استارتاپ اسپیددیتا رقیب انویدیا، ۴۴ میلیون دلار سرمایه در سری B جذب کرد

استارتاپ اسپیددیتا (Speedata) مستقر در تل‌آویو، که در حال توسعه واحد پردازش تحلیلی (APU - Analytics Processing Unit) طراحی شده برای شتاب‌دهی به پردازش کلان‌داده (Big Data) و بارهای کاری هوش مصنوعی (AI) است، موفق به جذب ۴۴ میلیون دلار در دور سرمایه‌گذاری سری B شده است. با این رقم، مجموع سرمایه جذب شده توسط این شرکت به ۱۱۴ میلیون دلار می‌رسد.

دور سرمایه‌گذاری سری B توسط سرمایه‌گذاران فعلی شامل Walden Catalyst Ventures، 83North، Koch Disruptive Technologies، Pitango First و Viola Ventures هدایت شد. همچنین سرمایه‌گذاران استراتژیک از جمله لیپ-بو تان (Lip-Bu Tan)، مدیرعامل اینتل و شریک مدیریت در Walden Catalyst Ventures، و ایال وادمن (Eyal Waldman)، هم‌بنیان‌گذار و مدیرعامل سابق Mellanox Technologies، در این دور شرکت کردند.

به گفته این استارتاپ، معماری APU بر رفع تنگناهای خاص پردازش داده در سطح محاسبات تمرکز دارد، برخلاف واحدهای پردازش گرافیکی (GPU - Graphics Processing Unit) که در ابتدا برای گرافیک طراحی شده و بعداً برای وظایف هوش مصنوعی و مرتبط با داده تغییر یافته‌اند.

آدی گلوان (Adi Gelvan)، مدیرعامل اسپیددیتا، در مصاحبه‌ای اظهار داشت: «برای دهه‌ها، تحلیل داده‌ها بر واحدهای پردازش استاندارد تکیه داشته و اخیراً شرکت‌هایی مانند انویدیا (Nvidia) در ترویج استفاده از پردازنده‌های گرافیکی برای بارهای کاری تحلیل داده سرمایه‌گذاری کرده‌اند. اما این پردازنده‌ها یا هدف کلی دارند یا برای بارهای کاری دیگر طراحی شده‌اند، نه تراشه‌هایی که از پایه برای تحلیل داده ساخته شده باشند. APU ما به‌طور اختصاصی برای پردازش داده ساخته شده است و یک APU واحد می‌تواند جایگزین رک‌هایی از سرورها شود و عملکردی به‌مراتب بهتر ارائه دهد.»

اسپیددیتا در سال ۲۰۱۹ توسط شش بنیان‌گذار تأسیس شد؛ برخی از آنها جزو اولین محققانی بودند که فناوری معماری قابل تنظیم مجدد درشت‌دانه چند رشته‌ای (CGRA - Multi-Threaded Coarse-Grained Reconfigurable Architecture) را توسعه دادند. بنیان‌گذاران با کارشناسان طراحی مدار مجتمع با کاربرد خاص (ASIC - Application-Specific Integrated Circuit) همکاری کردند تا یک مشکل اساسی را حل کنند: تحلیل داده‌ها توسط پردازنده‌های هدف کلی انجام می‌شد و اگر بارهای کاری بیش از حد پیچیده می‌شدند، نیاز به استفاده از صدها سرور داشتند. بنیان‌گذاران معتقد بودند که می‌توانند یک پردازنده اختصاصی واحد برای انجام سریع‌تر این کار با انرژی کمتر توسعه دهند.

گلوان گفت: «ما این را فرصتی دیدیم تا دهه‌ها تحقیق خود در زمینه سیلیکون را در جهت تحول نحوه پردازش داده توسط صنعت به کار گیریم.»

به گفته مدیرعامل شرکت، APU کنونی آن‌ها بارهای کاری Apache Spark را هدف قرار می‌دهد، اما نقشه راه آن‌ها شامل پشتیبانی از هر پلتفرم اصلی تحلیل داده است.

گلوان به تک‌کرانچ (TechCrunch) گفت: «هدف ما این است که پردازنده استاندارد برای پردازش داده شویم؛ همان‌طور که پردازنده‌های گرافیکی برای آموزش هوش مصنوعی پیش‌فرض شدند، ما می‌خواهیم APUها برای تحلیل داده در هر پایگاه داده و پلتفرم تحلیلی پیش‌فرض شوند.»

این استارتاپ اعلام کرده است که تعدادی از شرکت‌های بزرگ در حال آزمایش APU آن هستند، اگرچه از ذکر نام آن‌ها خودداری کرد. عرضه رسمی محصول برای رویداد Data & AI Summit شرکت Databricks در هفته دوم ژوئن برنامه‌ریزی شده است. گلوان گفت که آن‌ها برای اولین بار APU خود را به‌صورت عمومی در این رویداد نمایش خواهند داد.

اسپیددیتا مدعی است در یک مورد خاص، APU آن یک بار کاری دارویی را در ۱۹ دقیقه تکمیل کرده است، که به‌طور قابل توجهی سریع‌تر از ۹۰ ساعتی بود که با استفاده از واحد پردازش غیر اختصاصی زمان می‌برد و منجر به بهبود سرعت ۲۸۰ برابری شده است.

این استارتاپ اعلام کرد که از زمان آخرین جذب سرمایه خود، چندین نقطه عطف را محقق کرده است، از جمله نهایی کردن طراحی و ساخت اولین APU خود در اواخر سال ۲۰۲۴.

گلوان گفت: «ما از مفهوم به آزمایش روی آرایه دروازه‌ای قابل برنامه‌ریزی میدانی (FPGA - Field-Programmable Gate Array) و اکنون با افتخار می‌گوییم سخت‌افزار در حال کار داریم که در حال عرضه آن هستیم. ما در حال حاضر خط لوله‌ای رو به رشد از مشتریان سازمانی داریم که مشتاقانه منتظر این فناوری هستند.»