Arena، از پروژه دانشگاهی تا 100 میلیون دلار درآمد سالانه در کمتر از یک سال
استارتاپ Arena که در سال 2023 بهعنوان یک پروژه تحقیقاتی در دانشگاه UC Berkeley شکل گرفت، تنها هشت ماه پس از راهاندازی رسمی سرویس تجاری خود به نرخ درآمد سالانه معادل 100 میلیون دلار (annualized run-rate) رسید. این شرکت بیشتر بهخاطر «رتبهبندی جمعسپاریشده عملکرد مدلهای هوش مصنوعی» شناخته میشود؛ سیستمی که بر پایه بیش از 10 میلیون ارزیابی کاربران تولید شده است.
چگونه Arena کار میکند؟
وبسایت مصرفکننده Arena به کاربر این امکان را میدهد که یک پرسش یا پرامپت وارد کند و آن را همزمان به دو مدل ارسال کند؛ سپس کاربر مدل برتر را انتخاب میکند. این فرآیند ساده اما گسترده، منبع دادهای قوی برای مقایسه و رتبهبندی مدلها فراهم میآورد و جمعیت قابلتوجهی از ارزیابان را به خود جذب کرده است—بسیاری برای دسترسی زودهنگام به مدلهای جدید و اغلب منتشرنشده به پلتفرم میآیند.
از سرویس رایگان تا درآمدزایی: AI Evaluations
اگرچه جدول رتبهبندی عمومی Arena رایگان است، شرکت از سپتامبر با معرفی سرویس AI Evaluations شروع به کسب درآمد کرد. این سرویس به آزمایشگاهها و شرکتهای توسعهدهنده مدل، تحلیلهای عمیق عملکرد مبتنی بر دادههای جامعه کاربران ارائه میدهد. بنیانگذاران Arena تأکید کردهاند که مدل کسبوکار آنها مبتنی بر «مصرف» (consumption) است، نه اشتراک دورهای ثابت، بنابراین اصطلاح ARR در مورد آنها نشاندهنده نرخ سالانهشده درآمد حاصل از مصرف است و درآمد لزوماً «تکرارشونده» نیست.
رشد سریع و جایگاه بازار
رشد سریع درآمد Arena نشان میدهد که محصولات تجاری این استارتاپ، هم برای جامعه ارزیابان و هم برای مشتریان سازمانی جذاب و مفید بودهاند. Arena رقیب مستقیمی ندارد—استارتاپ Yupp که در زمینه انتخاب مدلهای AI بر مبنای جمعسپاری فعالیت میکرد، در مارس تعطیل شد—با این حال Arena با شرکتهایی که خدمات برچسبگذاری انسانی و بهینهسازی پس از آموزش مدل ارائه میدهند (مانند Mercor، Surge و Scale AI) «برای همان مشتری و همان بودجه» رقابت میکند. افزایش تقاضا برای خدمات بهینهسازی پس از آموزش، از جمله دلایل رشد بازار است.
زمینه سرمایهگذاری و ارقام مرتبط
هنگامی که Arena در ژانویه اعلام کرد که در یک دور سری A، 150 میلیون دلار جذب کرده و پس از جذب سرمایه، ارزشگذاری آن 1.7 میلیارد دلار شده است، نرخ درآمد سالانهشده آن 30 میلیون دلار اعلام شده بود. پس از آن رشد قابلتوجهی رخ داده و اکنون این رقم به 100 میلیون دلار رسیده است. این حرکت در راستای روند کلی بازار است؛ برای مثال گزارشها نشان میدهد Handshake درآمد سالانه ناشی از آموزش هوش مصنوعی را از حدود 550 میلیون دلار به نزدیک 1 میلیارد دلار رسانده و Mercor نیز درآمد سالانه خود را به بیش از 1 میلیارد دلار ارتقا داده است.
دامنه ارزیابیها و قابلیتهای فنی
Arena مدلها را در طیف گستردهای از وظایف رتبهبندی میکند: متن، کدنویسی، بینایی کامپیوتری و تولید تصویر. همچنین با معرفی «Agent Mode» قابلیت ارزیابی جریانهای کاری پیچیده و طولانیمدت را فراهم کرده است که برای سناریوهای عملیاتی و خودکارسازی پیشرفته اهمیت دارد.
تیم مؤسس و سرمایهگذاران
Arena را آناستاسیوس آنجلوپولوس (Anastasios Angelopoulos) بهعنوان مدیرعامل همراه با وی-لین چیانگ (Wei-Lin Chiang) بهعنوان مدیر فناوری تأسیس کردند؛ هر دو از محققان دانشگاه UC Berkeley بودند. ایون استویچا (Ion Stoica)، استاد برجسته UC Berkeley و از بنیانگذاران Databricks، پیش از تبدیل پروژه به شرکت نقش مشاور را داشت و از مؤسسان محسوب میشود. تا کنون Arena مجموعاً 250 میلیون دلار از سرمایهگذارانی مانند Felicis، Andreessen Horowitz، The House Fund، LDVP، Kleiner Perkins، Lightspeed، Laude Ventures و UC Investments جذب کرده است.
نتیجهگیری
رسیدن Arena به نرخ درآمد سالانه 100 میلیون دلار در مدت کوتاه، نشانهای از افزایش نیاز بازار به ابزارهای ارزیابی و بهینهسازی پس از آموزش مدلهای هوش مصنوعی است. ترکیب دادههای جمعسپاریشده و تحلیلهای سازمانی، مدل تجاری مبتنی بر مصرف و دسترسی زودهنگام به مدلهای جدید، Arena را به بازیگری مهم در اکوسیستم توسعه و سنجش عملکرد مدلهای هوش مصنوعی تبدیل کرده است.