repetidamente interés en una solución similar para sus organizaciones, lo que dio origen a la idea de Eventual.
Eventual creó Daft, un motor de procesamiento de datos de código abierto nativo de Python diseñado para manejar eficientemente diversos tipos de datos, desde texto hasta audio y video. Sidhu aspira a que Daft revolucione la infraestructura de datos no estructurados, como SQL transformó los datos tabulares.
Fundada a principios de 2022, casi un año antes del debut de ChatGPT, Eventual lanzó la versión inicial de código abierto de Daft ese año y planea introducir un producto empresarial en el tercer trimestre.
“El auge de ChatGPT destacó el aumento en aplicaciones de IA que usan diversos tipos de datos,” señaló Sidhu. “A medida que los desarrolladores incorporaban imágenes, documentos y videos, vimos un aumento drástico en el uso de Daft.”
Ahorra Más de $200 en Tu Pase Completo de TechCrunch
Innova de manera más inteligente, escala eficientemente y forja conexiones significativas. Únete a visionarios de Precursor Ventures, NEA, Index Ventures, Underscore VC y más para un día de conocimientos estratégicos, talleres y networking.
Ahorra Más de $200 en Tu Pase Completo de TechCrunch
Innova de manera más inteligente, escala eficientemente y forja conexiones significativas. Únete a visionarios de Precursor Ventures, NEA, Index Ventures, Underscore VC y más para un día de conocimientos estratégicos, talleres y networking.
Aunque Daft se originó en el sector de vehículos autónomos, sus aplicaciones abarcan industrias como robótica, tecnología minorista y salud. Eventual ahora atiende a clientes como Amazon, CloudKitchens y Together AI.
Eventual aseguró dos rondas de financiación en ocho meses: una ronda semilla de $7.5 millones liderada por CRV y una Serie A de $20 millones liderada por Felicis, con participación de M12 de Microsoft y Citi.
La reciente financiación mejorará las ofertas de código abierto de Eventual y apoyará el desarrollo de un producto comercial, permitiendo a los clientes construir aplicaciones de IA usando datos procesados.
Astasia Myers, socia general en Felicis, descubrió Eventual a través de un análisis de mercado enfocado en la infraestructura de datos para modelos de IA multimodal.
Myers destacó la ventaja de ser pionero de Eventual en un espacio que probablemente se vuelva competitivo, señalando la experiencia directa de los fundadores con los desafíos de procesamiento de datos. Ella enfatizó la creciente necesidad de tales soluciones.
Según MarketsandMarkets, la industria de IA multimodal se espera que crezca a una tasa anual compuesta del 35% de 2023 a 2028.
“La creación de datos globales ha aumentado 1,000 veces en los últimos 20 años, con el 90% generado en los últimos dos años, y la mayoría es no estructurado, según IDC,” dijo Myers. “Daft aborda esta enorme tendencia en IA generativa, que depende de texto, imágenes, video y voz, requiriendo un motor de procesamiento de datos nativo multimodal.”
Artículo relacionado
Tim Cook deja el cargo: ¿qué le depara el futuro a Apple?
Cargando el reproductor…Tim Cook ha anunciado su intención de dejar el cargo de director ejecutivo en septiembre, cediendo el liderazgo al responsable de hardware, John Ternus.Aunque Ternus heredará u
El «club de chicos» de la IA amenaza con agravar la desigualdad de género en materia de riqueza, advierte Rana el Kaliouby
A Rana el Kaliouby, investigadora en inteligencia artificial, emprendedora e inversora, le preocupa que la inteligencia artificial corra el riesgo de convertirse en otro «club de chicos» exclusivo den
Las principales empresas estadounidenses de inteligencia artificial obtendrán más de 100 millones de dólares en financiación en 2026.
En menos de dos meses de 2026, casi 20 startups de IA con sede en Estados Unidos ya han conseguido rondas de financiación masivas de 100 millones de dólares o más.Si las primeras semanas del año sirve
Recomendaciones de temas especiales relacionados
comentario (2)
0/500
이 기사 읽고 AI 데이터 인프라 문제가 생각보다 훨씬 더 복잡하단 걸 깨달았어요. 멀티모달 AI가 발전할수록 데이터 관리가 핵심이 되겠네요. 실제 경험에서 나온 솔루션이라 더 믿음이 가는 것 같아요 🤔

Mientras trabajaban como ingenieros de software en la división de vehículos autónomos de Lyft, los fundadores de Eventual, Sammy Sidhu y Jay Chia, identificaron un problema crítico de infraestructura de datos, uno destinado a crecer con el auge de la IA.
Los vehículos autónomos generan grandes cantidades de datos no estructurados, incluyendo escaneos 3D, imágenes, texto y audio. Los ingenieros de Lyft carecían de una herramienta unificada para procesar estos diversos tipos de datos simultáneamente, obligándolos a depender de soluciones de código abierto fragmentadas que consumían tiempo y eran poco confiables.
“Vimos a brillantes doctores e expertos de la industria dedicando el 80% de su tiempo a la infraestructura en lugar del desarrollo de aplicaciones principales,” compartió Sidhu, CEO de Eventual, en una reciente entrevista con TechCrunch. “La mayoría de los desafíos provenían de la infraestructura de datos.”
Sidhu y Chia desarrollaron una herramienta interna de procesamiento de datos multimodal en Lyft. Cuando Sidhu exploró nuevas oportunidades laborales, los entrevistadores expresaron repetidamente interés en una solución similar para sus organizaciones, lo que dio origen a la idea de Eventual.
Eventual creó Daft, un motor de procesamiento de datos de código abierto nativo de Python diseñado para manejar eficientemente diversos tipos de datos, desde texto hasta audio y video. Sidhu aspira a que Daft revolucione la infraestructura de datos no estructurados, como SQL transformó los datos tabulares.
Fundada a principios de 2022, casi un año antes del debut de ChatGPT, Eventual lanzó la versión inicial de código abierto de Daft ese año y planea introducir un producto empresarial en el tercer trimestre.
“El auge de ChatGPT destacó el aumento en aplicaciones de IA que usan diversos tipos de datos,” señaló Sidhu. “A medida que los desarrolladores incorporaban imágenes, documentos y videos, vimos un aumento drástico en el uso de Daft.”
Ahorra Más de $200 en Tu Pase Completo de TechCrunch
Innova de manera más inteligente, escala eficientemente y forja conexiones significativas. Únete a visionarios de Precursor Ventures, NEA, Index Ventures, Underscore VC y más para un día de conocimientos estratégicos, talleres y networking.
Ahorra Más de $200 en Tu Pase Completo de TechCrunch
Innova de manera más inteligente, escala eficientemente y forja conexiones significativas. Únete a visionarios de Precursor Ventures, NEA, Index Ventures, Underscore VC y más para un día de conocimientos estratégicos, talleres y networking.
Aunque Daft se originó en el sector de vehículos autónomos, sus aplicaciones abarcan industrias como robótica, tecnología minorista y salud. Eventual ahora atiende a clientes como Amazon, CloudKitchens y Together AI.
Eventual aseguró dos rondas de financiación en ocho meses: una ronda semilla de $7.5 millones liderada por CRV y una Serie A de $20 millones liderada por Felicis, con participación de M12 de Microsoft y Citi.
La reciente financiación mejorará las ofertas de código abierto de Eventual y apoyará el desarrollo de un producto comercial, permitiendo a los clientes construir aplicaciones de IA usando datos procesados.
Astasia Myers, socia general en Felicis, descubrió Eventual a través de un análisis de mercado enfocado en la infraestructura de datos para modelos de IA multimodal.
Myers destacó la ventaja de ser pionero de Eventual en un espacio que probablemente se vuelva competitivo, señalando la experiencia directa de los fundadores con los desafíos de procesamiento de datos. Ella enfatizó la creciente necesidad de tales soluciones.
Según MarketsandMarkets, la industria de IA multimodal se espera que crezca a una tasa anual compuesta del 35% de 2023 a 2028.
“La creación de datos globales ha aumentado 1,000 veces en los últimos 20 años, con el 90% generado en los últimos dos años, y la mayoría es no estructurado, según IDC,” dijo Myers. “Daft aborda esta enorme tendencia en IA generativa, que depende de texto, imágenes, video y voz, requiriendo un motor de procesamiento de datos nativo multimodal.”
Tim Cook deja el cargo: ¿qué le depara el futuro a Apple?
Cargando el reproductor…Tim Cook ha anunciado su intención de dejar el cargo de director ejecutivo en septiembre, cediendo el liderazgo al responsable de hardware, John Ternus.Aunque Ternus heredará u
El «club de chicos» de la IA amenaza con agravar la desigualdad de género en materia de riqueza, advierte Rana el Kaliouby
A Rana el Kaliouby, investigadora en inteligencia artificial, emprendedora e inversora, le preocupa que la inteligencia artificial corra el riesgo de convertirse en otro «club de chicos» exclusivo den
Las principales empresas estadounidenses de inteligencia artificial obtendrán más de 100 millones de dólares en financiación en 2026.
En menos de dos meses de 2026, casi 20 startups de IA con sede en Estados Unidos ya han conseguido rondas de financiación masivas de 100 millones de dólares o más.Si las primeras semanas del año sirve
이 기사 읽고 AI 데이터 인프라 문제가 생각보다 훨씬 더 복잡하단 걸 깨달았어요. 멀티모달 AI가 발전할수록 데이터 관리가 핵심이 되겠네요. 실제 경험에서 나온 솔루션이라 더 믿음이 가는 것 같아요 🤔





Hogar






