Startup Fundamental z wyceną 1,2 mld dolarów rzuca wyzwanie LLM-om. Jego model Nexus, wsparty kwotą 255 mln USD, ma zrewolucjonizować analizę danych w tabelach.
W skrócie:
- Startup Fundamental wyszedł z cienia z modelem Nexus, który analizuje dane tabelaryczne – tam, gdzie tradycyjne LLM‑y zawodzą. Celuje w największe korporacje.
- Firma pozyskała 255 milionów dolarów finansowania w rundzie Serii A, osiągając status jednorożca z wyceną 1,2 miliarda dolarów. Inwestorami są m.in. Salesforce Ventures.
- Nexus to model deterministyczny, który nie opiera się na architekturze Transformer. Firma ma już kontrakty z firmami z listy Fortune 100 i partnerstwo z AWS.
W Dolinie Krzemowej cisza rzadko trwa długo. Kiedy już myśleliśmy, że cała uwaga skupia się na wyścigu między OpenAI a Anthropic, z cienia wychodzi Fundamental – laboratorium AI z workiem pieniędzy i pomysłem tak starym, jak same bazy danych. Pomysłem, który może okazać się rewolucyjny. Firma właśnie ogłosiła, że pozyskała 255 milionów dolarów finansowania przy wycenie 1,2 miliarda dolarów, by rozwiązać problem, który spędza sen z powiek każdej dużej korporacji: jak wyciągnąć sensowne wnioski z gigantycznych, ustrukturyzowanych zbiorów danych.
Podczas gdy świat zachwyca się generowaniem obrazów i poezji przez duże modele językowe (LLM), Fundamental idzie w zupełnie innym kierunku. Ich model, nazwany Nexus, nie jest kolejnym chatbotem. To coś, co sami twórcy określają jako Large Tabular Model (LTM) – duży model tabelaryczny. I ma on robić dokładnie to, z czym LLM‑y kompletnie sobie nie radzą: analizować miliardy wierszy w arkuszach kalkulacyjnych i bazach danych.
Dlaczego LLM‑y boją się Excela?
Wydaje się to paradoksalne. Skoro AI potrafi napisać kod, skomponować muzykę i zdać egzamin prawniczy, dlaczego miałaby mieć problem ze zwykłą tabelą? Odpowiedź leży w architekturze. Modele takie jak GPT‑4 opierają się na tzw. architekturze Transformer, która przetwarza dane sekwencyjnie w ramach ograniczonego “okna kontekstowego”. To działa świetnie w przypadku tekstu czy kodu. Problem pojawia się, gdy trzeba przeanalizować zbiór danych z miliardem wierszy. LLM po prostu nie jest w stanie “zobaczyć” całości naraz, co uniemożliwia mu wyciąganie głębszych, globalnych wniosków. “LLM‑y świetnie radzą sobie z danymi nieustrukturyzowanymi, takimi jak tekst, audio, wideo i kod, ale nie działają dobrze z danymi ustrukturyzowanymi, takimi jak tabele” – wyjaśnił w rozmowie z TechCrunch Jeremy Fraenkel, CEO Fundamental.
To właśnie ta nisza stała się dla Fundamental ogromną szansą. Zamiast próbować naginać technologię LLM do zadań, do których nie została stworzona, firma postanowiła zbudować coś od podstaw. Coś, co łączy potęgę nowoczesnych technik uczenia maszynowego ze specyfiką danych tabelarycznych.
Jak działa Nexus i co czyni go wyjątkowym?
Nexus zrywa z kilkoma dogmatami współczesnej AI. Po pierwsze, jest modelem deterministycznym. Oznacza to, że na to samo pytanie zawsze udzieli tej samej odpowiedzi. W świecie LLM-ów, gdzie kreatywność i losowość są często pożądane, to cecha niemal zapomniana. Ale w świecie finansów, logistyki czy analityki biznesowej – gdzie precyzja i powtarzalność są kluczowe – to absolutna podstawa zaufania. Wyobraźmy sobie system, który jednego dnia prognozuje sprzedaż na poziomie miliona, a drugiego na półtora miliona. Chaos gwarantowany.
Po drugie, model nie korzysta ze wspomnianej architektury Transformer. Twórcy określają go jako “model fundamentalny” (foundation model), ponieważ przechodzi standardowe etapy wstępnego trenowania i dostrajania, ale jego wewnętrzna maszyneria działa inaczej. Fraenkel podkreśla, że dzięki temu Nexus może przetwarzać całe zbiory danych, niezależnie od ich wielkości, i dostarczać wyniki znacznie przewyższające to, co mogłaby osiągnąć “armia analityków danych”. To obietnica jednego, uniwersalnego modelu, który zastąpi dziesiątki wyspecjalizowanych algorytmów używanych obecnie w korporacjach.
Kto postawił pieniądze na rewolucję w tabelkach?
Wizja Fundamental przekonała największych graczy na rynku. Firma zebrała łącznie 255 milionów dolarów, z czego 225 milionów pochodzi z ostatniej rundy Serii A. Przewodzili jej giganci: Oak HC/FT, Valor Equity Partners, Battery Ventures i Salesforce Ventures. Wśród aniołów biznesu znaleźli się m.in. Aravind Srinivas (CEO Perplexity), Henrique Dubugras (współzałożyciel Brex) i Olivier Pomel (CEO Datadog). Taki skład inwestorów pokazuje, że zapotrzebowanie na inteligentne narzędzia do analizy danych strukturalnych jest ogromne.
Co więcej, firma nie czekała na przypływ gotówki, by zacząć działać. Już teraz ma na koncie kilka siedmiocyfrowych kontraktów z klientami z listy Fortune 100. Ponadto nawiązała strategiczne partnerstwo z Amazon Web Services (AWS), co pozwoli użytkownikom chmury Amazona na wdrażanie modelu Nexus bezpośrednio w swojej infrastrukturze. To potężny ruch, który może przyspieszyć adopcję tej technologii na masową skalę. Wszystko wskazuje na to, że podczas gdy my ekscytowaliśmy się generatywną AI, prawdziwa, cicha rewolucja w biznesie dopiero się zaczyna. I najwyraźniej odbywa się w wierszach i kolumnach.