استارتاپ Quadric با جذب سرمایه های جدید و ارائه راهکارهای نوین در زمینه تراشه ها، در تلاش است تا با توسعه هوش مصنوعی محلی، بار پردازشی را از ابرهای متمرکز به سمت دستگاه های هوشمند و سرورهای بومی منتقل کند.
شرکت ها و دولت ها به دنبال ابزارهایی برای اجرای هوش مصنوعی محلی هستن تا هزینه های زیرساخت ابری رو به شدت کاهش بدن و توانمندی های بومی خودشون رو بسازن. استارتاپ Quadric، که در زمینه مالکیت معنوی تراشه (chip-IP) فعالیت می کنه و توسط باسابقه های شرکت استخراج بیت کوین 21E6 تاسیس شده، با تکنولوژی استنتاج روی دستگاه خودش، داره سعی می کنه این تحول رو رهبری کنه و فعالیتش رو از صنعت خودرو به سمت لپ تاپ ها و دستگاه های صنعتی گسترش بده.
این توسعه همین حالا هم داره نتیجه می ده.
ویربان کترپال، مدیرعامل شرکت (که در تصویر بالا، نفر وسط هست)، در مصاحبه ای با تک کرانچ گفت که Quadric در سال 1404 (2025 میلادی)، بین 15 تا 20 میلیون دلار درآمد از طریق واگذاری امتیاز (لایسنسینگ) داشته که نسبت به 4 میلیون دلار در سال 1403، رشد چشمگیری رو نشون می ده. این شرکت که مرکزش در سانفرانسیسکو هست و دفتری هم در پونه هند داره، امسال هدفش رو روی 35 میلیون دلار گذاشته تا بیزنس هوش مصنوعی روی دستگاه خودش رو بر پایه حق امتیاز (royalty) گسترش بده.
کترپال گفت این رشد باعث شده ارزش شرکت بعد از جذب سرمایه به چیزی بین 270 تا 300 میلیون دلار برسه، در حالی که در دور دوم سرمایه گذاری (Series B) در سال 1401، ارزشش حدود 100 میلیون دلار بود.
این موفقیت ها به جذب سرمایه گذارها هم کمک کرده. Quadric هفته گذشته اعلام کرد که در دور سوم سرمایه گذاری (Series C)، 30 میلیون دلار به رهبری ACCELERATE Fund (زیر نظر BEENEXT Capital Management) جذب کرده که مجموع سرمایه گذاری هاش رو به 72 میلیون دلار می رسونه. کترپال به تک کرانچ گفت که این جذب سرمایه در حالی انجام می شه که سرمایه گذارها و سازنده های تراشه به دنبال راه هایی هستن تا بار پردازشی هوش مصنوعی رو از زیرساخت های ابری متمرکز به سمت دستگاه ها و سرورهای محلی ببرن. این رویکرد به ویژه برای توسعه هوش مصنوعی محلی حائز اهمیت است.
اهمیت و گسترش هوش مصنوعی محلی
Quadric کارش رو از صنعت خودرو شروع کرد، جایی که هوش مصنوعیِ روی دستگاه می تونه عملکردهای لحظه ای مثل سیستم کمک راننده رو مدیریت کنه. کترپال گفت که گسترش مدل های مبتنی بر ترنسفورمر در سال 1402 باعث شد که استنتاج هوش مصنوعی وارد «همه چیز» بشه و در 18 ماه گذشته یک نقطه عطف تجاری بزرگ ایجاد کنه، چون شرکت های بیشتری دارن سعی می کنن به جای تکیه بر ابرها، از راهکارهای هوش مصنوعی محلی استفاده کنن.
کترپال گفت: «تراشه های انویدیا پلتفرم قدرتمندی برای هوش مصنوعی در دیتاسنترهاست. ما به دنبال ساختن یک زیرساخت برنامه ریزی پذیر و شبیه به CUDA برای هوش مصنوعی روی دستگاه بودیم.»
برخلاف انویدیا، Quadric خودش تراشه نمی سازه؛ بلکه امتیاز (IP) پردازنده های هوش مصنوعی برنامه ریزی پذیر رو واگذار می کنه. کترپال این رو به عنوان یک «نقشه راه» توصیف می کنه که مشتری ها می تونن اون رو در تراشه های خودشون جاسازی کنن. این امتیاز همراه با یک مجموعه نرم افزاری و ابزارهای لازم برای اجرای مدل های مختلف، از جمله بینایی ماشین و تشخیص صدا، روی دستگاه ارائه می شه. این امکان اجرای قدرتمند هوش مصنوعی محلی را فراهم می کند.
در تصویر زیر، نمایی از معماری و رویکرد فنی این استارتاپ را مشاهده می کنید که بر انعطاف پذیری پردازش متمرکز است.
تکنولوژی Quadric وابسته به نوع تراشه نیست و با کد هدایت می شه که این موضوع امکان به روزرسانی مداوم قابلیت های هوش مصنوعی را فراهم می کند.
مشتری های این استارتاپ از سازنده های پرینتر گرفته تا خودرو و لپ تاپ های مجهز به هوش مصنوعی رو شامل می شه؛ از جمله شرکت Kyocera و تامین کننده قطعات خودروی ژاپنی Denso که برای محصولات تویوتا تراشه می سازه. کترپال به تک کرانچ گفت که انتظار می ره اولین محصولات بر پایه تکنولوژی Quadric، با شروع از لپ تاپ ها، همین امسال وارد بازار بشن.
با این حال، کترپال اشاره کرد که Quadric حالا داره فراتر از استفاده های تجاری معمولی رو نگاه می کنه و به بازارهایی که به دنبال استراتژی های هوش مصنوعی محلی برای کاهش وابستگی به زیرساخت های آمریکایی هستن، توجه داره. او اضافه کرد که این استارتاپ در حال بررسی مشتری هایی در هند و مالزی هست و راهول گارگ، مدیرعامل Moglix، به عنوان یک سرمایه گذار استراتژیک به اون ها کمک می کنه تا رویکرد «بومی سازی» هند رو پیش ببرن. Quadric نزدیک به 70 کارمند در سراسر جهان داره که حدود 40 نفرشون در آمریکا و حدود 10 نفرشون در هند هستن.
کترپال معتقده که این حرکت به دلیل افزایش هزینه های زیرساخت متمرکز هوش مصنوعی و سختی هایی هست که خیلی از کشورها برای ساخت دیتاسنترهای بسیار بزرگ باهاش روبرو هستن. این موضوع باعث شده علاقه به سیستم های «هوش مصنوعی توزیع شده» بیشتر بشه؛ جایی که به جای تکیه بر سرویس های ابری برای هر پرس وجو، پردازش روی لپ تاپ ها یا سرورهای محلی کوچک داخل دفتر کار انجام می شه. این دقیقا همان مفهوم هوش مصنوعی محلی است.
مجمع جهانی اقتصاد هم در مقاله اخیر خودش به این تغییر جهت اشاره کرده، چون استنتاج هوش مصنوعی داره به کاربرها نزدیک تر می شه و از معماری های صرفا متمرکز فاصله می گیره. به همین ترتیب، موسسه EY در گزارشی در آبان ماه اعلام کرد که رویکرد هوش مصنوعی محلی طرفدار پیدا کرده، چون سیاست گذارها و گروه های صنعتی به دنبال توانمندی های داخلی در زمینه های پردازش، مدل ها و داده ها هستن تا تماما به زیرساخت های خارجی وابسته نباشن.
کترپال می گه برای سازنده های تراشه، چالش اینجاست که مدل های هوش مصنوعی خیلی سریع تر از چرخه های طراحی سخت افزار پیشرفت می کنن. او استدلال کرد که مشتری ها به امتیاز پردازنده های برنامه ریزی پذیر نیاز دارن تا بتونن با آپدیت های نرم افزاری با تکنولوژی همراه بشن، نه اینکه هر بار که معماری ها از مدل های تصویری قدیمی به سمت سیستم های ترنسفورمر امروزی تغییر می کنن، مجبور به طراحی مجدد و پرهزینه سخت افزار باشن. این برای بقای پروژه های هوش مصنوعی محلی حیاتی است.
شرکت Quadric خودش رو به عنوان جایگزینی برای فروشنده های تراشه مثل کوالکام (که معمولا تکنولوژی هوش مصنوعیش رو فقط داخل تراشه های خودش استفاده می کنه) و همچنین تامین کننده های IP مثل Synopsys و Cadence (که بلوک های موتور پردازش عصبی می فروشن) معرفی می کنه. کترپال می گه رویکرد کوالکام می تونه مشتری ها رو محدود به تراشه های خودش کنه، در حالی که تامین کننده های سنتی IP، بلوک هایی رو ارائه می دن که برنامه نویسی برای اون ها برای خیلی از مشتری ها سخته.
رویکرد برنامه ریزی پذیر Quadric به مشتری ها اجازه می ده تا از مدل های جدید هوش مصنوعی با آپدیت های نرم افزاری پشتیبانی کنن، به جای اینکه سخت افزار رو دوباره طراحی کنن. این یک مزیت بزرگ در صنعتیه که توسعه تراشه ممکنه سال ها طول بکشه، در حالی که معماری مدل ها این روزها ظرف چند ماه تغییر می کنه.
با این حال، Quadric هنوز در مراحل اولیه توسعه است و تا الان با تعداد کمی مشتری قرارداد بسته. بخش زیادی از موفقیت بلندمدت این شرکت به این بستگی داره که بتونه قراردادهای لایسنسینگ فعلی رو به تولید انبوه و درآمدهای مستمر از حق امتیاز تبدیل کنه.
تلاش های Quadric نشان دهنده مسیری است که در آن پردازش های هوشمند از مراکز داده بزرگ به سمت دستگاه های مصرف کننده و صنعتی حرکت می کنند. با توجه به افزایش تقاضا برای امنیت داده و کاهش هزینه های پهنای باند، استفاده از مدل های سبک و کارآمد که به صورت محلی اجرا می شوند، به یکی از اولویت های اصلی تکنولوژی در سال های پیش رو تبدیل شده است.
Quadric rides the shift from cloud AI to on-device inference and it’s paying off
