يقوم Hyperspace ببناء مثيلات مخصصة لتسريع عمليات البحث في قاعدة البيانات

أدى النمو في الطلب على تطبيقات الذكاء الاصطناعي التوليدية إلى الحاجة إلى قواعد بيانات أكبر وأكبر لتخزين البيانات المرتبطة (مثل بيانات التدريب النموذجية). تميل قواعد البيانات هذه إلى أن تكون كثيفة الاستخدام للموارد من منظور الأجهزة، واعتمادًا على الخوارزميات المستخدمة لتنسيقها، يمكن أن تكون ذات زمن وصول عالي. في كثير من الأحيان، تضطر الشركات إلى إجراء مقايضات بين تكلفة قاعدة البيانات والأداء والدقة.

ولكن لا ينبغي أن يكون الأمر بهذه الطريقة، كما يقول أوهاد ليفي، الرئيس التنفيذي والمؤسس المشارك لشركة Hyperspace. تقوم Hyperspace ببناء مثيلات سحابية مخصصة لتسريع مهمتين محددتين في قاعدة البيانات: عمليات البحث المعجمية وعمليات البحث المتجهة. عمليات البحث المعجمية هي نوع من البحث المعتمد على الكلمات الرئيسية والذي يبحث عن التطابقات التامة في قاعدة البيانات، بينما تأخذ عمليات البحث المتجهية في الاعتبار المعنى الدلالي وسياق استعلام البحث.

يدعي ليفي أن مثيلات Hyperspace، التي تستفيد من مزيج من FPGAs ووحدات معالجة الرسومات، يمكنها تقديم عمليات بحث أسرع بما يصل إلى 10 مرات من قواعد البيانات التقليدية غير المسرَّعة.

وقال ليفي لـ TechCrunch: “يساعد منتجنا الشركات التي تتعامل مع استرجاع البيانات على نطاق واسع، خاصة في الذكاء الاصطناعي وتطبيقات الذكاء الاصطناعي التوليدية”. “البيانات غير المنظمة تفوق قدرات البحث التقليدية. يجب أن تلبي حلول استرجاع البيانات مجموعات بيانات البحث المعجمية والمتجهية لتلبية متطلبات السوق الحالية.

قبل إطلاق Hyperspace، كان ليفي مهندسًا للتحسين في Intel ثم مديرًا لتسويق المنتجات في HP. ويقول إنه شعر بالإحباط بسبب القيود المفروضة على حلول البحث القديمة التي تعمل لدى Big Tech، مما دفعه إلى الشراكة مع مستشار التصميم السابق لشركة Intel Max Nigiri لتأسيس Hyperspace.

Hyperspace لا تبيع مثيلاتها. وبدلاً من ذلك، تبيع إمكانية الوصول إلى برامج قواعد البيانات المُدارة التي تعمل في تلك الحالات (المستضافة على AWS في الوقت الحالي). يمكن لقواعد بيانات Hyperspace التعامل مع أنواع مختلفة من البيانات المنظمة وغير المنظمة، بما في ذلك مقاطع الفيديو والصور والنصوص، ويتم تسعيرها وفقًا للحجم وحجم الاستعلام.

وأوضح ليفي أن “Hyperspace عبارة عن قاعدة بيانات سحابية مُدارة تعمل كنموذج برمجي كخدمة، ويتم تسعيرها حسب الاستخدام”. “فريقنا قادر على تصميم حلول مخصصة للبنية التحتية للذكاء الاصطناعي لمساعدة المؤسسات على حل تحديات البحث الخاصة بها.”

تعتبر مكاسب أداء Hyperspace مثيرة للإعجاب إذا كانت صحيحة؛ يقول ليفي إن مثيلات الشركة توفر أيضًا إنتاجية أعلى بمقدار 5 مرات وبتكلفة أقل بنسبة 50% مقارنة بقاعدة البيانات النموذجية. (هذه نتائج متوسطة؛ فقد رفضت شركة Levi تقديم مقارنة مباشرة مع أحد المنافسين). ولكن هل تستطيع شركة Hyperspace إقناع الشركات باستخدام منصة قاعدة بيانات جديدة عندما يكون هناك الكثير من الشركات القائمة – مثل Azure، وAWS، وGoogle Cloud – للاختيار من بينها؟

يقول ليفي نعم، ويدعي أن شركة Hyperspace تشهد بالفعل بعض جذب العملاء المبكر. ووقعت الشركة التي يقع مقرها في تل أبيب صفقات مع شركات في مجال منع الاحتيال والتجارة الإلكترونية، بما في ذلك Forter وNsure وRenovai، وضاعفت إيراداتها السنوية المتكررة وحجم العقود الإجمالي ثلاث مرات خلال العام الماضي.

كما أنهت Hyperspace مؤخرًا جولة تمويل أولية بقيمة 9.5 مليون دولار بقيادة Mizmaa بمشاركة JVP وtoDay Ventures. ويقول ليفي إن الأموال سيتم تخصيصها لتوسيع نطاق عرض قاعدة بيانات Hyperspace إلى “الآلاف” من المثيلات وإطلاق خطة مجانية للمبتدئين.

وقال ليفي: “تمتلك Hyperspace مجموعة كاملة من المنتجات المبتكرة الجديدة التي ستدفع سوق البحث إلى الأمام وتدعم احتياجات مؤسستنا والعملاء الصغار والمتوسطين”. “نحن لا نرى أي رياح معاكسة. كل نظام ذكاء اصطناعي توليدي هو نظام بحث، وأصبح البحث أصعب من ذي قبل. وتتزايد الحاجة إلى بنية تحتية أفضل للذكاء الاصطناعي يوميًا، ومع توفر المزيد من البيانات، أصبحت الحاجة إلى تطبيقات بحث أفضل أكثر وضوحًا.