Datacurve با جذب 15 میلیون دلار در سری A؛ تمرکز بر دادههای باکیفیت برای توسعه نرمافزار و جمعآوری هوشمندانه دادههای پسآموزشی
استارتاپ Datacurve که از فارغالتحصیلان Y Combinator است، در تازهترین دور سرمایهگذاری سری A موفق به جذب 15 میلیون دلار شد. این دور سرمایهگذاری به رهبری Mark Goldberg از شرکت Chemistry انجام شد و مشارکتهایی از سوی کارکنان شرکتهایی مانند DeepMind، Vercel، Anthropic و OpenAI نیز در آن دیده میشود. این تامین مالی پس از جذب 2.7 میلیون دلار در دور بذر (seed) صورت گرفته که از جمله سرمایهگذاران آن میتوان به Balaji Srinivasan، مدیر ارشد سابق فناوری Coinbase، اشاره کرد.
Datacurve چه میکند؟
این شرکت بر جمعآوری دادههای آموزشی باکیفیت برای کاربردهای مرتبط با توسعه نرمافزار تمرکز دارد. مدل کسبوکار Datacurve بر پایه سیستم «دنبالچی جایزهبگیر» (bounty hunter) طراحی شده که نیروی توسعهدهنده خبره را برای تکمیل مجموعهدادههای دشوار و کمیاب جذب میکند. تاکنون بیش از یک میلیون دلار بهعنوان جایزه به مشارکتکنندگان پرداخت شده است.
تمایز کلیدی: تجربه کاربری مانند محصول مصرفی
یکی از بنیانگذاران، سرنا ژِی، تأکید میکند که انگیزه اصلی مشارکتکنندگان صرفاً مالی نیست. برای خدمات باارزش مانند توسعه نرمافزار، پرداخت مستقیم برای کار داده معمولاً پایینتر از مشاغل مرسوم خواهد بود؛ بنابراین مزیت رقابتی Datacurve به تجربه کاربری مثبت پلتفرم برمیگردد. ژِی میگوید: «ما این سرویس را مانند یک محصول مصرفی طراحی کردهایم، نه صرفاً یک عملیات برچسبزنی داده. زمان زیادی صرف کردهایم تا مطمئن شویم افراد مناسب بهراحتی جذب و در پلتفرم ما بمانند.»
چرا جمعآوری دادههای پسآموزشی اهمیت دارد؟
نسلهای اولیه مدلهای هوش مصنوعی بر مجموعهدادههای سادهتر آموزش داده میشدند، اما محصولات امروز به محیطهای پیچیدهتر یادگیری تقویتی (RL) و دادههای استراتژیک نیاز دارند که باید بهصورت هدفمند تولید یا جمعآوری شوند. هرچه محیطها پیچیدهتر شوند، هم کمیت و هم کیفیت دادههای موردنیاز افزایش یافته و همین موضوع شرکتهایی را که در جمعآوری داده باکیفیت تخصص دارند، به مزیت رقابتی میرساند.
قابلیت توسعه مدل Datacurve به حوزههای دیگر
هرچند Datacurve اکنون روی مهندسی نرمافزار متمرکز است، بنیانگذاران معتقدند مدل آنها قابل تعمیم به حوزههایی چون امور مالی، بازاریابی و حتی پزشکی است. سرنا ژِی میگوید: «ما در حال ایجاد زیرساختی برای جمعآوری دادههای پسآموزشی هستیم که افراد بسیار توانمند را در حوزههای تخصصی خود جذب و نگه میدارد.»
پیامدها برای بازار و سرمایهگذاران
با انتقال روسای سابق شرکتهایی مانند Scale AI به نقشهای جدید در شرکتهای بزرگ تکنولوژی، فضای سرمایهگذاری برای راهحلهای نوآورانه در زمینه دادههای آموزشی بازتر شده است. موفقیت Datacurve میتواند نمونهای از روندی باشد که سرمایهگذاران را به سمت شرکتهای تخصصی جمعآوری دادههای باکیفیت هدایت میکند؛ بهویژه آنکه نیازهای دادهای مدلهای پیشرفته رو به افزایش است.
نتیجهگیری
دور جدید سرمایهگذاری Datacurve نشان میدهد بازار بهدنبال ساخت زیرساختهای حرفهای و با تجربه کاربری بالا برای جمعآوری دادههای پیچیده است. اگر این رویکرد بتواند مشارکت متخصصان را پایدار کند، Datacurve میتواند نقشی کلیدی در تأمین دادههای موردنیاز نسل بعدی محصولات هوش مصنوعی ایفا کند.