Eventual Enfrenta Desafios de Infraestrutura de Dados para IA Multimodal

Enquanto trabalhavam como engenheiros de software na divisão de veículos autônomos da Lyft, os fundadores da Eventual, Sammy Sidhu e Jay Chia, identificaram um problema crítico de infraestrutura de dados, que estava destinado a crescer com a ascensão da IA.

Veículos autônomos geram vastas quantidades de dados não estruturados, incluindo varreduras 3D, imagens, texto e áudio. Os engenheiros da Lyft careciam de uma ferramenta unificada para processar esses diversos tipos de dados simultaneamente, forçando-os a depender de soluções de código aberto fragmentadas que eram demoradas e não confiáveis.

“Vimos doutores brilhantes e especialistas da indústria dedicando 80% de seu tempo à infraestrutura, em vez do desenvolvimento de aplicações principais,” compartilhou Sidhu, CEO da Eventual, em uma recente entrevista à TechCrunch. “A maioria dos desafios vinha da infraestrutura de dados.”

Sidhu e Chia desenvolveram uma ferramenta interna de processamento de dados multimodais na Lyft. Quando Sidhu explorou novas oportunidades de emprego, os entrevistadores expressaram repetidamente interesse em uma solução semelhante para suas organizações, o que gerou a ideia para a Eventual.

A Eventual criou o Daft, um motor de processamento de dados de código aberto nativo do Python, projetado para lidar eficientemente com diversos tipos de dados, de texto a áudio e vídeo. Sidhu visa que o Daft revolucione a infraestrutura de dados não estruturados, assim como o SQL transformou os dados tabulares.

Fundada no início de 2022, quase um ano antes da estreia do ChatGPT, a Eventual lançou a versão inicial de código aberto do Daft naquele ano e planeja introduzir um produto empresarial no terceiro trimestre.

“A ascensão do ChatGPT destacou o aumento nas aplicações de IA usando diversos tipos de dados,” observou Sidhu. “À medida que os desenvolvedores incorporavam imagens, documentos e vídeos, vimos um aumento dramático no uso do Daft.”

Economize Mais de $200 no Seu Passe para Todas as Etapas do TechCrunch

Inove de forma mais inteligente, escale eficientemente e crie conexões significativas. Junte-se a visionários da Precursor Ventures, NEA, Index Ventures, Underscore VC e mais para um dia de insights estratégicos, workshops e networking.

Economize Mais de $200 no Seu Passe para Todas as Etapas do TechCrunch

Inove de forma mais inteligente, escale eficientemente e crie conexões significativas. Junte-se a visionários da Precursor Ventures, NEA, Index Ventures, Underscore VC e mais para um dia de insights estratégicos, workshops e networking.

Embora o Daft tenha origem no setor de veículos autônomos, suas aplicações abrangem indústrias como robótica, tecnologia de varejo e saúde. A Eventual agora atende clientes como Amazon, CloudKitchens e Together AI.

A Eventual garantiu duas rodadas de financiamento em oito meses: uma rodada inicial de $7,5 milhões liderada pela CRV e uma Série A de $20 milhões liderada pela Felicis, com participação da M12 da Microsoft e da Citi.

O financiamento recente aprimorará as ofertas de código aberto da Eventual e apoiará o desenvolvimento de um produto comercial, permitindo que os clientes construam aplicações de IA usando dados processados.

Astasia Myers, parceira geral da Felicis, descobriu a Eventual por meio de uma análise de mercado focada em infraestrutura de dados para modelos de IA multimodais.

Myers destacou a vantagem de pioneirismo da Eventual em um espaço que provavelmente se tornará competitivo, notando a experiência direta dos fundadores com desafios de processamento de dados. Ela enfatizou a crescente necessidade por tais soluções.

De acordo com a MarketsandMarkets, a indústria de IA multimodal deve crescer a uma taxa anual composta de 35% de 2023 a 2028.

“A criação global de dados aumentou 1.000 vezes nos últimos 20 anos, com 90% gerados nos últimos dois anos, e a maior parte é não estruturada, segundo a IDC,” disse Myers. “O Daft aborda essa tendência massiva na IA generativa, que depende de texto, imagens, vídeo e voz, exigindo um motor de processamento de dados nativo multimodal.”