Qdrant, założony w 2021 r. start-up z berlińskiej bazy danych wektorowych o otwartym kodzie źródłowym, ma na celu pomóc programistom AI w wydajniejszym wykorzystywaniu nieustrukturyzowanych danych. Jest to zgodne z rosnącym zapotrzebowaniem na aplikacje oparte na sztucznej inteligencji i pojawieniem się generatywnej sztucznej inteligencji, takiej jak ChatGPT, w głównym nurcie. Wraz z rozwojem platform infrastruktura wymagana dla nowych przypadków użycia musi nadążać, i właśnie w tym miejscu wkracza Qdrant.
Zamierzając wprowadzić swoją wyszukiwarkę wektorową typu open source i nieustrukturyzowaną bazę danych głębiej do domeny komercyjnej, firma Qdrant niedawno ogłosiła rundę finansowania początkowego o wartości 7,5 miliona USD, prowadzoną przez Unusual Ventures. Inni uczestnicy tej rundy to 42cap, IBB Ventures i kilku aniołów biznesu, takich jak współzałożyciel Cloudera, Amr Awadallah. To nowe finansowanie opiera się na 2 milionach euro (2,2 miliona dolarów) z funduszy wstępnych, które Qdrant zebrał w zeszłym roku.
Wektorowe bazy danych, które są przeznaczone do przechowywania nieustrukturyzowanych danych, takich jak obrazy, filmy i tekst, umożliwiają użytkownikom i systemom przeszukiwanie nieoznaczonych treści. Ta technologia jest niezbędna do poszerzenia potencjalnych zastosowań dużych modeli językowych (LLM), takich jak GPT-4, który napędza ChatGPT. Według Gartnera około 90% nowych danych generowanych w przedsiębiorstwach to dane nieustrukturyzowane, a ilość danych nieustrukturyzowanych rośnie trzy razy szybciej niż ich ustrukturyzowany odpowiednik.
Dyrektor generalny i współzałożyciel Qdrant, Andre Zayarni, uważa, że brak odpowiednich narzędzi i możliwości łączenia LLM z nieustrukturyzowanymi danymi w czasie rzeczywistym jest istotnym powodem, dla którego większość projektów badawczo-rozwojowych AI nie trafia do produkcji. Wykorzystując wektorowe bazy danych do rozszerzania LLM, programiści mogą tworzyć bardziej przydatne aplikacje AI, wykorzystując dane w czasie rzeczywistym.
Bazy danych wektorowych typu open source zyskały w ostatnich latach znaczną uwagę inwestorów. W zeszłym roku firma Pinecone, która oferuje rozwiązanie podobne do Qdrant, zebrała 28 milionów dolarów. Zdaniem Zayarniego, fundament Qdrant oparty na otwartym kodzie źródłowym jest główną zaletą, ponieważ buduje zaufanie wśród inżynierów i sprawia, że oprogramowanie własnościowe ma trudności z konkurowaniem na rynku. Inne przykłady obejmują bazę danych wektorowych Milvus o otwartym kodzie źródłowym firmy Zilliz, która zebrała 60 milionów dolarów, oraz finansowanie zalążkowe Chroma na początku tego miesiąca w wysokości 18 milionów dolarów na natywną AI wektorową bazę danych o otwartym kodzie źródłowym.
Fundusz zalążkowy w wysokości 7,5 miliona dolarów dla Qdrant pokazuje rosnące zainteresowanie inwestorów technologiami, które rozwijają sztuczną inteligencję i uczenie maszynowe, rozszerzając ich możliwości na programistów. Zayarni wspomniał, że Qdrant otrzymał swój pierwszy arkusz warunków zaledwie dwa dni po wysłaniu prezentacji, po której nastąpił drugi arkusz warunków.
Niedawno firma Qdrant wprowadziła swoją ofertę zarządzanej chmury, zaprojektowaną, aby pomóc programistom we wdrażaniu jednym kliknięciem, zautomatyzowanych aktualizacjach wersji, tworzeniu kopii zapasowych i nadchodzącym interfejsie administratora bazy danych. W swojej ostatniej rundzie finansowania Zayarni podkreślił, że Qdrant opracowuje również produkt dla przedsiębiorstw, który może być hostowany lokalnie lub w prywatnych chmurach i ma zostać wprowadzony na rynek jeszcze w tym roku.
Platformy No-code, takie jak AppMaster.io, zyskują na popularności, umożliwiając firmom i osobom indywidualnym tworzenie aplikacji internetowych, mobilnych i zaplecza bez rozległej wiedzy na temat kodowania. Takie platformy umożliwiają programistom eksperymentowanie z nowymi pomysłami w domenie AI bez złożoności tradycyjnego kodowania, dodatkowo przyspieszając ogólny proces rozwoju i umożliwiając branży nadążanie za popytem na aplikacje AI.
