Startup ini membantu raksasa teknologi dan pembangun hartanah mencari tanah untuk pusat data—dan menggunakan kluster GPU sendiri untuk melakukannya

(SeaPRwire) –   Pengasas Acres, Carter Malloy, mempunyai dua anak perempuan yang menekan muka mereka ke cermin tingkap di belakang pejabat, cuba melihat mesin berdengung yang ayah mereka banggakan—dua GPU kelas tinggi yang disorokkan di sudut gelap.

Malloy membeli dua mesin tersebut dari NVIDIA pada tahun 2024, dan baru-baru ini memesan dua lagi, yang sepatutnya tiba pada akhir minggu ini. Dia juga sedang memasang kabel baru melalui siling untuk menyambungkan mesin-mesin tersebut terus ke komputer pasukan sains data beliau, supaya mereka boleh melatih model secara terus di tapak dan tidak perlu menyewa masa di cloud.

“Mempunyai perkakasan di premis sendiri jauh lebih murah untuk melatih model—dan sebenarnya lebih pantas,” kata Malloy.

Acres mungkin sebuah startup kecil dengan hanya kira-kira 70 orang, tetapi ia merupakan salah satu daripada semakin banyak syarikat data niche yang secara senyap menyusun kluster GPU di luar dinding Big Tech, dalam satu pertaruhan bahawa memiliki komputasi sendiri akan menjadi kelebihan daya saing. Andreessen Horowitz terkenal dengan kluster GPU sendiri yang disewakan kepada startup sebagai pertukaran ekuiti. Dan startup individu termasuk startup hosting video Gumlet juga telah menyatakan mereka mengehos perkakasan sendiri. Perkakasan ini boleh menelan kos lebih daripada $25,000 setiap GPU, ditambah dengan kos tenaga yang berterusan. Semasa kekurangan bekalan seperti tahun lepas, ia boleh menjadi sukar untuk syarikat-syarikat kecil mendapatkannya tanpa menunggu berbulan-bulan dalam senarai menunggu.

Tetapi untuk menjalankan syarikat kecerdasan data geospatial, Malloy berkata mempunyai kluster sendiri lebih masuk akal.

Ia tidak selalunya begini. Beberapa tahun lalu, Malloy menjalankan syarikat yang sangat berbeza—AcreTrader, sebuah platform fintech pelaburan tanah pertanian yang berpusat di Fayetteville, Ark., yang sebenarnya membolehkan pelabur membeli bahagian ladang seperti mereka membeli saham. Musim panas lepas, dia menjual bahagian “Trader” perniagaan itu dengan jumlah yang tidak didedahkan untuk memberi tumpuan kepada satu perkara: data.

Sejak awal, pasukan kecil di startup itu telah mengumpulkan data untuk membantu pemilik tanah menilai dan menentukan harga tanah pertanian—semuanya dari sejarah jualan dan sewa serta data infrastruktur air hingga topografi LiDAR, imej satelit, dan juga kedalaman telaga air di Texas. Seiring masa, timbunan pemetaan dan analitik dalaman “menjadi lebih besar daripada yang Trader mampu tangani, dengan sangat cepat,” kata Malloy, kerana maklumat tanah bukan sahaja sukar dan memakan masa untuk diperoleh, tetapi sering memerlukan jurutera data untuk menganalisisnya.

Apabila model bahasa besar menjadi lebih canggih, Malloy membayangkan cara-cara baru untuk pelanggan berinteraksi dengan data yang pasukannya sedang berhati-hati mengumpul dan membersihkan. Dengan platform beta Acres yang baharu, seorang pembangun boleh menaip arahan dalam Bahasa Inggeris biasa: Cari saya petak 40 ekar yang kebanyakannya di luar kawasan banjir, dalam lingkungan tiga batu dari infrastruktur kumbahan, di daerah yang dikenali dengan kelulusan cepat—dan sistem itu akan menyisir melalui peta dan data untuk memperlihatkan tapak yang sesuai. Melalui integrasi Acres dengan startup maklumat awam Hamlet, syarikat pusat data juga boleh menganalisis sama ada kerajaan bandar dan daerah tempatan mesra—atau tidak begitu mesra—terhadap projek pembangunan dan pusat data baharu.

Masukkan GPU. Acres bekerja dengan data geospatial—bukan hanya hamparan elektronik, tetapi lapisan vektor dan raster yang menentukan titik, garisan, dan poligon di sebalik peta pemilikan tanah dan zon. Memproses jenis imej dan geometri itu memerlukan pengkomputeran yang berat, dan membawa GPU ke dalam premis membolehkan pasukan melatih model dan menjalankan analisis pemilihan tapak dengan lebih cepat dan kos lebih rendah, menurut Malloy, yang enggan mengulas berapa banyak bil utiliti beliau telah meningkat, selain daripada berkata “ia menggunakan sedikit kuasa.”

Malloy sangat gembira apabila bercakap mengenainya. Baginya, pasukannya beroperasi di perintis sains data. “Kami sedang membuat terobosan dalam sains geospatial dengan AI… Kami membina perkara-perkara yang tidak ada kertas akademik untuknya.”

Dia mungkin sedikit terlebih mempromosikannya, tetapi ada kebenaran dalam idea itu: menggabungkan rekod tanah peringkat petak, data kelulusan, dan imej beresolusi tinggi pada skala ini dengan LLMs masih merupakan kawasan yang agak baharu.

Satu-satunya perkara yang Malloy nampaknya bimbangkan ialah mengekalkan kelajuan perubahan—dan permintaan. Acres mula melancarkan fungsi carian AI generatif baharu kepada pelanggan perusahaan hanya beberapa minggu lalu, dan Malloy berkata dia telah melihat pelanggan mengumpat dan ketawa mengenai berapa banyak masa yang mereka fikir ia dapat menjimatkan.

Secara sejarah, Malloy berkata, Acres telah cuba mengintegrasikan pelanggan terlalu cepat. Dengan hanya lima orang dalam pasukan sokongan pelanggan, Malloy mahu memindahkan pelanggan ke platform beta baharu dengan berhati-hati. Belum lagi—sudah kurang daripada setahun sejak Acres menjual apa yang pernah menjadi bahagian teras perniagaan itu.

“Itu pasti menyebabkan saya tidak boleh tidur—bahawa kami akan terlebih dahulu. Kami pernah melakukannya sebelum ini,” kata Malloy.