Hugging Face ระดมทุน Series D มูลค่าราว 350,000 ล้านวอน จาก Salesforce, Nvidia และรายอื่น ๆ

 (techcrunch.com)
1 คะแนน โดย GN⁺ 2023-08-25 | 1 ความคิดเห็น | แชร์ทาง WhatsApp
  • ท่ามกลางความต้องการแพลตฟอร์มพัฒนา AI ที่เพิ่มขึ้น Hugging Face ระดมทุนได้ราว 235 ล้านดอลลาร์ ($235m) ในรอบ Series D และได้รับการประเมินมูลค่าบริษัทประมาณ 4.5 พันล้านดอลลาร์ ($4.5b)
  • Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce และ Sound Ventures เข้าร่วมลงทุน โดยมีรายงานว่ามูลค่าประเมินนี้สูงเป็น 2 เท่าของเดือนพฤษภาคม 2022 และมากกว่า 100 เท่าของรายได้แบบ annualized
  • บริษัทได้วางตำแหน่งเป็นแพลตฟอร์มแมชชีนเลิร์นนิง โดยมี ฮับสไตล์ GitHub สำหรับแชร์โมเดล ชุดข้อมูล และโค้ดเป็นศูนย์กลาง พร้อมให้บริการเว็บแอปเดโมและเครื่องมือประเมินผล·ดีพลอยโมเดล
  • ผลิตภัณฑ์แบบชำระเงิน เช่น AutoTrain, Inference API และ Infinity มุ่งเน้นการทำให้งานเทรนนิงเป็นอัตโนมัติ การโฮสต์โมเดล และการปรับปรุงประสิทธิภาพในการดำเนินงาน รวมถึงรองรับการดีพลอยแบบ SaaS และแบบ on-premises
  • ปัจจุบันมีลูกค้า 10,000 ราย องค์กรบนแพลตฟอร์มมากกว่า 50,000 แห่ง และรีโพสitoryใน model hub มากกว่า 1 ล้านรายการ โดยมีแผนใช้เงินทุนครั้งนี้เพิ่มการสนับสนุนด้านการวิจัย เอนเตอร์ไพรส์ และสตาร์ทอัพ รวมถึงขยายการจ้างงาน

Series D มูลค่า 235 ล้านดอลลาร์ และมูลค่าประเมิน 4.5 พันล้านดอลลาร์

  • Hugging Face ระดมทุนได้ 235 ล้านดอลลาร์ ในรอบ Series D
  • The Information รายงานข่าวนี้ก่อน และดูเหมือนว่า Marc Benioff ซีอีโอของ Salesforce ได้ยืนยันเรื่องดังกล่าวบน X
  • ผู้ร่วมลงทุนประกอบด้วย Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce และ Sound Ventures
  • หลังรอบนี้ มูลค่าบริษัทอยู่ที่ 4.5 พันล้านดอลลาร์
    • เป็น 2 เท่าของมูลค่าบริษัทเมื่อเดือนพฤษภาคม 2022
    • มีรายงานว่าสูงกว่ารายได้แบบ annualized ของ Hugging Face มากกว่า 100 เท่า
  • มูลค่าประเมินที่สูงสะท้อนความต้องการอย่างแข็งแกร่งต่อ AI และแพลตฟอร์มที่สนับสนุนการพัฒนา AI

แพลตฟอร์มพัฒนาที่เชื่อมจากการแชร์โมเดลไปจนถึงการดีพลอย

  • ผลิตภัณฑ์หลักของ Hugging Face คือ ฮับสไตล์ GitHub สำหรับรีโพสitoryโค้ด AI โมเดล และชุดข้อมูล
  • ยังมีเว็บแอปสำหรับสาธิตแอปพลิเคชันที่ใช้ AI และไลบรารีที่ช่วยประมวลผลชุดข้อมูลและประเมินโมเดล
  • ฮับเวอร์ชันเอนเตอร์ไพรส์รองรับการดีพลอยแบบ SaaS และแบบ on-premises

  • ฟีเจอร์แบบชำระเงิน

    • AutoTrain ช่วยทำให้งานเทรนโมเดล AI เป็นอัตโนมัติ
    • Inference API ช่วยให้นักพัฒนาโฮสต์โมเดลได้โดยไม่ต้องจัดการโครงสร้างพื้นฐานเองโดยตรง
    • Infinity ออกแบบมาเพื่อเพิ่มความเร็วในการประมวลผลข้อมูลของโมเดลที่ใช้งานจริง

จากแอปแชตบอตสู่แพลตฟอร์มแมชชีนเลิร์นนิง

  • Clément Delangue มองว่า AI คือวิธีใหม่ในการสร้างซอฟต์แวร์ทุกประเภท และเป็นการเปลี่ยนผ่านทางแพรダイม์ที่สำคัญที่สุดของทศวรรษนี้
  • เขาคาดว่าการเปลี่ยนผ่านสู่ AI จะใหญ่และเร็วกว่า transformations ด้านซอฟต์แวร์ เพราะซอฟต์แวร์ได้ปูทางไว้แล้ว
  • Hugging Face มุ่งเป็น แพลตฟอร์มแบบเปิด ที่ทำให้การเปลี่ยนผ่านนี้เกิดขึ้นได้
  • Hugging Face ซึ่งตั้งอยู่ที่ Brooklyn ก่อตั้งในปี 2016 โดย Clément Delangue, Julien Chaumond และ Thomas Wolf
  • เดิมทีผู้ก่อตั้งทั้งสามสร้าง แอปแชตบอต ที่มุ่งเป้าไปยังวัยรุ่น แต่หลังจากเปิดซอร์สอัลกอริทึมของแอป ก็เปลี่ยนทิศทางไปเป็นแพลตฟอร์มสำหรับสร้าง ทดสอบ และดีพลอยแมชชีนเลิร์นนิง

ขนาดฐานลูกค้า ตลาด MLOps และกิจกรรมด้านโมเดลโอเพนซอร์ส

  • Hugging Face ระบุว่าปัจจุบันมีลูกค้า 10,000 ราย และองค์กรบนแพลตฟอร์ม มากกว่า 50,000 แห่ง
  • ใน model hub มีรีโพสitory มากกว่า 1 ล้านรายการ
  • ความสนใจขององค์กรต่อ AI เป็นปัจจัยหนุนการเติบโต
    • ในแบบสำรวจของ HubSpot ผู้นำธุรกิจ 43% ตอบว่ามีแผนเพิ่มการลงทุนใน AI และเครื่องมืออัตโนมัติในปี 2023
    • 31% ตอบว่า AI และเครื่องมืออัตโนมัติมีความสำคัญอย่างมากต่อกลยุทธ์ธุรกิจโดยรวม
  • สิ่งที่ Hugging Face ให้บริการจำนวนมากอยู่ในหมวด MLOps ซึ่งช่วยทำให้กระบวนการนำโมเดล AI ไปใช้งานจริง รวมถึงดูแลรักษาและมอนิเตอร์ ง่ายขึ้น
  • รายงานฉบับหนึ่งประเมินว่าตลาด MLOps จะมีมูลค่าถึง 16.61 พันล้านดอลลาร์ ภายในปี 2030

  • โมเดลโอเพนซอร์สและความร่วมมือ

    • Hugging Face เริ่ม BigScience ในปี 2021
    • BigScience เป็นโครงการที่ขับเคลื่อนโดยอาสาสมัคร เพื่อสร้างโมเดลภาษโอเพนซอร์สที่ทรงพลังเทียบเท่า GPT-3 ของ OpenAI แต่ทุกคนใช้งานได้ฟรี
    • ผลลัพธ์คือ Bloom ซึ่งเป็นโมเดลหลายภาษา และสามารถทดลองได้ใน model hub ของ Hugging Face มานานกว่าหนึ่งปี
    • Bloom เป็นหนึ่งในหลายโมเดลโอเพนซอร์สที่ Hugging Face มีส่วนสนับสนุนทรัพยากรการพัฒนา
    • บริษัทจับมือกับ ServiceNow เปิดตัว StarCoder โมเดล AI สร้างโค้ดที่ใช้ฟรี และโมเดลถัดมา SafeCoder ก็ออกมาในสัปดาห์เดียวกัน
    • ยังร่วมกับ LAION องค์กรไม่แสวงหากำไรในเยอรมนี ให้บริการเวอร์ชันฟรีของ ChatGPT แชตบอต AI ของ OpenAI

พาร์ตเนอร์คลาวด์และยอดระดมทุนสะสม

  • ความร่วมมือของ Hugging Face ขยายไปยังผู้ให้บริการคลาวด์รายใหญ่ และบางรายก็เป็นนักลงทุนเชิงกลยุทธ์ในรอบนี้ด้วย
  • กับ Nvidia บริษัทกำลังทำงานเพื่อขยายการเข้าถึงคลาวด์คอมพิวติ้งผ่าน แพลตฟอร์มคอมพิวติ้ง DGX
  • กับ Amazon บริษัททำพาร์ตเนอร์ชิปเพื่อขยายผลิตภัณฑ์ของ Hugging Face ให้กับลูกค้า AWS และเทรน Bloom รุ่นถัดไปด้วยชิป Trainium แบบคัสตอมของ Amazon
  • กับ Microsoft บริษัททำงานร่วมกันใน Hugging Face Endpoints ซึ่งเปลี่ยนโมเดล AI ที่พัฒนาโดย Hugging Face ให้เป็นโซลูชันใช้งานจริงที่สเกลได้บน Azure
  • หลังการลงทุนครั้งนี้ Hugging Face มีแผนเพิ่มกิจกรรมสนับสนุนในหลายด้าน เช่น การวิจัย เอนเตอร์ไพรส์ และสตาร์ทอัพ
  • บริษัทมีพนักงาน 170 คน และมีแผนจ้างบุคลากรใหม่ในอีกไม่กี่เดือนข้างหน้า
  • ยอดระดมทุนสะสมของ Hugging Face อยู่ที่ 395.2 ล้านดอลลาร์ และเงินลงทุนก้อนแรกมาจาก Betaworks Ventures
  • สตาร์ทอัพ AI ในสาขาเดียวกันที่ระดมทุนได้มากกว่านี้ ได้แก่
    • OpenAI: 11.3 พันล้านดอลลาร์
    • Anthropic: 1.6 พันล้านดอลลาร์
    • Inflection AI: 1.5 พันล้านดอลลาร์
    • Cohere: 435 ล้านดอลลาร์
    • Adept: 415 ล้านดอลลาร์

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2023-08-25
ความคิดเห็นจาก Hacker News

  • Hugging Face ดูเหมือนจะอยู่ในช่วงต้นของวัฏจักร enshittification แบบซิลิคอนแวลลีย์
    ตอนนี้กำลังเผาเงิน VC เพื่อทำดีกับผู้ใช้อย่างมาก จากนั้นอาจย้ายคุณค่านั้นไปยังลูกค้าองค์กร และหลังจากนั้นก็ค่อย ๆ รีดให้ได้มากที่สุดจนล่มสลาย
    แต่ถ้าพูดอย่างเคร่งครัด ก็ยังไม่ชัดด้วยซ้ำว่าเป็นแพลตฟอร์ม/มาร์เก็ตเพลสหรือไม่ อย่างไรก็ดี ตอนนี้ก็แค่เพลิดเพลินกับเบียร์ฟรีที่ VC ซื้อให้ก็พอ

    • Hugging Face อาจกลายเป็น ความเสี่ยงคอขวด จริง ๆ ในระบบนิเวศ AI และในมุมของนักลงทุนก็อาจเป็นโอกาสเช่นกัน
      บริษัทค่อนข้างครองตลาดโฮสติ้งโมเดลและเฟรมเวิร์กสำหรับรันโมเดลไว้มากแล้ว และถ้าในอนาคตเริ่มบีบขึ้นมา สถานการณ์คงย่ำแย่
      สิ่งสำคัญคือการกระจายเพื่อไม่ให้พึ่งพาที่เดียว และหลีกเลี่ยงสถาปัตยกรรมที่พึ่งพาสิ่งที่มีเฉพาะใน Hugging Face เท่านั้น
    • เพลิดเพลินกับเบียร์ฟรีได้ แต่ควรมีแผนเตรียมหยิบ หนึ่งลัง กลับออกไปด้วยตอนบาร์ปิด
    • น่าจะเดินเส้นทางคล้าย Docker
      ที่ใดที่ซอฟต์แวร์สำคัญต้องพึ่งพา ก็จะยอมจ่ายเงิน ส่วนที่เหลือพอถึงจุดที่ไม่ฟรีแล้ว ก็น่าจะหันไปใช้ทางเลือกอื่นที่เข้ากันได้แทน
    • สงสัยว่า Hugging Face ทำอะไรกันแน่ เท่าที่เข้าใจเหมือนจะเป็นที่ โฮสต์ไฟล์โมเดล เป็นหลักไม่ใช่หรือ
      รู้ว่ามีผลิตภัณฑ์ด้านการประมวลผลบางส่วน และสร้างกับดูแลไลบรารีอยู่บ้าง แต่ดูเหมือนไม่ได้ถูกใช้แพร่หลายมหาศาล จึงไม่ค่อยเข้าใจว่าจะทำเงินอย่างไร
    • ตามที่ Clement ซีอีโอของ Hugging Face ระบุ บริษัทอยู่ในระดับที่แทบครอบคลุมค่าใช้จ่ายได้ และมี runway 10 ปี: https://twitter.com/ClementDelangue/status/16947653579682861...

  • การที่ Nvidia ลงทุนในบริษัท AI ถือว่าดี
    เพราะรู้อยู่แล้วว่าสุดท้ายเงินนั้นจะไหลกลับมาหา Nvidia จึงแทบจะเหมือนการปล่อยเงินให้บริษัทที่จะลองทำอะไรบางอย่างด้วยชิป Nvidia โดยแลกกับ โอกาสอัปไซด์

    • ตลาดสาธารณะให้เงินทุนแก่ Nvidia, Nvidia ลงทุนในลูกค้าของตัวเอง, ลูกค้าเหล่านั้นก็กลับมาดันผลประกอบการของ Nvidia และผลประกอบการนั้นก็เรียกการลงทุนจากตลาดสาธารณะเข้ามาอีก เป็นโครงสร้างที่น่าสนใจ
      เป็นกลยุทธ์ ความเสี่ยงสูง ผลตอบแทนสูง และ Nvidia กำลังกินรวบ AI
    • ด้วยการลงทุนของลูกค้ารายใหญ่ Nvidia มีโอกาสสูงที่จะทำ รายได้ 36,000–40,000 ล้านดอลลาร์ ในปีนี้และปีหน้า
      แค่ Meta ก็ใช้เงิน 8,000 ล้านดอลลาร์กับอุปกรณ์ และปีหน้าก็มีแผนจะใช้ใกล้เคียงกัน OpenAI+Microsoft ก็น่าจะทุ่มเงินหลายพันล้านดอลลาร์เพื่อสร้างเซิร์ฟเวอร์
      น่าสงสัยว่า Google หรือ Apple จะเพิ่มกล่อง AI จำนวนมากด้วยหรือไม่
    • ถ้าบอกว่าเงินจะไหลกลับไปหา Nvidia นึกว่าจะส่ง A100 ให้เป็นรถบรรทุก ๆ ไปเลยเสียอีก
      ยังต้องใช้เงินสดกันอยู่อีกหรือ
    • ถ้า Nvidia ไม่ใช้ประโยชน์จากตำแหน่งในตลาดตอนนี้ ก็คงเป็นเรื่องโง่มากจริง ๆ
      ดูเหมือนสถานการณ์ที่ต้องทำตอนนี้เท่านั้น

  • เคยเกี่ยวข้องกับ Hugging Face มาก่อน จึงขอเขียนแบบไม่เปิดเผยตัว
    Hugging Face ทำได้ดีมากในการสร้างคอมมูนิตี้, ไลบรารี transformers, และการเป็นศูนย์กลางคลังโมเดลโอเพนซอร์สทั้งหมด
    แต่ยังห่างไกลจาก product-market fit (PMF) และแม้จะมีผลิตภัณฑ์หลายอย่าง เช่น บริการ, AutoTrain, quantization, HF Hub สำหรับองค์กร, inference endpoints แต่ดูเหมือนไม่มีตัวไหนประสบความสำเร็จเชิงพาณิชย์
    รายได้ส่วนใหญ่มาจากพาร์ตเนอร์ชิปกับ SageMaker/Azure เป็นโครงสร้างที่รับเงินแลกกับการส่งผู้ใช้ไปให้ จึงน่าจะเติบโตต่อได้ยาก
    โอกาสที่บริษัทอย่าง FANG จะเข้าซื้อยังมีอยู่เสมอ แต่ส่วนตัวมองว่าค่อนข้างมืดมน ถ้า มูลค่าประเมิน 4,500 ล้านดอลลาร์ จะเข้าตลาดได้ก็คงต้องมี ARR อย่างน้อย 250 ล้านดอลลาร์ แต่ตอนนี้น่าจะติดอยู่แถว ARR 25 ล้านดอลลาร์เสียมากกว่า

    • https://www.forbes.com/sites/alexkonrad/2023/07/13/ai-startu...
      แหล่งข่าวสามรายบอกว่า revenue run rate ปีนี้พุ่งขึ้นอย่างรวดเร็วและตอนนี้อยู่ที่ระดับ 30–50 ล้านดอลลาร์ ส่วนแหล่งข่าวหนึ่งบอกว่าเพิ่มขึ้นมากกว่าสามเท่าจากต้นปี
    • ขอเขียนแบบไม่เปิดเผยตัวด้วยเหตุผลคล้ายกัน
      ผมไม่เข้าใจกลยุทธ์ของ Clem กับทีมเลยจริง ๆ นอกจากการระดมเงินให้ได้มากที่สุดเท่าที่ทำได้ ก็แทบไม่เห็นอะไร
      ประสบการณ์กับทีมขายแย่มากจริง ๆ และไม่ทำให้คาดหวังเลยว่าจะเพิ่ม ARR ได้ในเวลาที่จำเป็น
      แทบจะเหมือนมาขอร้องให้เราซื้อ แต่กลับดูเหมือนเพิ่งสนใจหลังจากที่เราไปเลือกที่อื่นอย่างชัดเจนแล้ว
    • น่าจะถูก เข้าซื้อ โดย Google หรือ Microsoft
    • ผมก็เคยกังวลเรื่องนั้นเหมือนกัน
      บริษัท AI ที่เคยทำงานด้วยก่อนหน้านี้ก็ตกอยู่ในสถานการณ์คล้ายกัน ระดมเงินมากเกินไปด้วยมูลค่าประเมินที่สูงเกินไป จนผู้ซื้อที่เป็นไปได้เหลือแค่ 3–4 ราย
      ตอนนี้กลายเป็น บริษัทซอมบี้ ที่หุ้นสามัญไม่มีมูลค่า ไม่มีโอกาสถูกซื้อกิจการ และรายได้ก็ไม่มากพอจะเข้าตลาด
    • สุดท้ายอาจถูก nVidia ซื้อทีมงาน (acquihire) ก็ไม่น่าแปลกใจ
      การให้โค้ดและโครงสร้างพื้นฐานแก่คอมมูนิตี้นั้นช่วยเพิ่มคุณค่าและยอดขายของฮาร์ดแวร์ nVidia ได้อย่างมาก
      ตรงกับหลักกลยุทธ์คลาสสิกที่ว่า “ทำให้สินค้าส่วนเสริมกลายเป็นของทั่วไป”

  • อยากรู้จริง ๆ ว่าการขาย AI/ML นี่คือทำธุรกิจแบบไหนกันแน่?
    ผมไม่ได้รู้จักวงการนี้ลึกนัก แต่ AI/ML ดูจะใกล้เคียงกับ “ฟีเจอร์” มากกว่า “ผลิตภัณฑ์”
    ถ้าอย่างนั้น เวลาบอกว่าบริษัทขาย AI/ML จริง ๆ แล้วขายอะไรกันแน่? เป็นไลเซนส์ของโมเดลที่สร้างขึ้นมา, คิดเงินตามผลลัพธ์, หรือโครงสร้างพื้นฐานสำหรับโฮสติ้ง?
    ถ้าเปรียบเทียบ การขาย AI/ML จัดอยู่ตรงไหนระหว่าง IaaS, PaaS, SaaS หรือว่าเป็นคนละเรื่องไปเลย?

    • เป็นธุรกิจขายจอบกับพลั่ว
      ในวงการ AI น่าจะมีผู้ชนะรายใหญ่มาก ๆ อยู่ไม่กี่ราย, ผู้ชนะระดับกลางอีกไม่น้อย และผู้แพ้อีกจำนวนมาก แต่ไม่ว่าใครจะชนะหรือแพ้ พวกเขาก็แค่ขายเครื่องมือที่ทุกคนซึ่งอยากลองสู้จำเป็นต้องใช้
      ถ้าทำให้ผลิตภัณฑ์ใช้ง่ายและช่วยสร้างมูลค่าทางธุรกิจได้ ก็ขายจอบกับพลั่วได้เยอะ
    • ผมมองว่าตำแหน่งที่เป็นไปได้คร่าว ๆ เป็นแบบนี้
      a) ผู้จัดหาฮาร์ดแวร์ที่ขายผลิตภัณฑ์ซึ่งผู้เล่นทุกคนต้องใช้ เหมือน Nvidia/AMD
      b) บริษัทที่ขายมูลค่าเพิ่มจาก AI/ML ให้ฐานลูกค้าที่จับไว้ได้อยู่แล้วได้ เช่น Microsoft, Salesforce, ServiceNow, Adobe
      c) บริษัทที่ทำเงินจากโฆษณาและใช้ AI/ML ช่วยให้การ targeting ดีขึ้น เช่น Google/Facebook
      นอกเหนือจากนั้น ส่วนใหญ่กำลังเผาเงิน VC กันอยู่
    • use case ของ AI/ML ที่มีค่าที่สุดบางส่วนในระยะสั้นดูจะใกล้เคียงกับ “ฟีเจอร์ ไม่ใช่ผลิตภัณฑ์”
      incumbents ที่มีผลิตภัณฑ์เดิมอยู่แล้วสามารถใส่ฟีเจอร์นี้เข้าไปและสร้างความได้เปรียบในการแข่งขันได้มาก ผู้เล่นหน้าใหม่จะยากกว่ามาก เพราะไม่ใช่แค่ต้องทำฟีเจอร์ AI/ML แต่ยังต้องทำระบบแกนหลักที่สร้างหรือเก็บข้อมูลซึ่งฟีเจอร์นั้นพึ่งพาให้แข่งได้ด้วย
      ตัวอย่างเช่น หลายองค์กรอาจยอมจ่ายเงินก้อนใหญ่ให้ฟีเจอร์ “ChatGPT ที่รู้จักเอกสารภายใน” ซึ่งต่อเข้ากับ SharePoint/Confluence ที่ใช้อยู่ตอนนี้ แต่มีแนวโน้มว่าจะระมัดระวังมากกับการย้ายเอกสารภายในไปยังระบบจัดการเอกสารใหม่ของสตาร์ทอัพเกิดใหม่
    • ผมว่าในด้านนี้ไม่มีการแบ่งเป็นสองขั้วที่ชัดเจน
      ไม่ว่าจะอยู่ตรงไหนใน IaaS/PaaS/SaaS ก็มีศักยภาพที่จะเป็นได้ทั้งฟีเจอร์หรือผลิตภัณฑ์
      ถ้าลองค้นหาบริษัทที่ขาย AI/ML บน HN ก็จะเข้าใจว่าหมายถึงอะไร
    • จริง ๆ แล้วผมว่ามันอาจเข้าข่ายทั้งหมดนั้น
      ยิ่งพาผู้ใช้ห่างออกจากการเทรนและโฮสติ้งมากเท่าไร ก็ยิ่งห่างจากธุรกิจนั้นมากเท่านั้น
      แต่ดูเหมือนจะคุ้มเชิงเศรษฐกิจก็ต่อเมื่อมีจุดแข็งบางอย่างในการทำส่วนที่ช่วย abstraction แบบนั้น

  • ผมชอบ Hugging Face แต่กังวลว่าจะกลายเป็น Docker รายถัดไป
    moat คืออะไร? คำตอบไม่น่าจะเป็น “เรารัน inference ให้คุณแทน”

    • moat คือผลของเครือข่าย
      มันใกล้เคียงกับ GitHub สำหรับ ML มากกว่า
      อีกอย่าง ความน่าเชื่อถือก็สำคัญ ในธุรกิจโฮสต์ไบนารี ความน่าเชื่อถือไม่ใช่เรื่องเล็กเลย
    • ตอน AWS EC2 ออกมาในปี 2007 moat คืออะไร?
      ตอนนั้นก็มีผู้ให้บริการ VPS เล็ก ๆ เป็นพันรายที่ให้เช่ากล่อง Linux เสมือนพร้อมสิทธิ์ root ในราคาเดือนละ 15 ดอลลาร์อยู่แล้ว

  • โมเดล ML คือแอปแบบใหม่
    มีโอกาสใหญ่ในพื้นที่แบบ App Store ที่ให้คนซื้อโมเดลแล้วนำไปผสานกับผลิตภัณฑ์ของตัวเองได้ พร้อมจัดการไลเซนส์ที่เหมาะสมให้
    ถ้ารับรองได้ด้วยว่าโมเดลทำงานได้จริงตามที่บอกก็ยิ่งดี และแค่นั้นอย่างเดียวก็มีโอกาสกลายเป็นอุตสาหกรรมเล็ก ๆ ได้แล้ว
    Hugging Face เป็นผู้นำที่ชัดเจนซึ่งสามารถสร้างสิ่งนี้ได้จากการรับรู้แบรนด์ในชุมชน

    • โมเดลไม่ใช่แอป มันใกล้เคียงกับแบ็กเอนด์หรือไลบรารีหลักของแอปมากกว่า
      ดังนั้นลูกค้าจึงไม่ใช่ “ทุกคนที่มีโทรศัพท์/คอมพิวเตอร์” เหมือนแอป แต่เป็น “ทุกคนที่สร้างแอป” ซึ่งมีจำนวนน้อยกว่ามาก แต่อาจมีอิทธิพลสูงกว่า
      ยังไม่ใช่โลกที่คนไม่ใช่สายเทคนิคจะมาคุ้ย model store บนมือถือเพื่อหาโมเดล

  • จากมุมมองของ Nvidia นี่อาจไม่ใช่แค่การลงทุนใน Hugging Face แต่เป็นการลงทุนในธุรกิจของตัวเองผ่านผลของเครือข่าย
    หวังว่าจะเป็นแบบนั้น เพราะถ้าเงิน VC หายไป ค่าบริการคงพุ่งทะลุฟ้า

    • อย่างน้อย 100 ล้านดอลลาร์ในนั้นน่าจะไหลไปซื้อ GPU ของ nVidia
      เป็นวิธีที่บริษัทฮาร์ดแวร์มักทำเวลาเข้าลงทุน และอาจออกมาดีทีเดียวสำหรับทุกฝ่าย
    • เป็นบริการเสริมที่แนบกับผลิตภัณฑ์หลัก

  • Hugging Face คือการทำให้สุภาษิตเก่า “ช่วงตื่นทอง จงขายพลั่ว” กลายเป็นจริงแบบตรงตัว

    • โดยส่วนตัวผมมองว่าคนที่ขายพลั่วคือ Nvidia
    1. จะเอาเงินจำนวนมากขนาดนั้นไปทำอะไร?
    2. แล้วจะใช้คืนกันยังไง?
      คงต้องมีไอเดียที่ยอดเยี่ยมจริง ๆ นี่ดูเป็นส่วนผสมที่พร้อมจะแตกเหมือนลูกโป่งมาก
    • ยินดีต้อนรับสู่โลก VC เบื้องต้น
      1. การเติบโต
      2. ไม่ต้องใช้คืน มันไม่ใช่เงินกู้ โลก VC ไม่ได้เดินด้วยเงินกู้ ถ้าจะกู้ก็ไปธนาคาร
    • ไม่ใช่เงินกู้ แต่เป็นการขายหุ้น

  • นโยบายราคาทำให้งง
    https://huggingface.co/pricing
    อาจเป็นเรื่องชัดเจนที่ผมพลาดไปก็ได้ แต่ด้านหนึ่งของหน้าราคาบอกว่า Spaces Hardware เริ่มที่ 0 ดอลลาร์ อีกด้านบอกว่าเริ่มที่ 0.05 ดอลลาร์

    • โครงสร้างนี้พยายามครอบคลุมหลาย use case ผมเห็นด้วยว่าชื่อเรียกไม่ค่อยสอดคล้องกัน
      พื้นที่เก็บข้อมูล repository ฟรี และมีผลิตภัณฑ์แบบเสียเงินสำหรับองค์กรเหมือน GitHub
      การให้บริการเดโมแอปคือ “Spaces Hardware” ที่คิดค่าใช้จ่ายรายชั่วโมง
      การให้บริการโมเดล production สำหรับแอปที่โฮสต์ที่อื่นก็คือ “Inference endpoints” ที่คิดเงินรายชั่วโมง
      การเทรนโมเดลคือ “AutoTrain” ซึ่งตอนนี้ฟรี และพูดตรง ๆ ผมยังไม่เคยลองใช้
    • กลยุทธ์ go-to-market (GTM) โดยรวมชวนงง
      Hugging Face เชี่ยวชาญด้าน ML และชุมชน แต่ยังไม่เก่งด้านธุรกิจ
      ผมรู้ว่า HN มองตำแหน่งฝ่ายขายต่ำ แต่ HF ต้องการคนฝ่ายขายดี ๆ ให้เร็วที่สุดเท่าที่จะทำได้