استارتاپ هوش مصنوعی Baseten با جذب ۱.۵ میلیارد دلار سرمایه سری F، زیرساخت استقرار مدل‌ها را توسعه می‌دهد

شرکت Baseten، ارائه‌دهنده زیرساخت هوش مصنوعی مستقر در سانفرانسیسکو، یک دور تأمین مالی عظیم سری F به ارزش ۱.۵ میلیارد دلار جذب کرده است که ارزش پس از سرمایه‌گذاری شرکت را به ۱۲ میلیارد دلار می‌رساند. این دور که یکی از بزرگترین جذب سرمایه‌های خصوصی سال ۲۰۲۶ محسوب می‌شود، با رهبری مشترک Sequoia Capital و Andreessen Horowitz و مشارکت قابل توجه NVentures، بازوی سرمایه‌گذاری Nvidia، انجام شد. این تزریق سرمایه نشان‌دهنده یک تغییر قطعی در تمرکز صنعت هوش مصنوعی است؛ تمرکزی که از توسعه صرف مدل‌های بنیادی عظیم به سمت لجستیک پیچیده استقرار کارآمد آن‌ها در محیط‌های سازمانی حرکت کرده است. با گذار شرکت‌ها در سراسر جهان از آزمایش هوش مصنوعی به تولید در مقیاس کامل، تقاضا برای زیرساخت‌های استقرار قوی و مقیاس‌پذیر افزایش یافته و Baseten را در مرکز یک گلوگاه حیاتی صنعتی قرار داده است.[1][2]

برای درک اهمیت جذب سرمایه Baseten، تفکیک بین دو مرحله اصلی هوش مصنوعی ضروری است: آموزش (Training) و استنتاج/اجرا (Inference). آموزش فرآیندی است که نیاز به محاسبات فشرده دارد و طی آن مدل هوش مصنوعی با تغذیه حجم عظیمی از داده‌ها، آموزش می‌بیند؛ این مرحله در طول سال‌های ۲۰۲۳ و ۲۰۲۴ بر سرفصل‌های خبری و تأمین مالی سرمایه‌گذاری خطرپذیر تسلط داشت. در مقابل، استنتاج مرحله‌ای است که در آن مدل آموزش‌دیده عملاً به کار گرفته می‌شود و متن، تصویر یا پیش‌بینی‌هایی را در پاسخ به درخواست‌های کاربر تولید می‌کند. در حالی که آموزش به انفجارهای عظیم و متمرکز قدرت محاسباتی نیاز دارد، استنتاج نیازمند زمان پاسخ‌دهی (Latency) پایین، مداوم و پایداری بسیار بالا در سرور است. تحلیلگران صنعت اشاره می‌کنند که استنتاج اکنون بیش از هشتاد درصد از کل هزینه‌های محاسباتی مرتبط با هوش مصنوعی را برای برنامه‌های سازمانی تشکیل می‌دهد، که بهینه‌سازی را نه تنها یک مزیت فنی، بلکه یک ضرورت مالی می‌سازد.[3][4]

Baseten جایگاه خود را در بازار با ارائه یک لایه انتزاعی (Abstraction Layer) ایجاد کرده است که بین مدل‌های پیچیده هوش مصنوعی و واحدهای پردازش گرافیکی خام (GPUs) مورد نیاز برای اجرای آن‌ها قرار می‌گیرد. به طور سنتی، تیم‌های مهندسی نرم‌افزار که تلاش می‌کردند مدل‌های منبع باز مانند Llama 4 شرکت Meta یا جدیدترین معماری‌های Mistral را مستقر کنند، با مجموعه‌ای دلهره‌آور از چالش‌های زیرساختی مواجه بودند. آن‌ها مجبور بودند سرورها را به صورت دستی تأمین کنند، تخصیص حافظه GPU را مدیریت کنند و کدهای سفارشی برای مدیریت افزایش ناگهانی ترافیک کاربران بنویسند. پلتفرم Baseten این فرآیندها را خودکار می‌کند و به توسعه‌دهندگان اجازه می‌دهد مدل‌ها را با چند خط کد مستقر کنند، در حالی که سیستم زیرین به صورت پویا منابع محاسباتی را بر اساس تقاضای لحظه‌ای افزایش یا کاهش می‌دهد. این قابلیت مقیاس‌بندی خودکار به ویژه برای جلوگیری از «شروع سرد» (Cold Start) حیاتی است؛ تأخیر آزاردهنده‌ای که هنگام پرس‌وجوی ناگهانی از یک مدل هوش مصنوعی غیرفعال رخ می‌دهد.[1][5]

حجم عظیم ۱.۵ میلیارد دلاری دور سری F، ماهیت سرمایه‌بر رقابت در فضای زیرساخت هوش مصنوعی در سال ۲۰۲۶ را منعکس می‌کند. برخلاف استارتاپ‌های سنتی نرم‌افزار به عنوان سرویس (SaaS) که عمدتاً به سرمایه برای استعدادهای مهندسی و بازاریابی نیاز دارند، پلتفرم‌های استقرار هوش مصنوعی باید تخصیص‌های عظیمی از سخت‌افزار فیزیکی را تأمین کنند. مدیران Baseten اعلام کرده‌اند که بخش عمده‌ای از سرمایه جدید صرف تأمین قراردادهای محاسباتی بلندمدت و خرید سیلیکون‌های نسل بعدی، از جمله پردازنده‌های بسیار مورد تقاضای B100 Blackwell شرکت Nvidia و شتاب‌دهنده‌های MI400X شرکت AMD خواهد شد. Baseten با تجمیع تقاضا در میان هزاران مشتری سازمانی، می‌تواند توافق‌نامه‌های خرید عمده سخت‌افزار را مذاکره کند که برای شرکت‌های منفردی که قصد ساخت رک‌های سرور هوش مصنوعی خود را دارند، کاملاً غیرقابل دسترس خواهد بود.[2][6]

چشم‌انداز رقابتی برای استنتاج هوش مصنوعی در طول دوازده ماه گذشته به شدت تشدید شده و به یک میدان نبرد با ریسک بالا برای سرمایه خطرپذیر تبدیل شده است. Baseten مستقیماً با سایر استارتاپ‌های زیرساختی با سرمایه بالا مانند Together AI و Anyscale، و همچنین خدمات استقرار اختصاصی ارائه شده توسط غول‌های ابری Amazon Web Services، Google Cloud و Microsoft Azure رقابت می‌کند. با این حال، Baseten با موفقیت خود را به عنوان یک جایگزین مستقل از ابر (Cloud-agnostic) معرفی کرده است. بسیاری از مدیران ارشد اطلاعات سازمانی به طور فزاینده‌ای نگران گرفتار شدن در اکوسیستم هوش مصنوعی یک ارائه‌دهنده ابری بزرگ هستند. با استفاده از یک پلتفرم استقرار مستقل، شرکت‌ها انعطاف‌پذیری لازم برای هدایت بارهای کاری هوش مصنوعی خود به هر مرکز داده‌ای که در حال حاضر ارزان‌ترین نرخ محاسباتی یا کمترین زمان پاسخ‌دهی را برای یک منطقه جغرافیایی خاص ارائه می‌دهد، حفظ می‌کنند.[3][7]

یک محرک مهم رشد اخیر Baseten، پذیرش سریع مدل‌های منبع باز و تنظیم‌شده سفارشی توسط بخش سازمانی بوده است. در حالی که رابط‌های برنامه‌نویسی کاربردی اختصاصی (APIs) از شرکت‌هایی مانند OpenAI و Anthropic بر رونق اولیه هوش مصنوعی مولد تسلط داشتند، سال ۲۰۲۶ شاهد چرخش عظیمی به سمت حاکمیت داده‌ها (Data Sovereignty) بوده است. مؤسسات مالی، ارائه‌دهندگان خدمات درمانی و پیمانکاران دفاعی به طور فزاینده‌ای در ارسال داده‌های بسیار حساس و اختصاصی خود از طریق APIهای شخص ثالث تردید دارند. در عوض، آن‌ها وزن‌های مدل‌های منبع باز را دانلود می‌کنند، آن‌ها را در سرورهای داخلی تنظیم دقیق می‌کنند و در ابرهای خصوصی مجازی امن مستقر می‌نمایند. زیرساخت Baseten به طور خاص برای تسهیل این گردش کار طراحی شده است و امنیت و ایزوله‌سازی مورد نیاز صنایع تحت نظارت شدید را بدون قربانی کردن سرعت عملکردی که معمولاً با محصولات هوش مصنوعی در سطح مصرف‌کننده مرتبط است، فراهم می‌کند.[4][8]

فراتر از تأمین محاسبات خام، Baseten به شدت در تکنیک‌های بهینه‌سازی نرم‌افزاری اختصاصی سرمایه‌گذاری کرده است که عملکرد بیشتری را از سخت‌افزار موجود استخراج می‌کند. وبلاگ مهندسی این شرکت اخیراً جزئیاتی از پیشرفت‌ها در دسته‌بندی پیوسته (Continuous Batching) و رمزگشایی حدسی (Speculative Decoding) را منتشر کرده است – روش‌های الگوریتمی پیچیده‌ای که به یک GPU اجازه می‌دهد چندین درخواست کاربر را به طور همزمان به جای متوالی پردازش کند. طبق معیارهای داخلی که در طول اعلامیه تأمین مالی ذکر شد، این بهینه‌سازی‌های سطح نرم‌افزار می‌توانند زمان پاسخ‌دهی استنتاج را تا هشتاد و پنج درصد در مقایسه با روش‌های استاندارد استقرار کاهش دهند، در حالی که همزمان هزینه هر توکن تولید شده را بیش از نصف کاهش می‌دهند. برای یک برنامه سازمانی که به میلیون‌ها کاربر روزانه خدمات می‌دهد، این افزایش کارایی مستقیماً به ده‌ها میلیون دلار صرفه‌جویی عملیاتی سالانه تبدیل می‌شود.[1][5]

مشارکت NVentures شرکت Nvidia در این دور سری F، بر رابطه همزیستی بین تولیدکنندگان سخت‌افزار و پلتفرم‌های استقرار تأکید می‌کند. در حالی که Nvidia بر بازار تراشه‌های هوش مصنوعی تسلط دارد، این شرکت می‌داند که تقاضای بلندمدت برای سخت‌افزار آن کاملاً به این بستگی دارد که توسعه‌دهندگان نرم‌افزار بتوانند به طور کارآمد از آن استفاده کنند. Nvidia با سرمایه‌گذاری در لایه‌های زیرساختی مانند Baseten، اطمینان حاصل می‌کند که اصطکاک استقرار مدل‌های هوش مصنوعی تا حد ممکن پایین بماند و در نتیجه شرکت‌های بیشتری را تشویق می‌کند تا هوش مصنوعی مولد را در عملیات روزانه خود ادغام کنند. این همسویی استراتژیک نشان می‌دهد که Baseten احتمالاً دسترسی اولویت‌دار به معماری‌های سخت‌افزاری جدید را به محض خروج از خطوط مونتاژ دریافت خواهد کرد، که یک مزیت رقابتی حیاتی در بازاری است که همچنان توسط گلوگاه‌های زنجیره تأمین سیلیکون محدود شده است.[2][6]

در آینده، Baseten قصد دارد بخشی از سرمایه سری F را برای گسترش ردپای جهانی خود، با ایجاد مراکز استنتاج محلی در اروپا و منطقه آسیا-اقیانوسیه استفاده کند. این گسترش ناشی از قوانین سخت‌گیرانه‌تر محلی‌سازی داده‌ها، مانند قانون هوش مصنوعی اتحادیه اروپا، است که حکم می‌کند انواع خاصی از پردازش الگوریتمی باید در مرزهای جغرافیایی مشخصی انجام شود. Baseten با ایجاد یک شبکه توزیع‌شده از سرورهای استقرار، قصد دارد راهی یکپارچه برای مشتریان سازمانی فراهم کند تا با مقررات منطقه‌ای مطابقت داشته باشند و در عین حال عملکرد برنامه ثابتی را در سراسر جهان حفظ کنند. این شرکت همچنین فعالانه در حال جذب استعدادهای تخصصی در مهندسی کامپایلر و معماری سیستم‌ها است، که نشان‌دهنده قصد برای نزدیک‌تر کردن نرم‌افزار بهینه‌سازی خود به سخت‌افزار خام GPUها است.[7][8]

در نهایت، دور تأمین مالی بزرگ Baseten به عنوان یک شاخص برای بلوغ صنعت هوش مصنوعی عمل می‌کند. دوران صرفاً اثبات اینکه مدل‌های زبان بزرگ می‌توانند وظایف پیچیده را انجام دهند، به پایان رسیده است؛ دوران کنونی کاملاً بر اقتصاد واحد، قابلیت اطمینان و مقیاس متمرکز است. همانطور که هوش مصنوعی از یک آزمایش تحقیقاتی جدید به زیرساخت اساسی اقتصاد دیجیتال مدرن تبدیل می‌شود، شرکت‌هایی که لوله‌ها را می‌سازند و فشار را مدیریت می‌کنند، در موقعیتی قرار دارند که ارزش عظیمی را جذب کنند. Baseten با ۱.۵ میلیارد دلار سرمایه تازه و پایگاه مشتریان سازمانی که به سرعت در حال گسترش است، قاطعانه خود را به عنوان یک معمار اصلی این زیرساخت محاسباتی جدید تثبیت کرده است.[3][4]