Pipeshift یک دور اولیه 2.5 میلیون دلاری را با هدف فراهم کردن زیرساخت‌های مورد نیاز شرکت‌ها برای ساخت، استقرار و مدیریت کارآمد اعلام کرده است. مدل های AI منبع باز. از آنجایی که بیش از 80 درصد شرکت‌ها به سمت GenAI منبع باز حرکت می‌کنند، راه‌حل Pipeshift تنگناهای رایج مربوط به حریم خصوصی، کنترل و هزینه‌های مهندسی دوخت چندین مؤلفه را برطرف می‌کند.
انقلابی در MLO برای GenAI
پلتفرم به‌عنوان سرویس (PaaS) عصر جدید Pipeshift با ارائه یک پشته MLOps مدولار که در هر محیطی اجرا می‌شود، هماهنگ‌سازی هوش مصنوعی را تسریع می‌کند. این سرویس پایان به انتها طیف گسترده ای از بارهای کاری را پوشش می دهد، از جمله LLMs، مدل های بینایی، مدل های صوتی، و بیشتر. Pipeshift به جای ایفای نقش به عنوان یک کارگزار GPU، کنترل مستقیم زیرساخت‌های خود را به شرکت‌ها می‌دهد و آنها را قادر می‌سازد:
- مقیاس از روز اول با مقیاس‌کننده‌های خودکار، بار متعادل‌کننده‌ها و زمان‌بندی‌های داخلی
- تنظیم دقیق یا تقطیر مدل های منبع باز به موازات ردیابی زمان واقعی معیارهای آموزشی
- در هزینه های GPU صرفه جویی کنید با جابجایی هات مدل های تنظیم شده بدون شکاف حافظه GPU
- امنیت در سطح سازمانی را حفظ کنید برای نگهداری داده های اختصاصی و IP به طور کامل در داخل
Pipeshift با ادغام این قابلیت ها در یک پلتفرم واحد، گردش کار استقرار را ساده کرده و زمان تولید را به شدت کاهش می دهد.
پشتوانه قوی صنعت
دور بذر 2.5 میلیون دلاری توسط Y Combinator و SenseAI Ventures، با پشتیبانی اضافی از Arka Venture Labs، Good News Ventures، Nivesha Ventures، Astir VC، GradCapital و MyAsiaVC. فرشتگان محترمی مانند Kulveer Taggar (مدیرعامل Zuess)، Umur Cubukcu (مدیر عامل Ubicloud و رئیس سابق PostgreSQL در Azure) و کریشنا مهرا (رئیس سابق مهندسی در Meta و یکی از بنیانگذاران Capillary Technologies) نیز شرکت کردند.
Arko Chattopadhyay، یکی از بنیانگذاران و مدیرعامل Pipeshift، بیان کرد: «2025 سالی است که GenAI به تولید و تیم‌های مهندسی، شاهد مزایای استفاده از مدل‌های منبع باز در داخل هستند. این امر سطوح بالایی از حریم خصوصی و کنترل را در کنار عملکرد بهبود یافته و هزینه های کمتر ارائه می دهد. با این حال، این یک فرآیند پیچیده و پرهزینه است که شامل چندین جزء است که به هم دوخته می شوند. پلتفرم ارکستراسیون درجه سازمانی Pipeshift نیاز به چنین سرمایه گذاری های مهندسی گسترده ای را نه تنها با ساده سازی استقرار بلکه با به حداکثر رساندن توان تولید از بین می برد.
راهول آگاروالا، شریک مدیر SenseAI Ventures، مشاهده کرد: شرکت‌ها GenAI منبع باز را برای مزایای حفظ حریم خصوصی، مالکیت مدل و هزینه‌های کمتر ترجیح می‌دهند. با این حال، انتقال GenAI به تولید همچنان یک فرآیند پیچیده و پرهزینه است که نیاز به دوخت چندین جزء دارد. وی ادامه داد: پلتفرم ارکستراسیون در سطح سازمانی Pipeshift نیاز به چنین سرمایه گذاری های مهندسی گسترده ای را نه تنها با ساده سازی استقرار بلکه به حداکثر رساندن توان تولید حذف می کند.
یاش همرجشریک موسس در Arka Venture Labs و شریک عمومی در BGV، خاطرنشان کرد:ما در Pipeshift سرمایه‌گذاری کردیم زیرا پلتفرم نوآورانه آنها به نیاز حیاتی در پذیرش هوش مصنوعی سازمانی پاسخ می‌دهد و امکان استقرار یکپارچه مدل‌های زبان منبع باز را فراهم می‌کند. تخصص فنی عمیق و سابقه تیم موسس در مقیاس‌بندی راه‌حل‌های هوش مصنوعی ما را بسیار تحت تأثیر قرار داد. چشم انداز Pipeshift کاملاً با تمرکز ما بر روی شرکت های متحول کننده هوش مصنوعی سازمانی، به ویژه آنهایی که پل ارتباطی بین راهروی فناوری ایالات متحده و هند را برقرار می کنند، مطابقت دارد و آنها را به یک ایده آل برای مجموعه ما تبدیل می کند.
چرا Pipeshift متمایز است
تاسیس شده توسط آرکو چاتوپادهای، انریکه فرائو، و پراناو ردی، تیم اصلی Pipeshift مدتها قبل از این بودجه اولیه با چالش های ارکستراسیون هوش مصنوعی مقابله کرده است. تجربه آنها شامل مقیاس‌بندی یک برنامه جستجوی سازمانی مبتنی بر Llama2 برای بیش از 1000 کارمند در محل است، که به طور مستقیم نشان می‌دهد که استقرار هوش مصنوعی خصوصی چقدر پیچیده و پرمخاطب است.
متمایز کننده های کلیدی عبارتند از:
- ارکستراسیون چند ابری: Pipeshift به طور یکپارچه ترکیبی از پردازنده‌های گرافیکی ابری و on-prem را مدیریت می‌کند و بهینه‌سازی هزینه و شکست سریع را تضمین می‌کند.
- مدیریت خوشه Kubernetes: یک پنل کنترل سرتاسر به شرکت‌ها اجازه می‌دهد تا خوشه‌های Kubernetes را بدون استفاده از ابزارهای متعدد ایجاد، مقیاس‌بندی و نظارت کنند.
- تنظیم دقیق و استقرار مدل: مهندسان می‌توانند مدل‌های منبع باز را با استفاده از مجموعه داده‌های سفارشی یا گزارش‌های LLM تنظیم یا تقطیر کنند، با معیارهای آموزشی قابل مشاهده در زمان واقعی.
- قابلیت مشاهده 360 درجه: داشبوردهای یکپارچه عملکرد را ردیابی می کنند که عیب یابی سریع و مقیاس بندی کارآمد را امکان پذیر می کند.
ساخته شده برای تولید، نه فقط آزمایش
شرکت ها اغلب با محدودیت هایی با راه حل های عمومی مبتنی بر API مواجه هستند که برای حفظ حریم خصوصی داخلی ساخته نشده اند. Pipeshift این مدل را با تمرکز بر روی استقرارهای ایمن، اولیه یا چند ابری تغییر می‌دهد. این پلتفرم از بیش از 100 مدل زبان بزرگ پشتیبانی می کند لاما 3.1، میسترال، و ارائه های تخصصی مانند Deepseek Coder. این انتخاب متنوع به برآورده شدن عملکرد خاص، هزینه و نیازهای انطباق هر پروژه کمک می کند.
برخی از مزایای قابل توجه عبارتند از:
- تا 60٪ در هزینه زیرساخت GPU صرفه جویی می شود
- زمان تولید 30 برابر سریعتر
- 6 برابر هزینه کمتر در مقایسه با GPT/Claude
- کاهش 55 درصدی منابع مهندسی
نگاه کردن به جلو
Pipeshift که قبلاً با بیش از 30 شرکت از جمله NetApp همکاری کرده است، قصد دارد ماموریت خود را برای ارائه راه حل های قدرتمند AI منبع باز بدون پیچیدگی معمول پیش ببرد. رویکرد تک شیشه ای آن به MLO ها، همراه با مدیریت اختصاصی داخلی و مدیریت مداوم حساب، تضمین می کند که شرکت ها می توانند به جای مبارزه با زیرساخت ها، بر روی استفاده از هوش مصنوعی برای نتایج تجاری متمرکز بمانند.
Pipeshift با حفاظت از داده های خصوصی، سازگاری ابری ترکیبی و انعطاف پذیری ماژولار در هسته خود، آماده است تا نیازهای متنوع پروژه های هوش مصنوعی سازمانی را برآورده کند. این شرکت با پر کردن شکاف بین نوآوری منبع باز و الزامات درجه سازمانی، راه را برای عصر جدیدی از استقرار هوش مصنوعی چابک، ایمن و مقرون به صرفه هموار می‌کند.
Pipeshift ارکستراسیون MLOps سرتاسری را برای بارهای کاری GenAI منبع باز – تعبیه‌ها، پایگاه‌های داده برداری، LLMها، مدل‌های بینایی و مدل‌های صوتی – در هر پردازنده گرافیکی ابری یا اولیه ارائه می‌دهد.
