Hyperspace در حال ساخت نمونه‌های سفارشی برای تسریع در جستجوهای پایگاه داده است
افزایش تقاضا برای برنامه‌های هوش مصنوعی مولد منجر به نیاز به پایگاه‌های داده بزرگتر و بزرگتر برای ذخیره داده‌های مرتبط (مانند داده‌های آموزش مدل) شده است. این پایگاه‌های داده از نظر سخت‌افزاری نیازمند منابع زیادی هستند و بسته به الگوریتم‌های استفاده شده برای تنظیم آنها، می‌توانند دارای تأخیر بالا باشند. اغلب، شرکت‌ها مجبور به معامله بین هزینه، عملکرد و دقت پایگاه داده می‌شوند.
اما لزوماً نباید این‌گونه باشد، می‌گوید اوهاد لوی، مدیر عامل و بنیان‌گذار Hyperspace . Hyperspace در حال ساخت نمونه‌های ابری سفارشی برای تسریع در دو وظیفه مشخص پایگاه داده است: جستجوهای لغوی و جستجوهای برداری. جستجوهای لغوی نوعی جستجوی مبتنی بر کلمات کلیدی است که به دنبال مطابقت‌های دقیق در یک پایگاه داده می‌باشد، در حالی که جستجوهای برداری به معنای معنایی و زمینه جستجو توجه دارند.
لوی ادعا می‌کند که نمونه‌های Hyperspace، که از ترکیب FPGAs و GPUها استفاده می‌کنند، می‌توانند تا ۱۰ برابر جستجوهای سریعتر نسبت به پایگاه‌های داده سنتی بدون شتاب‌دهنده ارائه دهند.
"محصول ما به شرکت‌هایی که با بازیابی داده‌های بزرگ مقیاس سروکار دارند، به ویژه در برنامه‌های هوش مصنوعی و هوش مصنوعی مولد، کمک می‌کند،" لوی به TechCrunch گفت. "داده‌های بدون ساختار از قابلیت‌های جستجوی سنتی پیشی می‌گیرند. راه‌حل‌های بازیابی داده باید به مجموعه داده‌های جستجوی لغوی و برداری پاسخ دهند تا با تقاضای بازار فعلی همگام شوند."
پیش از راه‌اندازی Hyperspace، لوی به عنوان مهندس بهینه‌سازی در اینتل و سپس مدیر بازاریابی محصول در HP کار می‌کرد. او می‌گوید که از محدودیت‌های راه‌حل‌های جستجوی قدیمی در کار با فناوری بزرگ ناراضی بود و این منجر به همکاری او با ماکس نیگیری، مشاور طراحی سابق اینتل، برای تأسیس Hyperspace شد.
Hyperspace نمونه‌های خود را نمی‌فروشد. در عوض، دسترسی به نرم‌افزار پایگاه داده مدیریت شده که در آن نمونه‌ها اجرا می‌شود (فعلاً بر روی AWS میزبانی می‌شود) را می‌فروشد. پایگاه‌های داده Hyperspace می‌توانند انواع مختلف داده‌های ساختاریافته و بدون ساختار، از جمله ویدیوها، تصاویر و متون، را مدیریت کنند و قیمت‌گذاری آنها بر اساس اندازه و حجم جستجو متفاوت است.
"Hyperspace یک پایگاه داده مدیریت شده بومی ابری است که به عنوان یک مدل نرم‌افزار به عنوان خدمات عمل می‌کند و قیمت‌گذاری آن بر اساس میزان استفاده است،" لوی توضیح داد. "تیم ما قادر به طراحی راه‌حل‌های زیرساخت هوش مصنوعی سفارشی برای کمک به شرکت‌ها در حل چالش‌های جستجو است."
اگر ادعاهای عملکرد Hyperspace درست باشد، تأثیرگذاری آنها چشمگیر است؛ لوی می‌گوید که نمونه‌های شرکت همچنین تا ۵ برابر پهنای باند بیشتر با هزینه ۵۰٪ کمتر نسبت به پایگاه‌داده‌های معمولی ارائه می‌دهند. (این نتایج میانگین هستند؛ لوی از ارائه مقایسه مستقیم با یک رقیب خودداری کرد.) اما آیا Hyperspace می‌تواند شرکت‌ها را به استفاده از یک پلتفرم پایگاه داده تازه‌وارد متقاعد کند در حالی که انتخاب‌های بسیاری مثل Azure، AWS و Google Cloud وجود دارند؟
لوی می‌گوید بله، و ادعا می‌کند که Hyperspace در حال حاضر برخی از مشتریان اولیه را به خود جذب کرده است. این شرکت مستقر در تل‌آویو قراردادهایی با شرکت‌های پیشگیری از تقلب و تجارت الکترونیک، از جمله Forter، Nsure و Renovai امضا کرده و درآمد تکراری سالانه و حجم قراردادهای کل خود را در سال گذشته سه برابر کرده است.
Hyperspace اخیراً دور سرمایه‌گذاری بذر ۹.۵ میلیون دلاری به رهبری Mizmaa با مشارکت JVP و toDay Ventures را با موفقیت به پایان رسانده است. لوی می‌گوید که این پول به منظور مقیاس‌بندی پیشنهاد پایگاه داده Hyperspace به «هزاران» نمونه و راه‌اندازی یک طرح رایگان و سطح ابتدایی استفاده خواهد شد.
"Hyperspace یک مجموعه کامل از محصولات نوآورانه جدید دارد که بازار جستجو را به جلو می‌برد و نیازهای مشتریان بخش‌های مختلف از جمله شرکت‌های بزرگ و مشتریان کوچک و متوسط را پشتیبانی می‌کند،" لوی گفت. "ما هیچ مانعی نمی‌بینیم. هر سیستم هوش مصنوعی مولد یک سیستم جستجو است و جستجو نسبت به قبل دشوارتر شده است. نیاز به زیرساخت هوش مصنوعی بهتر روز به روز در حال رشد است و با افزایش داده‌ها، نیاز به اپلیکیشن‌های جستجوی بهتر بیش از پیش مشهود می‌شود."
