اعتبار: VentureBeat ساخته شده با Midjourney
اعتبار: VentureBeat ساخته شده با Midjourney

سرمایه گذاری ۱۱۵ میلیون دلاری در استارتاپی که مهندسی را ۱۰۰۰ برابر سریعتر می کند - و بزوس، آلتمن و انویدیا همگی روی موفقیت آن شرط بسته اند

Rescale، یک پلتفرم مهندسی دیجیتال که به شرکت‌ها کمک می‌کند شبیه‌سازی‌ها و محاسبات پیچیده را در فضای ابری اجرا کنند، امروز اعلام کرد که ۱۱۵ میلیون دلار در دور تامین مالی سری D جذب کرده است تا توسعه ابزارهای مهندسی مبتنی بر هوش مصنوعی را تسریع کند که می‌تواند به طور چشمگیری سرعت طراحی و آزمایش محصول را افزایش دهد.

این دور سرمایه گذاری، که مجموع سرمایه جذب شده Rescale را به بیش از ۲۶۰ میلیون دلار می رساند، شامل سرمایه گذاری از Applied Ventures، Atika Capital، Foxconn، Hanwha Asset Management Deeptech Venture Fund، Hitachi Ventures، NEC Orchestrating Future Fund، Nvidia، Prosperity7، SineWave Ventures، TransLink Capital، دانشگاه میشیگان و Y Combinator بود.

این شرکت مستقر در سان فرانسیسکو از حمایت یک لیست چشمگیر از حامیان اولیه از جمله سم آلتمن، جف بزوس، پل گراهام و پیتر تیل برخوردار بوده است. هدف از این دور جدید، پیشبرد دیدگاه Rescale در مورد تغییر نحوه طراحی محصولات در صنایع مختلف با ترکیب محاسبات با کارایی بالا، مدیریت هوشمند داده و زمینه جدیدی است که شرکت آن را "فیزیک هوش مصنوعی" می نامد.

جوریس پورت، بنیانگذار و مدیرعامل Rescale، در مصاحبه با VentureBeat گفت: "Rescale با این مأموریت تأسیس شد تا مهندسان و دانشمندان را قادر سازد تا با اجرای محاسبات و شبیه‌سازی‌ها به طور کارآمدتر، نوآوری را تسریع کنند." «این دقیقاً همان چیزی است که امروز روی آن تمرکز کرده‌ایم.»

از چالش فیبر کربنی بوئینگ تا استارتاپ ۲۶۰ میلیون دلاری

ریشه های این شرکت به تجربه پورت در کار بر روی بوئینگ 787 Dreamliner بیش از 20 سال پیش برمی گردد. او و هم بنیانگذارش آدام مکنزی وظیفه داشتند بال هواپیما را با استفاده از شبیه سازی های پیچیده مبتنی بر فیزیک طراحی کنند.

پورت به VentureBeat گفت: "من و هم بنیانگذارم، آدام، در بوئینگ کار می کردیم و شبیه سازی های فیزیکی در مقیاس بزرگ را برای 787 Dreamliner اجرا می کردیم." این اولین هواپیمای تجاری کاملاً فیبر کربنی بود که چالش های مهندسی قابل توجهی را ایجاد می کرد. بیشتر هواپیماهای قبلی همیشه از آلومینیوم ساخته می شدند، اما فیبر کربن لایه ها و متغیرهای مختلفی دارد که باید بهینه شوند.

چالشی که آنها با آن روبرو بودند، کمبود منابع محاسباتی کافی برای اجرای میلیون ها محاسبه مورد نیاز برای بهینه سازی طراحی نوآورانه فیبر کربن بود. او به یاد می آورد: «ما نمی توانستیم منابع محاسباتی کافی به دست آوریم. این مربوط به 20 سال پیش، قبل از وجود رایانش ابری بود. ما مجبور شدیم منابع را از سازمان های مختلف جمع آوری کنیم تا این شبیه سازی های بزرگ را در طول آخر هفته اجرا کنیم.»

این تجربه مستقیماً منجر به مأموریت تأسیس Rescale شد: ساختن پلتفرمی که آرزو داشتند در طول آن سال های بوئینگ داشتند.

پورت توضیح داد: "Rescale برای ساختن پلتفرمی که آرزو می کردیم داشته باشیم، تأسیس شد، زیرا سال ها طول کشید تا تمام این قابلیت ها را توسعه دهیم." ما واقعاً فقط مهندسانی بودیم که سعی می کردیم بهترین هواپیما را طراحی کنیم، اما مجبور شدیم ریاضیدانان کاربردی و دانشمندان کامپیوتر شویم و تمام این کارهای زیرساختی را فقط برای حل مشکلات مهندسی انجام دهیم.

چگونه مدل های هوش مصنوعی روزهای محاسبات را به ثانیه تبدیل می کنند

مفهوم «فیزیک هوش مصنوعی» - استفاده از مدل‌های هوش مصنوعی که روی داده‌های شبیه‌سازی‌شده آموزش داده شده‌اند برای تسریع چشمگیر مهندسی محاسباتی - در مرکز جاه‌طلبی‌های Rescale قرار دارد. در حالی که تکمیل شبیه‌سازی‌های فیزیکی سنتی ممکن است روزها طول بکشد، مدل‌های هوش مصنوعی آموزش‌دیده روی آن شبیه‌سازی‌ها می‌توانند نتایج تقریبی را در عرض چند ثانیه ارائه دهند.

پورت گفت: "با فیزیک هوش مصنوعی، شما مدل های هوش مصنوعی را بر روی مجموعه داده های شبیه سازی آموزش می دهید، که به شما امکان می دهد این شبیه سازی ها را بیش از 1000 برابر سریعتر اجرا کنید." مدل هوش مصنوعی پاسخ‌های احتمالی را ارائه می‌دهد - اساساً تخمین‌ها - در حالی که محاسبات فیزیکی سنتی قطعی هستند و نتایج دقیقی به شما می‌دهند.»

او یک مثال مشخص از یکی از مشتریان Rescale ارائه کرد: "General Motors motorsports، آنها در حال طراحی آیرودینامیک خارجی یک خودروی فرمول یک هستند. آنها ممکن است هزاران مورد از این نوع محاسبات دینامیک سیالات و آیرودینامیکی را اجرا کنند. به طور معمول، اینها ممکن است حدود سه روز در حدود 1000 هسته محاسباتی طول بکشد. اکنون، با یک مدل هوش مصنوعی، آنها می توانند این کار را در کمتر از یک ثانیه انجام دهند.»

این شتاب هزار برابری به مهندسان اجازه می دهد تا فضاهای طراحی را بسیار سریعتر کاوش کنند و تکرارها و احتمالات بسیار بیشتری را نسبت به قبل آزمایش کنند.

پورت تاکید کرد: «مزیت واقعاً منحصربه‌فرد فیزیک هوش مصنوعی این است که می‌توانید پاسخ‌ها را تأیید کنید. این فقط ریاضی است.» این با LLM ها متفاوت است، جایی که ممکن است با توهماتی روبرو شوید که تأیید آنها دشوار است. بسیاری از سؤالات پاسخ قطعی ندارند، اما در فیزیک، راه حل های عینی و قابل تأیید دارید.»

بازار رو به گسترش ابزارهای مهندسی مبتنی بر ابر

این سرمایه گذاری در بحبوحه افزایش سرمایه گذاری شرکت ها در فناوری هایی صورت می گیرد که توسعه محصول را تسریع می کنند. به گفته ارقام به اشتراک گذاشته شده توسط Rescale، بازار محاسبات با کارایی بالا به تقریباً 50 میلیارد دلار رسیده است، در حالی که نرم افزار شبیه سازی به 20 میلیارد دلار و مدیریت داده های چرخه عمر محصول به حدود 30 میلیارد دلار رسیده است.

آنچه Rescale را متمایز می کند، "موتور توصیه محاسباتی" آن است که حجم کار را در معماری های مختلف ابری در زمان واقعی بهینه می کند.

پورت گفت: "تمایز منحصر به فرد ما فناوری ما به نام موتور توصیه محاسباتی است. این به ما امکان می دهد حجم کار را در زمان واقعی در معماری های مختلف موجود در تمام ابرهای عمومی بهینه کنیم. ما از 1150 برنامه مختلف با نسخه ها، سیستم عامل ها و معماری های سخت افزاری بسیاری پشتیبانی می کنیم. وقتی اینها با هم ترکیب شوند، بیش از 50 میلیون پیکربندی مختلف ممکن ایجاد می شود.»

مشتریان سازمانی این شرکت، که شامل Arm، General Motors، Samsung، SLB (که قبلاً Schlumberger) و وزارت دفاع ایالات متحده هستند، مجموعاً سالانه بیش از 1 میلیارد دلار برای زیرساخت محاسباتی با کارایی بالا هزینه می کنند.

فراتر از شبیه سازی: مدیریت داده و ادغام هوش مصنوعی برای مهندسی مدرن

Rescale در حال تسریع نقشه راه خود در سه حوزه کلیدی است. اول، گسترش کتابخانه خود با بیش از 1250 برنامه کاربردی و شبکه ای از بیش از 500 مرکز داده ابری. دوم، ایجاد مدیریت داده یکپارچه و قابلیت های موضوع دیجیتال برای همه گردش های کاری محاسباتی. سوم، فعال کردن مهندسی سریعتر از طریق هوش مصنوعی.

پورت توضیح داد: "ما همچنین محصولی به نام Rescale Data داریم که بر ایجاد یک لایه داده هوشمند تمرکز دارد." این گاهی اوقات رشته دیجیتال نامیده می شود. در طول چرخه عمر محصول - چه در حال توسعه یک هواپیما، یک ماشین، یا در علوم زیستی، یک دستگاه پزشکی یا دارو باشید - باید تمام آن داده ها را ردیابی کنید. اگر مشکلی پیش بیاید، می‌توانید نگاهی به گذشته بیندازید تا ببینید چه زمانی آن داده‌ها ایجاد شده‌اند، فایل‌های ورودی چه بوده‌اند و اطلاعات مرتبط.

Applied Materials، یکی از سرمایه‌گذاران در این دور، با Rescale برای افزایش قابلیت‌های شبیه‌سازی خود همکاری می‌کند. این مشارکت به جای صرفاً تسریع فرآیندهای موجود، نشان دهنده تغییری عمیق تر در نحوه ثبت و استفاده از دانش مهندسی است.

جالب‌ترین جنبه رویکرد Rescale این است که چگونه انتقال بین شبیه‌سازی‌های فیزیکی سنتی و تقریب‌های هوش مصنوعی را مدیریت می‌کند. برخلاف مدل‌های زبانی که در آن تأیید صحت می‌تواند ذهنی باشد، شبیه‌سازی‌های مهندسی پاسخ‌های ریاضی روشنی دارند که می‌توان آن‌ها را بررسی کرد. این تأیید یک مسیر ایمن‌تر برای معرفی هوش مصنوعی به حوزه‌هایی ایجاد می‌کند که دقت و قابلیت اطمینان در آنها اهمیت زیادی دارد.

در حالی که پورت اذعان می‌کند که مفهوم یک «مدل فیزیکی بنیادی» - یک سیستم هوش مصنوعی که روی مقادیر زیادی از داده‌های شبیه‌سازی فیزیک آموزش داده شده است که می‌تواند به طور بالقوه فیزیک جدیدی را کشف کند - هنوز آرمانی باقی مانده است، این شرکت بر ارائه ارزش عملی امروز از طریق مدل‌های هوش مصنوعی محدود و خاص دامنه متمرکز است.

پورت با متمایز کردن رویکرد خود از این فناوری گفت: «از نظر کوانتومی، هنوز در مرحله تجاری‌سازی است.» «از دیدگاه Rescale از فیزیک هوش مصنوعی، ما واقعاً متمرکز هستیم، ما همیشه بسیار مشتری محور بوده‌ایم. بنابراین ما بر روی این تمرکز کرده‌ایم که مشکل مشخصی که پیشرفت‌های اخیر در هوش مصنوعی می‌تواند به طور خاص امروز برای شما حل کند چیست که بلافاصله برای شما مانند بازگشت سرمایه ارائه دهد.

چهره های برجسته سیلیکون ولی در شبیه سازی مهندسی چه می بینند

Rescale از راهنمایی سرمایه گذاران اولیه برجسته خود بهره مند شده است. پل گراهام، که اولین چک را به شرکت نوشت، به ارائه مشاوره در مورد فرهنگ شرکت ادامه می دهد. سم آلتمن بینش هایی را در مورد هوش مصنوعی و زیرساخت ارائه می دهد. جف بزوس از سرمایه گذاری فضایی Blue Origin خود دیدگاهی را ارائه می دهد، در حالی که پیتر تیل در مورد مقیاس بندی مشاغل سازمانی و کار با مشتریان دولتی مشاوره می دهد.

پورت به VentureBeat گفت: «پل گراهام اولین سرمایه‌گذار در شرکت بود - اولین کسی که واقعاً به کاری که انجام می‌دادیم باور داشت. اگر مقالات او را دنبال کنید، می دانید که او یک مربی عالی بوده است و من هنوز به طور مرتب با او صحبت می کنم. سم آلتمن از روزهای اول از حامیان بوده است. او یک ذهن فوق العاده باهوش در هوش مصنوعی و یک منبع ارزشمند برای درک آخرین تحولات در زیرساخت ها، هوش مصنوعی و حتی انرژی است - جایی که همه این فناوری ها به آن سمت می روند.»

پورت همچنین در مورد مشارکت بزوس توضیح داد: «جف بزوس به دلیل شرکت فضایی خود، Blue Origin، دیدگاه جالبی را به همراه دارد. ما در ابتدا با شرکت‌های فضایی به عنوان مشتری خود کار می‌کردیم و به این موضوع می‌پرداختیم که چگونه شرکت‌های هوافضا می‌توانند از فناوری‌های رایانش ابری استفاده کنند.»

او افزود: "جنسن توانایی منحصر به فردی در درک عناصر فنی و جهت آینده فناوری دارد. داشتن شرکایی با دیدگاه بلندمدت فوق العاده مهم است. همه این افراد متفکران بسیار بلندمدت هستند و من بی نهایت سپاسگزارم که چنین شرکای پایداری در این تجارت دارم.»

انتقال ابری مهندسی امکانات جدیدی را ارائه می دهد

از آنجایی که تنش‌های ژئوپلیتیکی بر صنایعی مانند نیمه‌رساناها و دفاع تأثیر می‌گذارد، Rescale در حال موقعیت‌یابی خود است تا به مشتریان کمک کند تا مقررات نوظهور و زنجیره‌های تامین در حال تغییر را دنبال کنند. این شرکت قابلیت‌هایی را برای کار با ابرهای حاکمیتی توسعه داده است - محیط‌های ابری خاص کشور که داده‌ها را در داخل مرزهای ملی نگهداری می‌کنند.

پورت خاطرنشان کرد: "ظهور ابرهای حاکمیتی وجود دارد. بسیاری از کشورها در حال توسعه زیرساخت ابری خود برای موارد استفاده خاص هستند. استراتژی ما این است که با این ارائه دهندگان شریک شویم تا خدمات را مطابق با ترجیحات مشتری ارائه دهیم. برای مثال، اگر یک مشتری ژاپنی بخواهد روی یک ابر ژاپنی اجرا شود، ما می‌توانیم آن را در خود جای دهیم.»

با توجه به اینکه در حال حاضر کمتر از 20 درصد از بازار محاسبات با کارایی بالا در فضای ابری قرار دارد، Rescale پتانسیل رشد قابل توجهی را می بیند، زیرا گردش های کاری مهندسی بیشتری به محیط های ابری منتقل می شوند. رویکرد فیزیک هوش مصنوعی این شرکت می تواند نحوه طراحی محصولات را در صنایع مختلف متحول کند و به طور بالقوه زمان و هزینه های توسعه را کاهش دهد و در عین حال عملکرد را بهبود بخشد.

پورت با تأمل در تجربه بوئینگ خود گفت: "نکته کلیدی این است که با قابلیت محاسباتی کافی، می توانیم به طرح های بسیار بهتری دست یابیم." آنچه به عنوان یک چالش ناامید کننده با منابع محاسباتی محدود آغاز شد، به دیدگاهی برای چگونگی کار مهندسان در آینده تبدیل شده است. سرمایه گذاری 115 میلیون دلاری نشان دهنده اطمینان از این است که شکاف بین تخیل طراحی و واقعیت فنی در حال باریک شدن است - نه از طریق جهش های کوانتومی در فیزیک، بلکه از طریق استفاده هوشمندانه تر از داده ها و شبیه سازی های موجود.

و آن بال 787 Dreamliner که همه چیز را شروع کرد؟ پورت گفت: «اگر تا به حال با یک هواپیمای 787 Dreamliner پرواز کرده باشید، متوجه طراحی بال منحنی متمایز آن خواهید شد. این بالی است که ما به توسعه آن کمک کردیم و منجر به هواپیمایی شد که 20 درصد مصرف سوخت کمتری دارد.