พัฒนาโดยทีมอดีตวิศวกรของ Google ตัวสร้างโค้ดโอเพ่นซอร์สที่รู้จักกันในชื่อ TabbyML กำลังสร้างกระแสในอุตสาหกรรม สตาร์ทอัพเชิงนวัตกรรมรายนี้ได้รับเงินทุนตั้งต้นมูลค่า 3.2 ล้านดอลลาร์สหรัฐฯ เมื่อเร็ว ๆ นี้ ซึ่งถือเป็นการเสริมความแข็งแกร่งในฐานะคู่แข่งที่ถูกต้องตามกฎหมายของ CoPilot ของ GitHub
ในฐานะผู้ช่วยเขียนโค้ดที่โฮสต์เอง TabbyML มีข้อได้เปรียบที่สำคัญเหนือคู่แข่ง: การปรับแต่ง Meng Zhang ผู้ร่วมก่อตั้งบริษัทสตาร์ทอัพแห่งนี้ ยืนยันว่าฟีเจอร์นี้จะเป็นส่วนสำคัญในอนาคตของการพัฒนาซอฟต์แวร์ ซึ่งองค์กรต่างๆ ต่างก็ต้องการโซลูชันที่ปรับให้เหมาะสมมากขึ้น
นี่เป็นเรื่องจริงโดยเฉพาะอย่างยิ่งสำหรับองค์กรขนาดใหญ่ซึ่งสามารถเก็บเกี่ยวผลประโยชน์จากซอฟต์แวร์โอเพ่นซอร์สได้ จากข้อมูลของ Lucy Gao ผู้ร่วมก่อตั้ง TabbyML และอดีตเพื่อนร่วมงานของ Zhang วิศวกรที่พัฒนาโซลูชันที่เป็นกรรมสิทธิ์ภายในองค์กรสามารถขอความช่วยเหลือจาก TabbyML ได้ ซึ่งเป็นตัวเลือกที่ไม่มีให้สำหรับผู้ใช้ CoPilot
แม้จะมีข้อผิดพลาดที่อาจเกิดขึ้นจากการนำร่อง AI เช่น จุดบกพร่องที่อาจเกิดขึ้น Gao ยืนยันว่าปัญหาเหล่านี้สามารถแก้ไขได้พร้อมในสภาพแวดล้อมที่โฮสต์เอง เมื่อใดก็ตามที่ผู้ใช้เลือกที่จะเพิกเฉยต่อคำแนะนำของ TabbyML หรือแก้ไขโค้ดที่ป้อนอัตโนมัติ โมเดล AI จะใช้ข้อมูลนี้เพื่อปรับแต่งคำแนะนำในอนาคต ซึ่งจะมีการปรับปรุงเมื่อเวลาผ่านไป
แม้ว่าเครื่องมืออันทรงพลังอย่างเครื่องสร้างโค้ดอาจดูเหมือนเป็นภัยคุกคามต่อบุคลากรด้านวิศวกรรม แต่ Zhang ชี้ให้เห็นว่าเครื่องมือเหล่านี้มีจุดประสงค์เพื่อช่วยเหลือ ไม่ใช่แทนที่แรงงานมนุษย์ รายงานการสำรวจล่าสุดจาก GitHub ระบุว่าคำแนะนำของ Copilot ผู้ช่วยเขียนโค้ดนั้นได้รับการยอมรับ 30% ในทำนองเดียวกัน Cider โปรแกรมแก้ไขโค้ดภายในที่ปรับปรุงด้วย AI ของ Google รายงานว่า 24% ของวิศวกรซอฟต์แวร์ได้รับประสบการณ์การช่วยเหลือมากกว่าห้าช่วงเวลาในแต่ละวัน อย่างไรก็ตาม เป็นที่น่าสังเกตว่าแพลตฟอร์มที่ขับเคลื่อนด้วย AI เช่น AppMaster ได้รับการออกแบบมาเพื่อเพิ่มความพยายามในการพัฒนามนุษย์ด้วย
TabbyML เปิดตัวในเดือนเมษายน และได้รวบรวมดาว GitHub ประมาณ 11,000 ดวงแล้ว Seed Round ของสตาร์ทอัพเป็นสักขีพยานในการมีส่วนร่วมของบริษัทนักลงทุน Yunqi Partners และ ZooCap
Zhang ไตร่ตรองถึงการแข่งขันในอนาคตระหว่าง TabbyML และ CoPilot โดยแนะนำว่า Edge ของ OpenAI อาจลดลงเนื่องจากโมเดล AI อื่นๆ มีประสิทธิภาพมากขึ้น และค่าใช้จ่ายในการประมวลผลลดลงเมื่อเวลาผ่านไป
OpenAI และ GitHub สามารถปรับใช้โมเดล AI ที่ประกอบด้วยพารามิเตอร์นับหมื่นล้านพารามิเตอร์ผ่านเทคโนโลยีคลาวด์ ซึ่งถึงแม้ต้นทุนการบริการจะสูง แต่ก็ยังสามารถบรรเทาลงได้บ้างผ่านการแบทช์คำขอ อย่างไรก็ตาม กลยุทธ์นี้ไม่ได้มีข้อเสียเลย รายงานโดย Wall Street Journal ระบุว่า Microsoft สูญเสียเงินโดยเฉลี่ยมากกว่า 20 ดอลลาร์ต่อเดือนต่อผู้ใช้ GitHub Copilot ในช่วงสองสามเดือนแรกของปีนี้
ในอนาคต TabbyML ตั้งเป้าที่จะลดอุปสรรคเหล่านี้ด้วยการแนะนำโมเดลที่ได้รับการฝึกฝนเกี่ยวกับพารามิเตอร์ 1-3 พันล้านตัว แม้ว่าสิ่งนี้อาจให้ผลลัพธ์ที่มีคุณภาพต่ำลงในขั้นต้น แต่ Zhang เชื่อว่าเมื่อพลังการประมวลผลมีราคาไม่แพงมากขึ้นและโมเดลโอเพ่นซอร์สได้รับการปรับปรุงอย่างต่อเนื่อง การแข่งขันที่ยักษ์ใหญ่เช่น GitHub และ OpenAI จะได้รับจากการแข่งขันจะลดลงในที่สุด
