Graphon AI sort de l'ombre avec une nouvelle « couche d'intelligence » qui, selon elle, peut rendre les grands modèles de langage plus efficaces et capables de traiter des données pratiquement illimitées.
Graphon AI sort de l'ombre avec une nouvelle « couche d'intelligence » qui, selon elle, peut rendre les grands modèles de langage plus efficaces et capables de traiter des données pratiquement illimitées.

La startup d'IA Graphon AI a obtenu 8,3 millions de dollars en financement de démarrage pour s'attaquer à une limitation majeure de l'intelligence artificielle actuelle : la charge de calcul immense et coûteuse requise pour comprendre de vastes ensembles de données interconnectés. La « couche d'intelligence » de l'entreprise vise à cartographier les relations entre les données en dehors d'un grand modèle de langage, une initiative qui pourrait réduire les coûts de traitement et débloquer des informations à partir de données auparavant inaccessibles.
« Il s'agit d'une nouvelle technologie fondamentale, par opposition à quelque chose qui peut rendre l'IA un peu plus efficace », a déclaré Arvind Gupta de Novera Ventures, l'investisseur principal de ce tour de table.
Même les LLM les plus avancés sont limités au traitement de millions de jetons à la fois, alors que les organisations « détiennent des billions de jetons à travers des documents, des vidéos, des journaux et des bases de données », a déclaré l'entreprise. Le tour de table de 8,3 millions de dollars de Graphon, avec la participation de Perplexity Fund, Samsung Next, GS Futures, Hitachi Ventures et d'autres, financera la construction de sa classe d'infrastructure d'IA conçue pour combler cet écart.
Le succès de cette technologie pourrait impacter le paysage de l'infrastructure d'IA en offrant une alternative plus efficace et évolutive aux méthodes actuelles. Pour les entreprises disposant de jeux de données massifs et non structurés, elle présente un moyen potentiel d'extraire de la valeur à moindre coût. Cela pourrait influencer les tendances d'investissement futures et affecter le positionnement concurrentiel des entreprises dépendantes des LLM à grande échelle.
L'entreprise basée à San Francisco a été fondée par Arbaaz Khan, ancien scientifique appliqué senior chez Amazon, qui occupe le poste de PDG. Khan explique que l'idée est de créer une carte relationnelle de l'univers de données entier d'une organisation — des documents et vidéos aux journaux système — avant même qu'il ne touche le LLM. Ce pré-traitement est conçu pour être plus efficace que de demander à un modèle massif d'analyser de manière répétée toutes les données pour trouver des connexions.
Khan s'est inspiré de ses travaux de doctorat en robotique à l'Université de Pennsylvanie. Un robot opérant dans un espace défini, a-t-il expliqué, peut utiliser la connaissance de cette structure pour réduire ses besoins de calcul. Il a appliqué une idée similaire aux données, en utilisant le concept mathématique de graphon, qui peut identifier et regrouper des utilisateurs ou des points de données disparates dans des « voisinages » basés sur des propriétés relationnelles partagées. Alors que la technologie transformer des LLM dépense une énergie immense pour déterminer quels mots sont liés, la couche d'intelligence de Khan effectue ce travail séparément. « Nous allons construire cette grande représentation relationnelle... et c'est ce qui va alimenter le modèle, au lieu de laisser le modèle faire tout le travail difficile », a déclaré Khan. Il soutient qu'il s'agit d'une économie massive, affirmant qu'il est « beaucoup plus efficace de faire tourner ce [modèle de 200 millions de paramètres] mille fois que d'essayer de faire tourner un [modèle de 5 billions de paramètres] pendant une heure ».
Le conglomérat sud-coréen GS, investisseur via sa branche GS Futures, utilise déjà la technologie. Ally Kim, vice-présidente chez GS qui dirige son initiative de transformation numérique 52g, a déclaré que l'équipe a utilisé Graphon pour améliorer l'analyse des enregistrements de vidéosurveillance qui surveillent les sites de construction pour la conformité en matière de sécurité. L'entreprise l'a également utilisé pour analyser plus efficacement les vidéos de joueurs de football afin de recruter pour une équipe sponsorisée par GS, en évaluant les mouvements, les forces et les faiblesses. « Nous avons vraiment besoin d'étendre notre champ de connaissances aux multimodalities, comme la voix ou la vidéo ou d'autres contextes. Graphon peut être un bon support », a déclaré Kim.
Cet article est uniquement à titre informatif et ne constitue pas un conseil en investissement.