Hugging Face raih pendanaan Series D senilai 3.500 miliar won dari Salesforce, Nvidia, dan lainnya

 (techcrunch.com)
1 poin oleh GN⁺ 2023-08-25 | 1 komentar | Bagikan ke WhatsApp
  • Di tengah meningkatnya permintaan untuk platform pengembangan AI, Hugging Face menghimpun sekitar $235 juta dalam pendanaan Series D dan dinilai sekitar $4,5 miliar
  • Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce, dan Sound Ventures ikut berpartisipasi, dengan valuasi yang disebut mencapai dua kali lipat dibanding Mei 2022 dan lebih dari 100 kali pendapatan tahunan tersetahunkan
  • Perusahaan ini memantapkan posisinya sebagai platform machine learning yang berpusat pada hub bergaya GitHub untuk berbagi model, dataset, dan kode, sekaligus menyediakan web app demo serta alat evaluasi dan deployment model
  • Produk berbayarnya seperti AutoTrain, Inference API, dan Infinity berfokus pada otomatisasi pelatihan, hosting model, dan peningkatan performa operasional, serta mendukung deployment SaaS dan on-premises
  • Saat ini perusahaan memiliki 10.000 pelanggan, lebih dari 50.000 organisasi di dalam platform, dan lebih dari 1 juta repositori di model hub; dana baru ini akan dipakai untuk memperluas dukungan riset, enterprise, startup, dan perekrutan

Pendanaan Series D $235 juta dan valuasi $4,5 miliar

  • Hugging Face menghimpun $235 juta dalam putaran Series D
  • The Information pertama kali memberitakannya, dan CEO Salesforce Marc Benioff tampaknya mengonfirmasinya di X
  • Investor dalam putaran ini mencakup Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce, dan Sound Ventures
  • Putaran ini membuat valuasi perusahaan mencapai $4,5 miliar
    • Dua kali lipat dari valuasi pada Mei 2022
    • Disebut bernilai lebih dari 100 kali pendapatan tahunan tersetahunkan Hugging Face
  • Valuasi tinggi ini mencerminkan kuatnya permintaan terhadap AI dan platform pendukung pengembangan AI

Platform pengembangan dari berbagi model hingga deployment

  • Produk inti Hugging Face adalah hub bergaya GitHub untuk repositori kode AI, model, dan dataset
  • Perusahaan juga menyediakan web app untuk mendemonstrasikan aplikasi berbasis AI, serta library yang membantu pemrosesan dataset dan evaluasi model
  • Hub versi enterprise mendukung deployment SaaS dan on-premises

  • Fitur berbayar

    • AutoTrain membantu mengotomatisasi pekerjaan pelatihan model AI
    • Inference API memungkinkan developer meng-host model tanpa harus mengelola infrastruktur dasarnya secara langsung
    • Infinity dirancang untuk meningkatkan kecepatan pemrosesan data pada model yang berjalan di lingkungan produksi

Beralih dari aplikasi chatbot menjadi platform machine learning

  • Clément Delangue melihat AI sebagai cara baru untuk membangun semua perangkat lunak, sekaligus pergeseran paradigma terpenting dalam dekade ini
  • Ia memperkirakan transisi AI akan lebih besar dan lebih cepat daripada transisi perangkat lunak karena fondasinya sudah dibangun oleh perangkat lunak
  • Hugging Face menargetkan diri sebagai platform terbuka yang memungkinkan transisi ini
  • Hugging Face yang berbasis di Brooklyn didirikan pada 2016 oleh Clément Delangue, Julien Chaumond, dan Thomas Wolf
  • Ketiga pendiri awalnya membuat aplikasi chatbot untuk remaja, tetapi setelah membuka algoritme aplikasi tersebut sebagai open source, mereka mengubah arah menjadi platform untuk pembuatan, pengujian, dan deployment machine learning

Skala pelanggan, pasar MLOps, dan aktivitas model open source

  • Hugging Face menyatakan saat ini memiliki 10.000 pelanggan dan lebih dari 50.000 organisasi di platformnya
  • Model hub-nya memiliki lebih dari 1 juta repositori
  • Meningkatnya minat perusahaan pada AI ikut menjadi latar pertumbuhan ini
    • Dalam survei HubSpot, 43% pemimpin bisnis menjawab bahwa mereka berencana meningkatkan investasi pada AI dan alat otomasi pada 2023
    • Sebanyak 31% menjawab bahwa AI dan alat otomasi sangat penting bagi strategi bisnis secara keseluruhan
  • Sebagian besar yang ditawarkan Hugging Face masuk ke kategori MLOps, yang menyederhanakan proses membawa model AI ke lingkungan operasional serta memelihara dan memantaunya
  • Sebuah laporan memperkirakan pasar MLOps akan mencapai $16,61 miliar pada 2030

  • Model open source dan kolaborasi

    • Hugging Face memulai BigScience pada 2021
    • BigScience adalah proyek yang dipimpin sukarelawan untuk membuat model bahasa open source yang sekuat GPT-3 milik OpenAI, tetapi bisa digunakan gratis oleh siapa saja
    • Hasilnya, Bloom, adalah model multibahasa yang telah bisa diuji di model hub Hugging Face selama lebih dari setahun
    • Bloom adalah salah satu dari beberapa model open source yang menerima kontribusi sumber daya pengembangan dari Hugging Face
    • Bersama ServiceNow, Hugging Face merilis model AI gratis untuk pembuatan kode bernama StarCoder, dan model lanjutannya SafeCoder dirilis pada minggu yang sama
    • Bersama organisasi nirlaba Jerman LAION, perusahaan ini juga menyediakan versi gratis dari chatbot AI OpenAI, ChatGPT

Kemitraan cloud dan total pendanaan kumulatif

  • Kolaborasi Hugging Face telah meluas ke penyedia cloud besar, dan sebagian dari mereka juga menjadi investor strategis di putaran ini
  • Dengan Nvidia, perusahaan ini mengerjakan perluasan akses komputasi cloud melalui platform komputasi DGX
  • Dengan Amazon, Hugging Face menjalin kemitraan untuk memperluas produknya ke pelanggan AWS dan melatih generasi berikutnya dari Bloom menggunakan chip kustom Trainium milik Amazon
  • Dengan Microsoft, perusahaan ini bekerja sama menghadirkan Hugging Face Endpoints yang mengubah model AI yang dikembangkan Hugging Face di Azure menjadi solusi operasional yang skalabel
  • Setelah investasi ini, Hugging Face berencana memperkuat dukungan di berbagai area seperti riset, enterprise, dan startup
  • Perusahaan memiliki 170 karyawan dan berencana merekrut talenta baru dalam beberapa bulan ke depan
  • Total pendanaan kumulatif Hugging Face mencapai $395,2 juta, dengan pendanaan awal berasal dari Betaworks Ventures
  • Startup AI lain di bidang yang sama yang telah menghimpun dana lebih besar adalah sebagai berikut

Bacaan terkait

1 komentar

 
GN⁺ 2023-08-25
Pendapat di Hacker News

  • Hugging Face tampaknya berada di tahap awal siklus enshittification ala Silicon Valley
    Saat ini mereka membakar uang modal ventura dan bersikap luar biasa baik kepada pengguna; berikutnya bisa jadi nilai itu dipindahkan ke pelanggan korporat, lalu diperas semaksimal mungkin sampai akhirnya runtuh
    Meski begitu, secara ketat juga masih agak tidak jelas apakah ini platform/marketplace. Bagaimanapun, untuk sekarang nikmati saja bir gratis yang dibelikan VC

    • Hugging Face bisa menjadi risiko bottleneck nyata dalam ekosistem AI, dan bagi investor itu mungkin peluang
      Mereka sudah cukup menguasai pasar hosting model dan framework eksekusi, dan jika nanti mulai memperketat, situasinya bisa menjadi buruk
      Penting untuk melakukan desentralisasi agar tidak bergantung pada satu tempat saja, dan menghindari arsitektur yang secara unik bergantung hanya pada Hugging Face
    • Nikmati bir gratisnya, tetapi harus punya rencana untuk membawa keluar satu krat saat barnya tutup
    • Sepertinya akan menempuh jalan yang mirip Docker
      Tempat yang menjadi ketergantungan software penting akan membayar, sementara yang lain tampaknya akan memakai alternatif yang kompatibel begitu layanan itu tidak lagi gratis
    • Saya penasaran sebenarnya Hugging Face melakukan apa. Sejauh yang saya pahami, bukankah mereka terutama melakukan hosting file model?
      Saya tahu mereka juga punya beberapa produk komputasi serta membuat dan memelihara beberapa library, tetapi tampaknya tidak dipakai secara sangat luas, jadi saya kurang paham bagaimana mereka akan menghasilkan uang
    • Menurut CEO Hugging Face, Clement, mereka hampir menutup biaya dan punya runway 10 tahun: https://twitter.com/ClementDelangue/status/16947653579682861...

  • Bagus kalau Nvidia berinvestasi di perusahaan AI
    Karena mereka tahu uang itu pada akhirnya akan kembali ke Nvidia, pada dasarnya ini lebih mirip meminjamkan uang dengan imbalan potensi upside kepada perusahaan yang akan mencoba melakukan sesuatu dengan chip Nvidia

    • Struktur yang menarik: pasar publik mendanai Nvidia, Nvidia berinvestasi pada pelanggannya sendiri, para pelanggan itu kembali mendorong kinerja Nvidia, lalu kinerja itu kembali mengundang investasi pasar publik
      Ini strategi risiko tinggi imbal hasil tinggi, dan Nvidia sedang melahap AI
    • Berkat investasi pelanggan skala besar, Nvidia kemungkinan besar akan membukukan pendapatan 36–40 miliar dolar tahun ini dan tahun depan
      Meta saja menghabiskan 8 miliar dolar untuk peralatan dan berencana mengeluarkan jumlah serupa tahun depan. OpenAI+Microsoft juga kemungkinan besar akan menanamkan miliaran dolar untuk membangun server
      Saya penasaran apakah Google atau Apple juga akan menambahkan AI box dalam jumlah besar
    • Kalau maksudnya uang itu kembali ke Nvidia, saya kira mereka sekalian menyerahkan A100 langsung satu truk penuh
      Saya masih bertanya-tanya kenapa harus repot memakai uang tunai
    • Kalau Nvidia tidak memanfaatkan posisi pasarnya sekarang, itu benar-benar bodoh
      Ini terlihat nyaris seperti situasi sekarang atau tidak sama sekali

  • Saya menulis secara anonim karena dulu pernah terkait dengan Hugging Face
    Hugging Face sangat berhasil dalam membangun komunitas, library transformers, dan menjadi repositori pusat untuk semua model open-source
    Namun mereka masih jauh dari product-market fit (PMF), dan meski punya berbagai produk seperti layanan, AutoTrain, kuantisasi, HF Hub untuk perusahaan, endpoint inferensi, tampaknya belum ada yang sukses secara komersial
    Sebagian besar pendapatan berasal dari kemitraan dengan SageMaker/Azure, dengan model dibayar sebagai imbalan mengirim pengguna, sehingga tampaknya sulit untuk terus tumbuh
    Selalu ada kemungkinan diakuisisi perusahaan seperti FANG, tetapi secara pribadi saya melihatnya cukup buntu. Dengan valuasi 4,5 miliar dolar, untuk IPO mungkin setidaknya dibutuhkan ARR 250 juta dolar, sementara sekarang kemungkinan besar masih terjebak di sekitar ARR 25 juta dolar

    • https://www.forbes.com/sites/alexkonrad/2023/07/13/ai-startu...
      Tiga sumber mengatakan run rate pendapatan tahun ini melonjak dan kini berada di kisaran 30–50 juta dolar, dan satu sumber mengatakan naik lebih dari tiga kali lipat dibanding awal tahun
    • Saya menulis anonim karena alasan serupa
      Saya sama sekali tidak bisa memahami strategi Clem dan timnya. Yang terlihat hanya mengumpulkan uang sebanyak mungkin
      Pengalaman dengan tim sales mereka benar-benar buruk, dan sama sekali tidak menumbuhkan keyakinan bahwa mereka bisa meningkatkan ARR ketika dibutuhkan
      Mereka hampir seperti memohon agar kami membeli, tetapi tampaknya baru menunjukkan minat setelah kami sudah jelas pindah ke tempat lain
    • Sepertinya akan diakuisisi oleh Google atau Microsoft
    • Saya juga khawatir soal itu
      Perusahaan AI tempat saya dulu bekerja juga terjebak dalam situasi serupa: menggalang terlalu banyak uang dengan valuasi terlalu tinggi, sehingga calon pengakuisisi menyusut menjadi 3–4 pihak saja
      Sekarang perusahaan itu menjadi perusahaan zombie tanpa nilai saham biasa, tanpa kemungkinan akuisisi, dan tanpa pendapatan yang cukup untuk IPO
    • Pada akhirnya, tidak akan mengejutkan jika mereka menjadi acquihire oleh nVidia
      Menyediakan kode dan infrastruktur bagi komunitas itu sendiri sangat membantu meningkatkan nilai dan penjualan hardware nVidia
      Ini sesuai dengan prinsip strategi klasik “komoditaskan komplemen”

  • Saya benar-benar penasaran: bisnis seperti apa sebenarnya “menjual AI/ML” itu?
    Saya bukan orang yang sangat paham bidang ini, tetapi AI/ML tampaknya lebih dekat ke “fitur” daripada “produk”.
    Kalau begitu, ketika sebuah perusahaan mengatakan menjual AI/ML, apa tepatnya yang mereka jual? Lisensi model yang mereka buat, penagihan berdasarkan output, atau infrastruktur hosting?
    Kalau dianalogikan, menjual AI/ML itu termasuk IaaS, PaaS, SaaS, atau justru sesuatu yang sama sekali berbeda?

    • Ini bisnis menjual beliung dan sekop.
      Di bidang AI akan ada segelintir pemenang raksasa, cukup banyak pemenang kelas menengah, dan banyak pihak yang kalah. Terlepas dari siapa yang menang atau kalah, mereka cukup menjual alat yang dibutuhkan semua orang yang ingin mencoba.
      Jika produknya bisa dibuat mudah dipakai dan membantu menciptakan nilai bisnis, mereka bisa menjual banyak beliung dan sekop.
    • Menurut saya posisinya kira-kira seperti ini:
      a) Pemasok hardware yang menjual produk yang dibutuhkan semua peserta, seperti Nvidia/AMD
      b) Perusahaan yang bisa menjual nilai tambah AI/ML ke basis pelanggan yang sudah mereka pegang, seperti Microsoft, Salesforce, ServiceNow, Adobe
      c) Perusahaan yang menghasilkan uang dari iklan dan AI/ML membantu targeting yang lebih baik, seperti Google/Facebook
      Selain itu, sebagian besar sedang membakar uang VC.
    • Dalam jangka pendek, sebagian use case AI/ML yang paling bernilai tampaknya lebih dekat ke “fitur, bukan produk”.
      Incumbent yang sudah punya produk dapat menambahkan fitur ini dan menciptakan nilai kompetitif yang besar. Untuk pemain baru, ini jauh lebih sulit karena mereka harus membuat bukan hanya fitur AI/ML-nya, tetapi juga sistem inti yang menghasilkan atau menyimpan data yang menjadi ketergantungan fitur tersebut, dengan daya saing yang memadai.
      Misalnya, banyak organisasi mungkin bersedia membayar mahal untuk fitur “ChatGPT yang memahami dokumen internal” yang menempel pada SharePoint/Confluence yang mereka gunakan sekarang, tetapi kemungkinan besar akan sangat berhati-hati untuk memindahkan dokumen internal ke sistem manajemen dokumen baru milik startup baru.
    • Menurut saya tidak ada dikotomi yang jelas di bidang ini.
      Di IaaS/PaaS/SaaS mana pun, ia berpotensi menjadi fitur maupun produk.
      Kalau mencari perusahaan-perusahaan yang menjual AI/ML di HN, Anda akan mengerti maksudnya.
    • Sebenarnya saya rasa ini mencakup semuanya.
      Semakin jauh Anda menjauhkan pengguna dari training dan hosting, semakin jauh pula Anda dari bisnis itu.
      Namun, secara ekonomi tampaknya masuk akal hanya jika ada keunggulan tertentu dalam mengimplementasikan bagian yang memberikan abstraksi seperti itu.

  • Saya suka Hugging Face, tetapi khawatir mereka akan menjadi Docker berikutnya.
    Apa moat-nya? Jawabannya tidak mungkin sekadar “kami menjalankan inference untuk Anda”.

    • Moat-nya adalah efek jaringan.
      Ini lebih mirip GitHub untuk ML.
      Selain itu, kepercayaan juga penting. Dalam bisnis hosting binary, kepercayaan sama sekali bukan perkara kecil.
    • Apa moat AWS EC2 ketika muncul pada 2007?
      Saat itu pun ada ribuan penyedia VPS kecil yang menyewakan kotak Linux virtual dengan akses root seharga 15 dolar per bulan.

  • Model ML adalah aplikasi baru.
    Ada peluang besar untuk ruang bergaya App Store yang memungkinkan orang membeli model, mengintegrasikannya ke produk mereka, dan menangani lisensi yang sesuai.
    Akan lebih baik lagi jika bisa mensertifikasi bahwa model benar-benar bekerja seperti yang diklaim, dan itu saja berpotensi menjadi industri kecil.
    Berdasarkan pengenalannya di komunitas, Hugging Face jelas merupakan kandidat terdepan untuk membangun ini.

    • Model bukan aplikasi. Lebih dekat ke backend aplikasi atau library inti.
      Karena itu pelanggannya bukan “semua orang yang punya ponsel/komputer” seperti aplikasi, melainkan “semua orang yang membuat aplikasi”, yang jumlahnya jauh lebih kecil tetapi bisa punya pengaruh besar.
      Kita belum berada di dunia tempat orang nonteknis menelusuri model store di ponsel untuk mencari model.

  • Dari sudut pandang Nvidia, ini mungkin bukan sekadar investasi di Hugging Face, melainkan investasi ke bisnisnya sendiri melalui efek jaringan.
    Saya berharap begitu. Kalau uang VC menghilang, tarifnya akan meroket.

    • Setidaknya 100 juta dolar dari jumlah itu akan masuk ke pembelian GPU nVidia.
      Ini pola umum ketika perusahaan hardware berinvestasi, dan bisa saja hasilnya cukup baik bagi semua pihak.
    • Ini adalah layanan pelengkap yang melekat pada produk utama mereka.

  • Hugging Face adalah perwujudan harfiah dari pepatah lama, “saat demam emas, juallah sekop”.

    • Secara pribadi, menurut saya yang menjual sekop adalah Nvidia.
    1. Apa yang akan mereka lakukan dengan uang sebanyak itu?
    2. Bagaimana mereka akan membayarnya kembali?
      Sepertinya mereka harus punya ide yang benar-benar hebat. Kombinasi ini terlihat sangat cocok untuk meletus seperti balon.
    • Selamat datang di pengantar VC.
      1. Pertumbuhan
      2. Tidak dibayar kembali. Ini bukan pinjaman. Dunia VC tidak berjalan dengan pinjaman. Kalau mau pinjaman, pergi ke bank.
    • Yang dijual bukan pinjaman, melainkan saham.

  • Kebijakan harganya membingungkan.
    https://huggingface.co/pricing
    Mungkin saya melewatkan sesuatu yang jelas, tetapi di satu sisi halaman harga tertulis Spaces Hardware mulai dari 0 dolar, sementara di sisi lain tertulis mulai dari 0,05 dolar.

    • Strukturnya memang mencoba mencakup berbagai use case. Saya setuju namanya tidak konsisten.
      Storage repository gratis, dan seperti GitHub ada produk enterprise berbayar.
      Penyediaan aplikasi demo adalah “Spaces Hardware” yang dikenai biaya per jam.
      Penyediaan model produksi untuk aplikasi yang di-host di tempat lain juga dikenai biaya per jam sebagai “Inference endpoints”.
      Training model adalah “AutoTrain” yang saat ini gratis, dan jujur saya belum pernah mencobanya.
    • Keseluruhan strategi go-to-market (GTM)-nya membingungkan.
      Hugging Face ahli dalam ML dan komunitas, tetapi kurang piawai dalam bisnis.
      Saya tahu HN memandang rendah profesi sales, tetapi HF membutuhkan tenaga sales yang bagus secepat mungkin.