Wallaroo, en MLOps-plattform för företag, samlar in 25 miljoner dollar

Wallaroo, en MLOps-plattform för företag, samlar in 25 miljoner dollar


Företag söker alltmer till AI för möjligheter att öka intĂ€kterna nĂ€r deras verksamhet flyttar online. Enligt en undersökning frĂ„n PricewaterhouseCoopers frĂ„n 2021 rapporterar en fjĂ€rdedel av företagen att de anvĂ€nder AI i sina organisationer – en ökning frĂ„n 18 % 2020. Men AI-projekt riskerar att stanna pĂ„ grund av de mĂ„nga vĂ€gspĂ€rrar som företag stöter pĂ„ pĂ„ vĂ€gen till implementering. I en Gartner-rapport uppskattar analytiker att 85 % av AI-projekten kommer att ge felaktiga resultat – oavsett om det beror pĂ„ partiskhet i data och algoritmer eller de team som hanterar dem.

En framvÀxande disciplin som kallas maskininlÀrningsoperationer, eller MLops, syftar till att förhindra dessa misslyckanden genom att kombinera maskininlÀrning, devops och datateknik för att underlÀtta driftsÀttning och underhÄll av AI-modeller. MLops Àr en snabbt vÀxande kategori av företag, som förvÀntas generera sÄ mycket som 4 miljarder dollar i intÀkter till 2025. Bland spelarna finns Wallaroo, som erbjuder en New York-baserad AI-modellhanteringsplattform som kan kopplas in i befintliga system. För att understryka segmentets tillvÀxt tillkÀnnagav Wallaroo idag att de samlade in 25 miljoner dollar i en serie A-runda ledd av M12, Microsofts riskarm, med deltagande frÄn Boldstart Ventures, Contour Venture Partners, Eniac Ventures och Greycroft, vilket ger företagets totala insamlade 30 miljoner dollar .

Att föra AI till företaget

Wallaroo grundades 2014 som Sendence av VD Vid Jain och erbjuder tjĂ€nster utformade för att hjĂ€lpa kunder att distribuera och skala AI sina investeringar. Jain skapade konceptet nĂ€r han arbetade pĂ„ Merril Lynch, dĂ€r han insĂ„g att företaget kunde fĂ„ mer vĂ€rde frĂ„n AI genom att anta en förbĂ€ttrad “last-mile”-implementeringsstrategi.

“Data finns överallt, och företag inom alla sektorer vĂ€nder sig till maskininlĂ€rning för att anvĂ€nda dessa data för att bli mer konkurrenskraftiga, smidiga och lönsamma. Dessa företag stĂ„r dock inför en grundlĂ€ggande vĂ€gspĂ€rr: hur man sĂ€tter sina maskininlĂ€rningsmodeller i produktion sĂ„ att dessa modeller faktiskt har en inverkan pĂ„ slutresultatet, sĂ€ger Jain till VentureBeat via e-post. “Det Ă€r verkligen svĂ„rt att operera dataapplikationer i stor skala. Befintliga tillvĂ€gagĂ„ngssĂ€tt – oavsett om det gĂ€ller containerisering, att blanda ihop olika befintliga teknologier eller anpassa en analysarbetshĂ€st som Apache Spark – Ă€r besvĂ€rliga, begrĂ€nsade i omfattning, dyra i skala och benĂ€gna att misslyckas.”

Wallaroo-plattformen bygger pÄ fyra komponenter: MLops, en distribuerad bearbetningsmotor, dataanslutningar och gransknings- och prestandamÄtt. Det Àr Jains pÄstÄende att genom att kombinera dessa kan Wallaroo köra flera modeller pÄ delad infrastruktur utan att lÀgga till betydande overhead till modellernas berÀkningstider.

Med Wallaroo kan datavetare distribuera modeller mot livedata till test-, iscensÀttnings- och produktionsmiljöer med hjÀlp av populÀra ramverk för maskininlÀrning. Databehandlingsmotorn, som kompileras till inbyggd kod och kan köras i molnet, lokalt eller vid kanten, ger en plats för att utvÀrdera produktionsmodeller samt utföra för- och efterbearbetningsuppgifter. Wallaroos dataanslutningar möjliggör integrationer med företagsdatakÀllor samt anpassade integrationer med interna lösningar. Och observerbarhetsverktygen levererar granskningsloggar, berÀknings- och modellprestandamÀtningar och A/B-testningsjÀmförelser till datavetare, verksamhets-, efterlevnads- och riskteam, affÀrschefer och finanschefer och andra intressenter.

Ett diagram som visar Wallaroo-plattformens implementering.

“FrĂ„n början har vĂ„rt teams uppdrag varit att bygga frĂ„n grunden ett nytt sĂ€tt att distribuera berĂ€kningsalgoritmer med banbrytande prestanda och skalbarhet och att arbeta i vilket moln som helst, lokalt eller vid kanten – och utan att behöva riva ut deras befintliga verktyg i processen,” tillade Jain. “[We plan to] slĂ€pp en gratis community-utgĂ„va för att lĂ€gga Wallaroo i hĂ€nderna pĂ„ fler datavetare och maskininlĂ€rningsingenjörer, generera den kontinuerliga feedback som behövs för snabba produktförbĂ€ttringar, samt bygga ett nĂ€tverk av produktmĂ€stare. [We also plan to] göra Wallaroo anvĂ€ndbar i ett bredare utbud av maskininlĂ€rningsarbetsflöden och modellutvecklingsmiljöer, och för att tillhandahĂ„lla mer av out-of-the-box-anslutningar till andra data- och analysprodukter och tjĂ€nster.”

MLOps pÄ uppgÄng

Även med MLops inser inte alla företag fördelarna med AI. Majoriteten av dataforskare sĂ€ger att endast cirka 20 % av modellerna som genererats för att distribueras har nĂ„tt den punkten, och MIT Sloan Management rapporterar att ynka 10 % av företagen fĂ„r “betydande ekonomiska fördelar” frĂ„n AI.

“MLops kan vara en viktig del av [AI project] uppfyllelse, men det Ă€r inte en distributionslösning, skrev Eric Siegal för KDNuggets tidigare denna mĂ„nad. “Den största flaskhalsen för implementering Ă€r vanligtvis att fĂ„ inköp frĂ„n mĂ€nskliga beslutsfattare, Ă€ven om integrationsutmaningarna ocksĂ„ Ă€r imponerande … Om det visar sig att MLops Ă€r den huvudsakliga saknade ingrediensen, beror det pĂ„ ett misslyckande i ledarskapet, inte ett argument som MLops Ă€r den unika lösningen pĂ„ vĂ„ra implementeringsproblem i allmĂ€nhet.”

Wallaroo hÀvdar dock att det slÄr oddsen, med kunder inklusive ett Fortune 100-företag inom cybersÀkerhet och företag inom fastigheter, tillverkning och adtech. Kontroversiellt har Wallaroo ocksÄ arbetat med den amerikanska militÀren för att analysera data frÄn Internet of things-enheter, sÄsom drönare och fartyg, för att upptÀcka sÀkerhetsavvikelser. Vi har kontaktat företaget för ett förtydligande av dess försvarskontrakt och kommer att uppdatera den hÀr artikeln nÀr vi hör tillbaka.

För att hÄlla jÀmna steg med konkurrenter som Comet, Iterative, ZenML, Domino Data Labs och Landing AI sÀger Wallaroo med 24 anstÀllda att de kommer att investera medlen frÄn den senaste omgÄngen i produktutveckling och anstÀllning.

“Företag har blivit mer seriösa nĂ€r det gĂ€ller att faktiskt fĂ„ till affĂ€rsvĂ€rde frĂ„n sina AI-investeringar. Accelererade digitala transformationer i industrier, vilket tvingar dem att börja bli mer seriösa om AI eftersom de ser behovet av (t.ex. mer motstĂ„ndskraftiga leveranskedjor) – eller att agera snabbare pĂ„ massiva förĂ€ndringar pĂ„ marknaden eller bĂ€ttre anpassa konsumentupplevelsen, sĂ€ger Jain. fortsatt. “[Illustrating the trends, our revenue is] i miljontal med tresiffrig tillvĂ€xt under de nĂ€rmaste Ă„ren baserat pĂ„ nuvarande pipeline. [We have] kunder över olika branscher – finans, adtech, detaljhandel, tillverkning, offentlig sektor – för alla möjliga anvĂ€ndningsfall inklusive dynamisk prissĂ€ttning, cybersĂ€kerhet, internet of things, marknadsföringsoptimering och mer.”

VentureBeats uppdrag ska vara ett digitalt stadstorg för tekniska beslutsfattare att fÄ kunskap om transformativ företagsteknik och handla. LÀs mer om medlemskap.