Hugging Face capta Série D de R$ 3,5 bilhões com investimento de Salesforce, Nvidia e outras
(techcrunch.com)- Em meio ao aumento da demanda por plataformas de desenvolvimento de IA, a Hugging Face levantou cerca de US$ 235 milhões em sua Série D e foi avaliada em aproximadamente US$ 4,5 bilhões
- Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce e Sound Ventures participaram da rodada; o valuation é descrito como o dobro do registrado em maio de 2022 e mais de 100 vezes a receita anualizada
- A empresa se consolidou como uma plataforma de machine learning centrada em um hub no estilo GitHub para compartilhar modelos, datasets e código, além de oferecer webapps de demonstração e ferramentas de avaliação e deploy de modelos
- Os produtos pagos são voltados para automação de treinamento, hospedagem de modelos e melhoria de desempenho em produção, como AutoTrain, Inference API e Infinity, com suporte a implantações SaaS e on-premises
- Atualmente, a empresa diz ter 10 mil clientes, mais de 50 mil organizações na plataforma e mais de 1 milhão de repositórios no hub de modelos; com os novos recursos, planeja ampliar apoio a pesquisa, empresas e startups, além de contratar mais pessoas
US$ 235 milhões em Série D e valuation de US$ 4,5 bilhões
- A Hugging Face levantou US$ 235 milhões em sua rodada Série D
- A informação foi publicada primeiro pelo The Information, e o CEO da Salesforce, Marc Benioff, aparentemente confirmou o fato no X
- Participaram do investimento Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce e Sound Ventures
- Com a rodada, a empresa passou a valer US$ 4,5 bilhões
- O dobro do valuation de maio de 2022
- Segundo relatos, mais de 100 vezes a receita anualizada da Hugging Face
- A avaliação elevada reflete a forte demanda por IA e por plataformas que apoiam o desenvolvimento de IA
Uma plataforma de desenvolvimento que vai do compartilhamento de modelos ao deploy
- O principal produto da Hugging Face é um hub no estilo GitHub para repositórios de código de IA, modelos e datasets
- A empresa também oferece webapps para demonstrar aplicações baseadas em IA e bibliotecas que ajudam no processamento de datasets e na avaliação de modelos
- A versão corporativa do hub oferece suporte a implantações SaaS e on-premises
-
Recursos pagos
- AutoTrain ajuda a automatizar tarefas de treinamento de modelos de IA
- A Inference API permite que desenvolvedores hospedem modelos sem precisar gerenciar diretamente a infraestrutura subjacente
- Infinity foi projetado para aumentar a velocidade de processamento de dados de modelos em produção
De app de chatbot a plataforma de machine learning
- Clément Delangue vê a IA como uma nova forma de construir todo software e como a mudança de paradigma mais importante desta década
- Ele acredita que a transição para IA será maior e mais rápida do que a transição para software, porque o software já pavimentou esse caminho
- A Hugging Face quer ser a plataforma aberta que viabiliza essa transição
- A Hugging Face, sediada no Brooklyn, foi fundada em 2016 por Clément Delangue, Julien Chaumond e Thomas Wolf
- Os três fundadores inicialmente criaram um app de chatbot voltado a adolescentes, mas mudaram de direção para uma plataforma de criação, teste e deploy de machine learning depois de abrir em código aberto o algoritmo do app
Escala de clientes, mercado de MLOps e atividade com modelos open source
- A Hugging Face afirma ter atualmente 10 mil clientes e mais de 50 mil organizações em sua plataforma
- O hub de modelos reúne mais de 1 milhão de repositórios
- O crescimento do interesse empresarial em IA ajudou a impulsionar esse cenário
- Em uma pesquisa da HubSpot, 43% dos líderes de negócios responderam que planejam aumentar os investimentos em IA e ferramentas de automação em 2023
- 31% disseram que IA e ferramentas de automação são muito importantes para a estratégia geral do negócio
- Grande parte do que a Hugging Face oferece se enquadra em MLOps, categoria que simplifica o processo de levar modelos de IA para ambientes de produção e mantê-los operando e monitorados
- Um relatório estima que o mercado de MLOps chegará a US$ 16,61 bilhões até 2030
-
Modelos open source e colaboração
- A Hugging Face lançou o BigScience em 2021
- O BigScience é um projeto conduzido por voluntários para criar um modelo de linguagem open source tão poderoso quanto o GPT-3 da OpenAI, mas gratuito para qualquer pessoa usar
- Seu resultado, o Bloom, é um modelo multilíngue que pôde ser testado por mais de um ano no hub de modelos da Hugging Face
- O Bloom é um dos vários modelos open source para os quais a Hugging Face contribuiu com recursos de desenvolvimento
- Em parceria com a ServiceNow, a empresa lançou o modelo gratuito de geração de código por IA StarCoder, e o modelo seguinte, SafeCoder, saiu na mesma semana
- Junto da organização sem fins lucrativos alemã LAION, também oferece uma versão gratuita do chatbot de IA ChatGPT da OpenAI
Parcerias com nuvem e total captado
- As colaborações da Hugging Face se expandiram para grandes provedores de nuvem, alguns dos quais também são investidores estratégicos nesta rodada
- Com a Nvidia, a empresa trabalha para ampliar o acesso à computação em nuvem por meio da plataforma de computação DGX
- Com a Amazon, firmou uma parceria para expandir os produtos da Hugging Face aos clientes da AWS e treinar a próxima geração do Bloom com os chips personalizados Trainium da Amazon
- Com a Microsoft, colaborou no Hugging Face Endpoints, que transforma modelos de IA desenvolvidos pela Hugging Face em soluções operacionais escaláveis no Azure
- Após este investimento, a Hugging Face planeja reforçar suas iniciativas de apoio em várias áreas, como pesquisa, empresas e startups
- A empresa tem 170 funcionários e planeja contratar novos talentos nos próximos meses
- O total captado pela Hugging Face chega a US$ 395,2 milhões, e seu primeiro investimento veio da Betaworks Ventures
- Outras startups de IA que levantaram mais recursos no mesmo setor são:
- OpenAI: US$ 11,3 bilhões
- Anthropic: US$ 1,6 bilhão
- Inflection AI: US$ 1,5 bilhão
- Cohere: US$ 435 milhões
- Adept: US$ 415 milhões
1 comentários
Opiniões no Hacker News
A Hugging Face parece estar no começo do ciclo de enshittification ao estilo Vale do Silício
Agora está queimando dinheiro de venture capital para tratar os usuários excepcionalmente bem; depois talvez transfira esse valor para clientes corporativos e, em seguida, extraia o máximo possível deles até desmoronar
Mas, em termos estritos, nem está claro se ela é uma plataforma/marketplace. De todo modo, por enquanto é só aproveitar a cerveja grátis paga pelos VCs
Ela dominou bastante o mercado de hospedagem de modelos e frameworks de execução, e a situação deve ficar feia se começar a apertar mais tarde
É importante distribuir as dependências para não depender de um único lugar e evitar arquiteturas que dependam exclusivamente da Hugging Face
Quem depende daquele software importante vai pagar, e o restante provavelmente passará a usar alternativas compatíveis no momento em que deixar de ser gratuito
Sei que ela também tem alguns produtos de computação e cria e mantém algumas bibliotecas, mas elas não parecem tão amplamente usadas assim, então não entendo muito bem como pretendem ganhar dinheiro
É bom que a Nvidia invista em empresas de IA
Como ela sabe que esse dinheiro de qualquer forma voltará para a Nvidia, na prática é quase como emprestar dinheiro, recebendo potencial de valorização, para empresas que vão tentar fazer algo com chips da Nvidia
É uma estratégia de alto risco e alto retorno, e a Nvidia está devorando a IA
Só a Meta vai gastar US$ 8 bilhões em equipamentos e pretende gastar algo semelhante no ano que vem. OpenAI+Microsoft também provavelmente colocarão bilhões de dólares na construção de servidores
Fico curioso se Google ou Apple também vão adicionar caixas de IA em grande quantidade
Ainda acho curioso usarem dinheiro vivo
Parece quase uma situação de agora ou nunca
Escrevo anonimamente porque já tive ligação com a Hugging Face
A Hugging Face fez um trabalho realmente muito bom na construção de comunidade, na biblioteca transformers e como repositório central para todos os modelos open source
Mas ainda está longe de ter product-market fit (PMF), e, embora tenha vários produtos — serviços, AutoTrain, quantização, HF Hub corporativo, endpoints de inferência etc. — nenhum parece ter sido comercialmente bem-sucedido
A maior parte da receita vem de parcerias com SageMaker/Azure, em um modelo no qual recebem dinheiro em troca de enviar usuários para eles, então parece difícil continuar crescendo
Sempre existe a possibilidade de aquisição por uma empresa como as FANG, mas, pessoalmente, acho a situação bem complicada. Com uma avaliação de US$ 4,5 bilhões, para abrir capital precisariam de pelo menos US$ 250 milhões em ARR, mas hoje provavelmente estão presos perto de US$ 25 milhões em ARR
Três fontes disseram que a taxa anualizada de receita deste ano disparou e agora está na faixa de US$ 30 milhões a US$ 50 milhões, e uma delas disse que cresceu mais de três vezes desde o início do ano
Simplesmente não consigo entender a estratégia de Clem e da equipe. Fora captar o máximo de dinheiro possível, não vejo muito
Nossa experiência com a equipe de vendas foi realmente péssima, e não fiquei com nenhuma expectativa de que conseguiriam aumentar o ARR quando fosse necessário
Foi quase como se implorássemos para comprar, mas eles só pareceram se interessar depois que já tínhamos claramente ido para outro lugar
Uma empresa de IA em que trabalhei antes caiu em uma situação parecida: ao levantar dinheiro demais com uma avaliação alta demais, o número de potenciais compradores caiu para 3 ou 4
Agora virou uma empresa zumbi, sem valor para as ações ordinárias, sem possibilidade de aquisição e sem receita suficiente para abrir capital
O simples fato de fornecer código e infraestrutura para a comunidade ajuda muito a aumentar o valor e as vendas do hardware da nVidia
Isso corresponde ao princípio estratégico clássico de “comoditizar os complementos”
Tenho uma curiosidade real: quando se diz que uma empresa vende AI/ML, que tipo de negócio é esse?
Não conheço tão bem essa área, mas AI/ML me parece mais uma “funcionalidade” do que um “produto”
Então, quando uma empresa diz que vende AI/ML, fico me perguntando o que exatamente ela está vendendo. É licença de modelos que criou, cobrança por saída gerada, infraestrutura de hospedagem?
Fazendo uma analogia, vender AI/ML se encaixa em IaaS, PaaS ou SaaS, ou é algo completamente diferente?
No campo de AI, haverá alguns poucos grandes vencedores, um bom número de vencedores intermediários e muitos perdedores; e eles podem vender as ferramentas necessárias para todos que quiserem tentar, independentemente de quem ganhe ou perca
Se conseguirem tornar o produto fácil de usar e útil para gerar valor de negócio, podem vender muitas picaretas e pás
a) Fornecedores de hardware, como Nvidia/AMD, que vendem produtos de que todos os participantes precisam
b) Empresas como Microsoft, Salesforce, ServiceNow e Adobe, que conseguem vender valor adicional de AI/ML para uma base de clientes que já têm presa a elas
c) Empresas como Google/Facebook, que ganham dinheiro com publicidade e em que AI/ML ajuda a fazer uma segmentação melhor
Fora isso, a maioria está queimando dinheiro de VC
Incumbentes que já têm produtos podem acoplar essa funcionalidade e criar grande valor competitivo. Para novos entrantes é muito mais difícil, porque precisam tornar competitiva não só a funcionalidade de AI/ML, mas também o sistema central que gera ou contém os dados dos quais essa funcionalidade depende
Por exemplo, muitas organizações podem pagar muito por um recurso de “ChatGPT que conhece nossos documentos internos” integrado ao SharePoint/Confluence que já usam, mas provavelmente serão muito cautelosas em migrar seus documentos internos para um novo sistema de gestão de documentos de uma startup recém-criada
Em qualquer ponto de IaaS/PaaS/SaaS, há potencial para ser uma funcionalidade ou um produto
Se você procurar no HN por empresas que vendem AI/ML, vai entender o que quero dizer
Quanto mais você afasta o usuário de treinamento e hospedagem, mais distante fica desse negócio
Mas a economia só deve fazer sentido se houver alguma vantagem na implementação da camada que faz essa abstração
Gosto da Hugging Face, mas me preocupo que ela vire a próxima Docker
Qual é o fosso? “Rodamos inferência por você” não pode ser a resposta
Está mais para um GitHub de ML
Confiança também é importante. Em um negócio de hospedar binários, confiança não é pouca coisa
Na época também havia milhares de pequenos provedores de VPS alugando uma máquina virtual Linux com acesso root por 15 dólares ao mês
Modelos de ML são os novos apps
Há uma grande oportunidade em um espaço no estilo App Store que permita às pessoas comprar modelos, integrá-los aos seus produtos e lidar com as licenças adequadas
Melhor ainda se certificar que o modelo realmente funciona como afirma; só isso já pode virar uma pequena indústria
A Hugging Face, pela sua visibilidade dentro da comunidade, é claramente a favorita para construir isso
Por isso, os clientes não são “todo mundo que tem um celular/computador”, como no caso de apps, mas “todo mundo que cria apps”, um grupo bem menor, embora potencialmente mais influente
Ainda não vivemos em um mundo em que pessoas não técnicas vasculham uma loja de modelos no celular para encontrar um modelo
Do ponto de vista da Nvidia, talvez isso seja menos um simples investimento na Hugging Face e mais um investimento no próprio negócio por meio de efeitos de rede
Espero que seja assim. Quando o dinheiro de VC sair, os preços vão disparar
É um padrão comum quando uma empresa de hardware investe, e pode acabar funcionando muito bem para todos
A Hugging Face é a encarnação literal do velho ditado “na corrida do ouro, venda pás”
Acho que precisam ter uma ideia realmente excelente. Isso parece uma combinação perfeita para estourar como uma bolha
A política de preços é confusa
https://huggingface.co/pricing
Posso estar deixando passar algo óbvio, mas em um lado da página de preços diz que Spaces Hardware começa em 0 dólar, e em outro lado diz que começa em 0,05 dólar
O armazenamento de repositórios é gratuito, e há ofertas corporativas pagas como no GitHub
Hospedar apps de demonstração é “Spaces Hardware”, cobrado por hora
Servir modelos em produção para apps hospedados em outros lugares também é cobrado por hora, em “Inference endpoints”
Treinamento de modelos é o “AutoTrain”, que por enquanto é gratuito; sinceramente, ainda não usei isso
A Hugging Face é especialista em ML e comunidade, mas é fraca em negócios
Sei que o HN menospreza cargos de vendas, mas a HF precisa de bons vendedores o mais rápido possível