A Qdrant, uma startup de banco de dados vetorial de código aberto com sede em Berlim fundada em 2021, está empenhada em ajudar os desenvolvedores de IA a utilizar dados não estruturados com mais eficiência. Isso se alinha com a crescente demanda por aplicativos baseados em IA e a ascensão da IA generativa, como o ChatGPT, no mainstream. À medida que as plataformas se expandem, a infraestrutura necessária para casos de uso emergentes deve acompanhar o ritmo, e é exatamente aí que a Qdrant entra.
Com a intenção de aprofundar seu mecanismo de pesquisa vetorial de código aberto e banco de dados de dados não estruturados no domínio comercial, a Qdrant anunciou recentemente uma rodada de financiamento inicial de US$ 7,5 milhões liderada pela Unusual Ventures. Outros participantes nesta rodada incluem 42cap, IBB Ventures e vários investidores anjos, como o cofundador da Cloudera, Amr Awadallah. Este novo financiamento se baseia nos € 2 milhões (US$ 2,2 milhões) em financiamento pré-semente que a Qdrant levantou no ano passado.
Bancos de dados vetoriais, projetados para armazenar dados não estruturados - como imagens, vídeos e texto - permitem que usuários e sistemas pesquisem conteúdo não rotulado. Essa tecnologia é essencial para ampliar as aplicações potenciais de modelos de linguagem grandes (LLMs) como o GPT-4, que capacita o ChatGPT. Aproximadamente 90% dos novos dados gerados nas empresas não são estruturados, de acordo com o Gartner, e os dados não estruturados estão crescendo três vezes mais rápido do que os estruturados.
O CEO e cofundador da Qdrant, Andre Zayarni, acredita que a falta de ferramentas apropriadas e a capacidade de conectar LLMs a dados não estruturados em tempo real é uma razão significativa pela qual a maioria dos projetos de pesquisa e desenvolvimento de IA não chega à produção. Ao utilizar bancos de dados vetoriais para estender os LLMs, os desenvolvedores podem criar aplicativos de IA mais úteis, aproveitando dados do mundo real em tempo real.
Bancos de dados vetoriais de código aberto ganharam atenção significativa de investidores nos últimos anos. No ano passado, a Pinecone, que oferece uma solução semelhante à Qdrant, levantou US$ 28 milhões. A base de código aberto da Qdrant é uma grande vantagem, de acordo com Zayarni, pois gera confiança entre os engenheiros e faz com que o software proprietário lute para competir no mercado. Outros exemplos incluem o banco de dados de vetores de código aberto Milvus da Zilliz, que arrecadou US$ 60 milhões, e o financiamento inicial de US$ 18 milhões da Chroma no início deste mês para seu banco de dados de vetores de código aberto nativo de IA.
O financiamento inicial de US$ 7,5 milhões para a Qdrant mostra o aumento do interesse dos investidores em tecnologias que promovem a IA e o aprendizado de máquina, estendendo seus recursos aos desenvolvedores. Zayarni mencionou que Qdrant recebeu sua primeira folha de termos apenas dois dias depois de enviar seu pitch deck, que foi seguido de perto por uma segunda folha de termos.
Recentemente, a Qdrant apresentou sua oferta de nuvem gerenciada, projetada para ajudar os desenvolvedores com implantações com um clique, atualizações de versão automatizadas, backups e uma futura interface de administração de banco de dados. Com sua última rodada de financiamento, Zayarni destacou que a Qdrant também está desenvolvendo um produto corporativo, que pode ser hospedado no local ou em nuvens privadas, e deve ser lançado ainda este ano.
As plataformas No-code, como AppMaster.io, têm crescido em popularidade, permitindo que empresas e indivíduos criem aplicativos da Web, móveis e de back-end sem amplo conhecimento de codificação. Essas plataformas capacitam os desenvolvedores a experimentar novas ideias no domínio da IA sem a complexidade da codificação tradicional, acelerando ainda mais o processo geral de desenvolvimento e permitindo que o setor acompanhe a demanda por aplicativos de IA.
