โครงสร้างพื้นฐานสำหรับบริษัทอัตโนมัติ

วันนี้ เราขอประกาศว่า Naïve ระดมทุน Series A มูลค่า 28.5 ล้านดอลลาร์ เพื่อสร้างโครงสร้างพื้นฐานที่เอเจนต์ AI จำเป็นต้องใช้ในการดำเนินธุรกิจทั้งบริษัท

รอบนี้ นำโดย Nexus Venture Partners ร่วมด้วย Y Combinator, Zetta, Liquid 2 และอีกหลายราย

ผู้ร่วมก่อตั้ง Sean Dorje และ Dennis Zax ร่วมงานกันมาตั้งแต่อายุ 14 ขายบริษัทแรกตั้งแต่ยังเป็นวัยรุ่น ดร็อปเอาต์จาก Berkeley เข้าร่วม Y Combinator และใช้เวลาหลายปีที่ผ่านมาคิดว่าโลกจะเป็นอย่างไรเมื่อเอเจนต์สามารถขับเคลื่อนธุรกิจได้ทั้งหมดด้วยตัวเอง

ปัญหา: แอปปล่อยตัวได้ในบ่ายเดียว แต่ธุรกิจต้องใช้เวลาหลายเดือน

โค้ดดิ้งเอเจนต์สามารถปล่อยแอปที่ใช้งานได้ภายในบ่ายเดียว แต่การเปลี่ยนแอปนั้นให้กลายเป็นธุรกิจที่ดำเนินงานจริงยังคงต้องใช้เวลาหลายเดือน

นักพัฒนาต้องเชื่อมต่อระบบต่างๆ เข้าด้วยกันด้วยตนเอง ไม่ว่าจะเป็นการชำระเงิน การจดทะเบียนบริษัท อีเมล เบอร์โทรศัพท์ คอมพิวต์ หน่วยความจำ ฐานข้อมูล การยืนยันตัวตน และบริการอื่นๆ อีกมากมาย โครงสร้างพื้นฐานทั้งหมดนี้สร้างขึ้นสำหรับผู้ปฏิบัติงานที่เป็นมนุษย์ ไม่ใช่สำหรับเอเจนต์อัตโนมัติ

ทางออก: ไฟล์คอนฟิกเดียว API เดียว ครบทั้งสแตกสำหรับดำเนินธุรกิจ

Naïve กำลังสร้างสแตกธุรกิจทั้งระบบขึ้นมาใหม่และรวมเข้าเป็นหนึ่งเดียวสำหรับเอเจนต์

ทุกวันนี้ นักพัฒนาหลายพันคนเขียนไฟล์คอนฟิกไฟล์เดียว แล้ว Naïve จะจัดเตรียมทุกอย่างที่เอเจนต์ของพวกเขาต้องการไว้เบื้องหลัง API เดียวที่รวมเป็นหนึ่งเดียว:

ข้อมูลตัวตนในโลกจริง: KYC/KYB, การจัดตั้ง LLC, อีเมล, เบอร์โทรศัพท์, Virtual Cards คลาวด์: ฐานข้อมูล, โฮสติ้ง, คอมพิวต์, สตอเรจ, Auth เอเจนต์แบบ Serverless: Hermes, Claude Code, Codex, Vetta Orchestration: การจัดการงาน, การสื่อสารระหว่างเอเจนต์, การจัดตารางเวลา Inference / การจัดเส้นทางโมเดล หน่วยความจำ: เลเยอร์คอนเทกซ์เดียวที่เติบโตไปพร้อมกับทั้งบริษัท เกตเวย์เครื่องมือ 10k+ รายการ: Stripe, Github, Quickbooks, Higgsfield, Browser ฯลฯ การกำกับดูแล: บังคับใช้นโยบายความสามารถ, บันทึกการตรวจสอบ และการอนุมัติแบบ HITL

อนาคต: เพิ่มความฉลาดต่อ Token ให้ทวีคูณ

ด้วยเงินทุนก้อนใหม่นี้ Naïve กำลังสร้างแล็บขึ้นจากข้อสังเกตง่ายๆ: บริษัทอัตโนมัติพึ่งพาเอเจนต์ลูปมากขึ้นเรื่อยๆ เพื่อให้งานเสร็จสิ้น แต่เอเจนต์ลูปเหล่านี้มีประสิทธิภาพต่ำมาก เนื่องจากการผูกติดกับโมเดลระดับแนวหน้า ต้นทุนคอมพิวต์ที่ว่างเปล่า และการจัดการคอนเทกซ์ที่ย่ำแย่ วิสัยทัศน์ของเราคือการเพิ่มงานสูงสุดต่อ token ที่ใช้ไปในเอเจนต์ลูปเหล่านี้ผ่าน 4 ด้าน:

1. เอเจนต์แบบ Serverless.

ลดคอมพิวต์. เอเจนต์และแซนด์บ็อกซ์ของมันทำงานเป็น V8 isolates ไม่มี VM ไม่มีเครื่องเช่าที่ปล่อยว่างอยู่ เพราะเอเจนต์ใช้เวลา 95% ไปกับการรอ คุณจึงถูกคิดค่าใช้จ่ายเฉพาะช่วงมิลลิวินาทีที่มันทำงานจริงเท่านั้น Cold start 2.3ms, 1.2MB ต่อเอเจนต์

1. Inference.

ลดต้นทุนต่อ token. ทุกการเรียกจะถูกส่งไปยังโมเดลที่ถูกที่สุดที่ตอบได้ โดยใช้โมเดลภาษาขนาดเล็กสำหรับงานเชิงกล และใช้ batched inference สำหรับเอเจนต์ที่ทำงานยาวนาน

1. Brain.

ลด input tokens. เลเยอร์หน่วยความจำเดียวสำหรับทั้งบริษัท กลั่นบทสนทนาให้เป็นข้อเท็จจริงที่มีโครงสร้าง และส่งคอนเทกซ์เฉพาะที่การเรียกนั้นต้องการให้กับแต่ละเอเจนต์ ทำผลงานได้เหนือกว่าโมเดลระดับแนวหน้าในด้าน recall ด้วยจำนวน token ต่อ query น้อยลงราว 11 เท่า

1. การจัดระบบกำลังคนของเอเจนต์.

ลดรอบการทำงานที่สูญเปล่า. มอบหมายงานให้กับซับเอเจนต์ที่เหมาะสมในระดับที่เหมาะสม แทนที่จะรันทุกอย่างด้วยต้นทุนระดับ frontier โฮสต์แบบ serverless ด้วยต้นทุนเพียง 1 ใน 100

ผล benchmark ระยะแรกของเราสามารถเริ่มเอเจนต์ได้ใน 2.3 มิลลิวินาที โดยใช้หน่วยความจำ 1.2MB ลดต้นทุน inference ได้หลายเท่า และเรียกคืนหน่วยความจำได้ดีขึ้น ขณะที่ใช้ token ต่อ query น้อยลง 11 เท่า

ในทศวรรษหน้า การใช้จ่ายด้านเอเจนต์จะขยายตัวจนถึงระดับล้านล้านดอลลาร์ เนื่องจากบริษัทต่างๆ จะดำเนินงานทั้งหมดโดยเอเจนต์ที่ทำงานให้เสร็จสิ้นอย่างอัตโนมัติ วิสัยทัศน์ของเราคืองานวิจัยนี้จะทำให้แต่ละ token สร้างงานได้มากขึ้น เพื่อให้บริษัทอัตโนมัติกลายเป็นความจริงที่คุ้มค่าด้านต้นทุน

ขอขอบคุณนักลงทุนทุกท่าน ได้แก่:

Abhishek Sharma (พาร์ทเนอร์ @ Nexus)

Andrew Miklas, Diana Hu (พาร์ทเนอร์ @ YC)

Apoorva Pandhi (GP @ Zetta VP)

Raj Singh (GP @ Z21 Ventures)

Jimmy Cho (นักลงทุน, DEEPCORE (Softbank))

Michael Ma (พาร์ทเนอร์, Liquid 2 Ventures)

Vijay Krishnan (ผู้ร่วมก่อตั้ง Turing)

Gokul Rajaram

JD Sherman (อดีตประธาน Hubspot)

Tim Zheng (ผู้ก่อตั้ง Apollo)

Robert Chatwani (ประธาน @ Docusign)

Zachary Sims (ผู้ก่อตั้ง Codeacademy)

Gert Lanckriet (หัวหน้าฝ่าย ML @ Amazon)

Eric Ciarla (ผู้ร่วมก่อตั้ง Firecrawl)

ตอนนี้เรากำลังเปิดรับสมัคร benchmark breakers ที่ต้องการก้าวข้ามขอบเขตของโครงสร้างพื้นฐานสำหรับธุรกิจเอเจนต์

ดูข้อมูลเพิ่มเติมและเริ่มสร้างได้ที่ usenaive.ai.