Mr.pc
VB ,M.Nuñez
Alembic Technologies ha raccolto 145 milioni di dollari in finanziamenti di serie B e di crescita a una valutazione 13 volte superiore rispetto al round precedente, scommettendo che il prossimo vantaggio competitivo nell’intelligenza artificiale non deriverà da modelli linguistici migliori, ma da dati proprietari e ragionamento causale.La startup con sede a San Francisco, che sviluppa sistemi di intelligenza artificiale che identificano relazioni di causa ed effetto anziché semplici correlazioni, sta utilizzando una parte significativa del capitale per implementare quello che sostiene essere uno dei supercomputer privati più veloci mai costruiti: un superPOD Nvidia NVL72 che alimenterà i suoi modelli di intelligenza artificiale causale di livello aziendale.L’investimento, guidato da Prysm Capital e Accenture con la partecipazione di Silver Lake Waterman , Liquid 2 Ventures , NextEquity , Friends & Family Capital e WndrCo , posiziona Alembic tra un gruppo selezionato di laboratori di intelligenza artificiale ben finanziati che stanno trasformando il modo in cui le aziende prendono decisioni multimilionarie.AI IMPACT: Taming Your AI Unit Economics with WEKAFeedback sugli annunciIl round di finanziamento e la direzione strategica dell’azienda riflettono un cambiamento più ampio in atto nell’intelligenza artificiale aziendale, con la riduzione del divario prestazionale tra modelli linguistici di grandi dimensioni concorrenti. Mentre startup e giganti della tecnologia hanno investito miliardi nella realizzazione di chatbot sempre più grandi, Alembic persegue una tesi diversa: il vero valore dell’intelligenza artificiale sarà attribuito ai sistemi in grado di elaborare dati aziendali privati per rispondere a domande a cui i modelli generici non riescono a rispondere.
“Con la crescente convergenza di modelli di intelligenza artificiale sempre più performanti, il vantaggio competitivo chiave si sposta sui dati proprietari”, ha affermato Tomás Puig, fondatore e amministratore delegato di Alembic, in un’intervista a VentureBeat. “Ottenere un vero vantaggio non significa utilizzare il miglior LLM; significa sfruttare le informazioni uniche a cui i concorrenti non hanno accesso”.Ad FeedbackPuig ha illustrato il problema che devono affrontare i dirigenti aziendali: “Immaginate di gestire un’azienda di beni di largo consumo e di installare l’ultima versione di ChatGPT. Chiedo: ‘Ehi, ChatGPT, datemi una strategia per aumentare la mia quota di fatturato nel nord-est’. Poi il vostro concorrente più avanti vi pone esattamente la stessa domanda. Quanto siete nei guai se riceve la stessa identica risposta?
“Come una startup fallita sui Mac Pro ha scoperto una svolta che ha cambiato tuttoIl notevole aumento della valutazione, da circa 50 milioni di dollari nella Serie A agli attuali circa 645 milioni di dollari, secondo fonti vicine alla questione, riflette una trasformazione fondamentale nella tecnologia e nel posizionamento di mercato di Alembic rispetto al precedente round di finanziamento.Quando l’azienda ha raccolto il suo finanziamento di Serie A all’inizio del 2024 , era principalmente un’azienda di elaborazione di segnali e analisi di correlazione focalizzata sulla misurazione del marketing. “La tecnologia causale non esisteva per noi fino a dopo il finanziamento di Serie A”, ha dichiarato Puig a VentureBeat. L’azienda era così limitata nelle risorse che non poteva nemmeno eseguire simulazioni per testare l’efficacia dei suoi modelli causali.La svolta arrivò dopo il round di Serie A, quando l’azienda ebbe finalmente abbastanza capitale per testare le sue teorie. “Eravamo così al verde che non potevamo nemmeno eseguire la simulazione per vedere se funzionava”, ha ricordato Puig.
Quando eseguirono i test – inizialmente su un “esercito di Mac Pro” perché non avevano ancora un’infrastruttura GPU – scoprirono qualcosa di inaspettato: il loro modello causale funzionava non solo per l’analisi di marketing, ma praticamente in qualsiasi ambito aziendale con dati di serie temporali.”Abbiamo iniziato ad aggiungere funzionalità man mano che i clienti le richiedevano, il che è stato sensato e iterativo”, ha spiegato Puig. “Abbiamo scoperto che il modello funziona universalmente sulla stragrande maggioranza dei dati. Quello che pensavamo potesse essere un modello per un settore specifico si è rivelato un modello fondamentale completo e generalizzato.”Questa scoperta ha trasformato Alembic da un fornitore di tecnologie di marketing in un’azienda che sta costruendo quello che Puig descrive come “l’intero sistema nervoso centrale dell’impresa in tutti i settori verticali, non solo vendite, marketing, supply chain, finanza e oltre”.Perché l’intelligenza artificiale causa-effetto è più importante della correlazione per il processo decisionale aziendaleL’intelligenza artificiale causale è un approccio fondamentalmente diverso dall’analisi basata sulla correlazione che domina la maggior parte degli strumenti di business intelligence e persino molti sistemi di intelligenza artificiale.
Laddove l’analisi tradizionale potrebbe mostrare che l’interazione sui social media è correlata all’aumento delle vendite, l’intelligenza artificiale causale può determinare se l’attività sui social media ha effettivamente causato l’aumento delle vendite o se entrambi sono stati guidati da un terzo fattore, come un evento virale.Questa distinzione è di fondamentale importanza per i dirigenti che prendono decisioni sull’allocazione del budget. “La maggior parte delle aziende non è a corto di dati”, ha affermato Puig. “Sono a corto di risposte”.Per i clienti di Alembic, che ora includono Delta Air Lines , Mars , Nvidia e diverse aziende Fortune 500 nei settori dei servizi finanziari, della tecnologia e dei beni di consumo confezionati, la piattaforma può rispondere a domande in precedenza senza risposta sull’efficacia del marketing, l’efficienza operativa e gli investimenti strategici.”La capacità di Alembic di collegare l’esposizione al marketing direttamente ai risultati aziendali, con velocità, precisione e granularità, è ciò che ha reso questa collaborazione così trasformativa per noi”, ha affermato Alicia Tillman, Chief Marketing Officer di Delta Air Lines.
“A differenza degli strumenti di misurazione tradizionali, Alembic ci ha offerto una visione unificata su canali e campagne, svelando informazioni a cui prima non potevamo accedere.”La compagnia aerea ha utilizzato Alembic per quantificare l’incremento di fatturato derivante dalla sponsorizzazione del Team USA Olympics entro pochi giorni dall’attivazione, collegando direttamente le attività del brand alle vendite dei biglietti, un tipo di misurazione che sfugge ai professionisti del marketing da decenni. I modelli di attribuzione tradizionali ignorano completamente il brand building o gli assegnano vaghe metriche di “consapevolezza” che non si traducono in un impatto finanziario.”È davvero trasformativo”, ha affermato Puig a proposito dell’impatto sui clienti. “La cosa interessante è che gli stessi dirigenti sono gli utenti del nostro software e dei nostri risultati. Non è uno strumento utilizzato da un singolo responsabile di campagna.”All’interno del supercomputer a due piani raffreddato a liquido che ha letteralmente fuso le GPULa decisione di Alembic di investire massicciamente in infrastrutture informatiche di proprietà anziché affidarsi a provider cloud deriva sia dalle esigenze tecniche dei suoi modelli causali sia dagli elevati requisiti di sensibilità dei dati dei suoi clienti aziendali.L’azienda sta implementando un Nvidia NVL72 superPOD , un enorme sistema raffreddato a liquido dotato delle più avanzate unità di elaborazione grafica Blackwell di Nvidia, in collaborazione con l’operatore di data center Equinix di San Jose, in California. Secondo Puig, Nvidia ha informato Alembic di essere l’unica azienda al mondo non inclusa nella lista Fortune 500 a utilizzare un sistema di questo tipo.
La necessità di questo livello di elaborazione deriva dal funzionamento dei modelli di Alembic. A differenza dei grandi modelli linguistici che vengono addestrati una sola volta su dati storici e poi implementati, il sistema di Alembic utilizza modelli “online e in evoluzione” basati su reti neurali spiking, architetture ispirate al cervello che apprendono continuamente man mano che arrivano nuovi dati.”Si crea da solo man mano che gli si forniscono dati, come l’evoluzione umana”, ha spiegato Puig. “Il modello è unico, ma finisce per creare un cervello diverso per ogni singola azienda”.Questo apprendimento continuo avviene su larga scala. Quando un cliente inserisce dati, il sistema di Alembic permuta automaticamente miliardi di possibili combinazioni di come tali dati potrebbero essere analizzati, testando ogni possibile metodo per suddividere metriche e dimensioni al fine di individuare i segnali causali più significativi. Questo livello di elaborazione richiede quella che Puig definisce un’infrastruttura da “auto di F1” piuttosto che la “Porsche di serie” offerta dai provider cloud.L’azienda scrive codice CUDA personalizzato e kernel GPU di basso livello ottimizzati specificamente per carichi di lavoro di inferenza causale, ottimizzazioni che non sono possibili su configurazioni cloud standard. L’approccio si è dimostrato così impegnativo che Alembic una volta ha notoriamente fuso le sue GPU spingendole oltre i loro limiti termici. “Sfruttiamo questi circuiti così intensamente che abbiamo bisogno della versione per auto di F1 e dobbiamo avervi accesso”, ha affermato Puig.Il passaggio ai sistemi raffreddati a liquido risolve questo problema, ma consente anche ad Alembic di gestire carichi di lavoro che costerebbero ordini di grandezza in più sulle piattaforme cloud. “Abbiamo fatto i calcoli: se dovessimo acquistare solo una sottosezione del nostro computing da AWS, costerebbe 62 milioni di dollari all’anno”, ha affermato Puig. Possedere l’infrastruttura costa “una frazione di quella cifra”.La strategia dei supercomputer persegue un altro scopo cruciale: la sovranità dei dati. Molti clienti di Alembic, in particolare nei settori dei servizi finanziari, dei beni di largo consumo e dei settori regolamentati, hanno divieti contrattuali che impediscono loro di inserire dati sensibili su Amazon Web Services , Microsoft Azure o Google Cloud .”Le aziende di beni di largo consumo non vogliono che alcun dato esista su Amazon, mai”, ha affermato Puig. “Semplicemente non lo permettono. Alcuni clienti si rifiutano di usare Microsoft, altri evitano altri provider. E ad alcune banche e istituti finanziari è legalmente vietato utilizzare piattaforme cloud”.Grazie alla gestione della propria infrastruttura in data center neutrali, Alembic può servire clienti che non prenderebbero mai in considerazione l’analisi basata sul cloud, un vantaggio competitivo che sarebbe difficile da replicare per i provider di cloud iperscalabili.Come Jensen Huang lesse un articolo di giornale e cambiò il destino di AlembicIl rapporto di Alembic con Nvidia illustra sia le ambizioni tecniche della startup sia il modo in cui il gigante dei chip supporta le promettenti aziende di intelligenza artificiale. Nvidia è il cliente aziendale fondatore di Alembic, partner esclusivo per il supercomputing e collaboratore tecnico chiave, sebbene non sia un investitore.La relazione è iniziata in modo inaspettato. Dopo che Alembic ha annunciato il suo finanziamento di Serie A all’inizio del 2024, il co-fondatore e CEO di Nvidia, Jensen Huang, ha letto l’articolo di VentureBeat e ha inviato un’e-mail al suo staff suggerendo di valutare l’azienda, secondo Puig. Poiché Alembic non aveva ancora un modulo di contatto sul suo sito web, un dirigente di Nvidia lo ha contattato tramite LinkedIn.La partnership rischiò di naufragare a causa di un vincolo fondamentale: la capacità di calcolo. Dopo che Alembic consegnò la sua prima analisi causale, che richiese settimane per essere generata su una serie di Mac Pro, Nvidia chiese se fosse possibile produrre report settimanali. “Dissi di no, perché ci volevano settimane su questo esercito di macchine”, ha ricordato Puig.Quando Alembic affermò di poterlo fare con le GPU, ma non riusciva a garantire la potenza di calcolo necessaria – i fornitori di cloud all’epoca richiedevano l’approvazione dei comitati e offrivano tempi di consegna da due a sei settimane senza garanzie – Nvidia intervenne direttamente. Il produttore di chip fece in modo che Equinix fornisse una gabbia privata nella Virginia settentrionale con capacità energetica sufficiente e aiutò Alembic a reperire il suo primo cluster GPU H100 .”Senza di ciò, l’azienda non sarebbe mai esistita”, ha affermato Puig. “Non avremmo potuto ottenere altrove la potenza di calcolo nella configurazione di cui avevamo bisogno.”Da allora, la partnership si è consolidata. Alembic utilizza la suite software AI Enterprise di Nvidia , che include librerie specializzate come cuGraph per l’elaborazione di grafici e TensorRT per l’inferenza ad alta velocità. La stretta integrazione, ha affermato Puig, consente “ai nostri team di ricerca di sfruttare il calcolo a livello multi-exaflop e lo stack software algoritmico di Nvidia. Questa integrazione è una delle nostre armi segrete: dedichiamo più tempo alla ricerca e alla matematica innovative e meno tempo all’ingegneria ripetitiva di basso livello”.Il supporto di Nvidia si è esteso oltre la tecnologia. Quando Alembic continuava a distruggere le GPU sotto carichi di lavoro estremi, spingendo i chip a tal punto che lo stress termico provocava la rottura delle schede elettroniche, Nvidia ha accelerato l’accesso della startup ai sistemi raffreddati a liquido di nuova generazione. “Il motivo divertente per cui abbiamo ottenuto [l’ NVL72 ]”, ha detto Puig, “è che quando abbiamo fuso i chip, Nvidia era letteralmente infastidita dalla frequenza con cui dovevano intervenire sulla nostra garanzia”.Dalle sponsorizzazioni olimpiche ai momenti virali delle caramelle: come le aziende Fortune 500 misurano ciò che non era misurabileIl portafoglio clienti di Alembic si è ampliato rapidamente, poiché le aziende cercano modi per misurare gli investimenti in intelligenza artificiale e marketing che l’analisi tradizionale non riesce a catturare. L’azienda collabora ora con Delta Air Lines , Mars , diverse aziende tecnologiche e di servizi finanziari della Fortune 500 e con il programma di atletica della Texas A&M University .I casi d’uso vanno ben oltre l’obiettivo di marketing originale di Alembic. Mars ha utilizzato la piattaforma per misurare l’impatto sulle vendite del cambiamento delle forme delle caramelle per promozioni a tema. Un’azienda tecnologica Fortune 500 ha ampliato la propria pipeline di vendita del 37% utilizzando i modelli di attribuzione di Alembic. Le società di servizi finanziari lo utilizzano per collegare le apparizioni pubbliche dei CEO e le spese di co-marketing ai flussi di fondi effettivi.”Alembic ci ha aiutato ad andare oltre il conteggio delle impressioni per mostrare cosa ha effettivamente generato nuovi investimenti netti”, ha affermato il responsabile del co-marketing di una società di servizi finanziari Fortune 200. “Per la prima volta, abbiamo potuto vedere come la visibilità del nostro CEO e i nostri investimenti in co-marketing con gli exchange si siano tradotti in flussi di fondi reali”.Per Mars, la capacità di misurare attività precedentemente non misurabili ha trasformato il processo decisionale. “Stiamo usando la matematica per liberare la creatività”, ha affermato Gülen Bengi, Lead Global Chief Marketing Officer di Mars e Global Chief Growth Officer di Mars Snacking. “I nostri fan e le nostre community creano miliardi di conversazioni e contenuti organici sui nostri marchi. Quando si verifica un momento virale, normalmente sappiamo che è direzionalmente positivo, ma non possiamo attribuire l’aumento delle vendite o il suo ruolo nel customer journey. L’intelligenza artificiale causale di Alembic è una svolta, che ci permette di andare oltre la correlazione per vedere esattamente come quella conversazione organica abbia creato una sequenza che ha avuto un impatto diretto sulle vendite”.Secondo Puig, la piattaforma è in grado di prevedere ricavi, tassi di chiusura e acquisizione clienti fino a due anni in anticipo con un livello di affidabilità del 95%. “Prima non sapevano letteralmente nulla di certe cose”, ha affermato, descrivendo come i clienti stimassero il valore dei diritti di denominazione degli stadi o delle principali sponsorizzazioni senza mai misurarne l’impatto economico effettivo. “Ora puoi dire che ha avuto un certo impatto su un certo conto economico, e che sta fluendo in questo modo, e puoi saperlo entro pochi giorni o quasi in tempo reale”.Perché Google, Meta e Nielsen non possono replicare facilmente ciò che Alembic ha costruitoAlembic opera in un panorama competitivo che include fornitori tradizionali di misurazione del marketing come Nielsen , piattaforme di analisi di Google e Meta e startup emergenti di analisi basate sull’intelligenza artificiale. Tuttavia, Puig sostiene che l’azienda ha costruito vantaggi strutturali difficili da replicare.In primo luogo, i modelli causali dell’azienda si basano su una matematica proprietaria sviluppata nel corso degli anni e protetta da brevetti. “Bisognerebbe partire da zero”, ha affermato Puig. “Non è come un LLM che utilizza un trasformatore con un foglio di carta, e si potrebbe tentare di ricrearlo. Bisognerebbe effettivamente ricreare la metodologia da zero”.In secondo luogo, gli enormi requisiti di elaborazione creano una barriera naturale. Alembic opera a “livelli di elaborazione tipici dei modelli fondamentali, non come qualcosa che si potrebbe eseguire con [AWS] Sagemaker”, ha affermato Puig. “Stiamo parlando di centinaia di milioni di dollari all’anno” in costi cloud equivalenti.In terzo luogo, i requisiti di sovranità dei dati dei clienti aziendali creano opportunità per terze parti neutrali che i provider di cloud iperscalabile faticano a cogliere. Come ha osservato un investitore di venture capital, le aziende sono sempre più preoccupate di inserire dati strategici in sistemi di proprietà di potenziali concorrenti.Infine, la capacità di Alembic di lavorare con dati disordinati e frammentati riflette anni di ingegneria che hanno preceduto la sua svolta nell’intelligenza artificiale causale. “I primi quattro o cinque anni di vita dell’azienda sono stati dedicati alla costruzione di quel gigantesco processore di segnale in grado di gestire dati disordinati”, ha affermato Puig. “Non saremmo stati in grado di farlo se non avessimo dedicato tutto quel tempo”.Perché la scommessa anticonformista di Alembic sui dati privati potrebbe rimodellare l’intelligenza artificiale aziendaleIl round di finanziamento da 145 milioni di dollari convalida una scommessa anticonformista in un panorama dell’intelligenza artificiale dominato dalla corsa alla creazione di modelli linguistici sempre più ampi. Mentre OpenAI , Anthropic e altri competono su quale chatbot sia in grado di scrivere codice migliore o rispondere a più domande di cultura generale, Alembic sta costruendo un’infrastruttura per un diverso tipo di intelligenza, che comprenda il rapporto causa-effetto nei dati proprietari e disordinati che definiscono la posizione competitiva unica di ogni azienda.L’evoluzione dell’azienda da startup autofinanziata che eseguiva simulazioni su Mac Pro a gestore di uno dei supercomputer privato.