Défis de l'infrastructure de données pour l'IA multimodale

En travaillant comme ingénieurs logiciels dans la division des véhicules autonomes de Lyft, les fondateurs d'Eventual, Sammy Sidhu et Jay Chia, ont identifié un problème critique d'infrastructure de données, destiné à croître avec l'essor de l'IA.

Les véhicules autonomes génèrent d'énormes quantités de données non structurées, y compris des scans 3D, des images, du texte et de l'audio. Les ingénieurs de Lyft manquaient d'un outil unifié pour traiter simultanément ces divers types de données, les obligeant à s'appuyer sur des solutions open-source fragmentées, chronophages et peu fiables.

« Nous avons vu des docteurs brillants et des experts de l'industrie consacrer 80 % de leur temps à l'infrastructure plutôt qu'au développement d'applications principales », a partagé Sidhu, PDG d'Eventual, dans une récente interview avec TechCrunch. « La plupart des défis provenaient de l'infrastructure de données. »

Sidhu et Chia ont développé un outil interne de traitement de données multimodales chez Lyft. Lorsque Sidhu a exploré de nouvelles opportunités professionnelles, les intervieweurs ont exprimé à plusieurs reprises un intérêt pour une solution similaire pour leurs organisations, ce qui a donné l'idée d'Eventual.

Eventual a créé Daft, un moteur de traitement de données open-source natif en Python, conçu pour gérer efficacement divers types de données, du texte à l'audio et à la vidéo. Sidhu vise à ce que Daft révolutionne l'infrastructure des données non structurées, tout comme SQL a transformé les données tabulaires.

Fondée début 2022, près d'un an avant le lancement de ChatGPT, Eventual a lancé la version initiale open-source de Daft cette année-là et prévoit d'introduire un produit d'entreprise au troisième trimestre.

« L'essor de ChatGPT a mis en lumière l'augmentation des applications d'IA utilisant divers types de données », a noté Sidhu. « Alors que les développeurs intégraient des images, des documents et des vidéos, nous avons constaté une augmentation spectaculaire de l'utilisation de Daft. »

Économisez plus de 200 $ sur votre pass TechCrunch All Stage

Innovez intelligemment, évoluez efficacement et forgez des connexions significatives. Rejoignez les visionnaires de Precursor Ventures, NEA, Index Ventures, Underscore VC, et plus encore pour une journée d'insights stratégiques, d'ateliers et de réseautage.

Économisez plus de 200 $ sur votre pass TechCrunch All Stage

Innovez intelligemment, évoluez efficacement et forgez des connexions significatives. Rejoignez les visionnaires de Precursor Ventures, NEA, Index Ventures, Underscore VC, et plus encore pour une journée d'insights stratégiques, d'ateliers et de réseautage.

Bien que Daft ait vu le jour dans le secteur des véhicules autonomes, ses applications couvrent des industries comme la robotique, la technologie de vente au détail et la santé. Eventual sert désormais des clients tels qu'Amazon, CloudKitchens et Together AI.

Eventual a sécurisé deux tours de financement en huit mois : un tour de démarrage de 7,5 millions de dollars mené par CRV et une série A de 20 millions de dollars menée par Felicis, avec la participation de M12 de Microsoft et de Citi.

Le financement récent améliorera les offres open-source d'Eventual et soutiendra le développement d'un produit commercial, permettant aux clients de construire des applications d'IA à partir de données traitées.

Astasia Myers, partenaire général chez Felicis, a découvert Eventual grâce à une analyse de marché axée sur l'infrastructure de données pour les modèles d'IA multimodale.

Myers a souligné l'avantage de pionnier d'Eventual dans un espace susceptible de devenir compétitif, notant l'expérience directe des fondateurs avec les défis de traitement de données. Elle a mis en avant le besoin croissant de telles solutions.

Selon MarketsandMarkets, l'industrie de l'IA multimodale devrait croître à un taux annuel composé de 35 % de 2023 à 2028.

« La création mondiale de données a explosé de 1 000 fois au cours des 20 dernières années, dont 90 % générées au cours des deux dernières années, et la plupart sont non structurées, selon IDC », a déclaré Myers. « Daft répond à cette tendance massive dans l'IA générative, qui repose sur le texte, les images, la vidéo et la voix, nécessitant un moteur de traitement de données natif multimodal. »