فريق إنت عربي
- صندوق Prosperity7 Ventures السعودي يشارك في جولة Series A لشركة Gimlet Labs المتخصصة في بنية الذكاء الاصطناعي
- الشركة تطوّر بنية تحتية لحل تحديات AI inference مع تحسين الأداء حتى 10 أضعاف
- الاستثمار يعكس اهتمام الشرق الأوسط بتقنيات الذكاء الاصطناعي العميقة والبنية التحتية المستقبلية
أعلن صندوق Prosperity7 Ventures، الذراع الاستثمارية التابعة لـ Aramco Ventures، عن مشاركته في جولة تمويل Series A لشركة Gimlet Labs، وهي شركة مقرها سان فرانسيسكو تركّز على تطوير بنية تحتية متقدمة للذكاء الاصطناعي.
قاد الجولة صندوق Menlo Ventures، بمشاركة مستثمرين آخرين مثل Eclipse Ventures، Factory، وTriatomic Capital.
حل تحدي AI Inference
تستهدف Gimlet Labs أحد أكبر التحديات في قطاع الذكاء الاصطناعي، وهو inference، أي تشغيل البيانات الحية عبر النماذج المدربة. ومع تطور النماذج الضخمة وظهور التطبيقات المعتمدة على الوكلاء (agentic AI)، أصبحت الحاجة إلى تقليل زمن الاستجابة وزيادة الكفاءة أكثر إلحاحًا.
تعتمد الشركة على إعادة تصميم العلاقة بين الهاردوير والسوفتوير لتحقيق أداء أعلى وكفاءة أفضل في تشغيل النماذج.
بنية متعددة المعالجات وأداء أعلى
تعتمد منصة Gimlet Labs على مفهوم heterogeneous compute، حيث تقوم بتوزيع الأحمال التشغيلية على أنواع مختلفة من المعالجات عبر cloud inference platform متعددة الشرائح.
ومن خلال طبقة برمجية متقدمة لإدارة الأحمال:
- يتم توجيه كل مهمة إلى المعالج الأنسب
- يتم تحقيق تسريع في الأداء يتراوح بين 3 إلى 10 أضعاف
- يتم الحفاظ على نفس استهلاك الطاقة والتكلفة
أهمية الاستثمار للمنطقة
يعكس هذا الاستثمار الدور المتزايد لمنطقة الشرق الأوسط، وخاصة السعودية والإمارات، في دعم تقنيات الذكاء الاصطناعي عالميًا.
مع الاستثمارات الكبيرة في مراكز البيانات والبنية التحتية للذكاء الاصطناعي في المنطقة، تمثل تقنيات Gimlet Labs نموذجًا مهمًا لتحسين كفاءة التشغيل وتقليل التكاليف، وهو ما تحتاجه الشركات الناشئة والمؤسسات التي تبني تطبيقات AI على نطاق واسع.
نبذة عن Prosperity7 Ventures
يُعد Prosperity7 Ventures صندوق رأس مال استثماري بقيمة 3 مليارات دولار، ويستثمر عالميًا في الشركات التي تطوّر تقنيات الجيل القادم، مع تركيز على الابتكار طويل الأمد.
نبذة عن Gimlet Labs
تركّز Gimlet Labs على تطوير بنية تحتية للذكاء الاصطناعي تعتمد على تعدد المعالجات، بهدف تحسين الأداء وتقليل التعقيد في تشغيل النماذج، ما يتيح تنفيذ تطبيقات الذكاء الاصطناعي بكفاءة أعلى.
