Weights & Biases公司获得了5000万美元的融资，OpenAI是其客户

AI和机器学习开发平台Weights & Biases已从前GitHub CEO Nat Friedman和前Y Combinator合伙人Daniel Gross获得了新一轮的融资。

Friedman和Gross与现有投资者Coatue、Insight Partners、Felicis、Bond、BloombergBeta和Sapphire一起，在一轮战略性融资中向Weights & Biases投资了5000万美元，公司估值达到12.5亿美元。这次投资将Weights & Biases的总融资额增加到2.5亿美元，而此时Weights & Biases正准备推出Prompts，这是一款新产品，旨在帮助用户监控和评估大型语言模型（LLM）的性能，类似于OpenAI的GPT-4。

与Weights & Biases之前筹集的C轮融资约1.35亿美元相比，这笔5000万美元的投资规模要小得多。但是Weights & Biases的增长副总裁Lavanya Shukla将其描述为机会主义。

“我们认为，为员工提供机器学习工具应该是CTO和他们的团队的必备条件，”她在一封电子邮件采访中告诉TechCrunch。“通过解决测试、安全性和可靠性等问题，Weights & Biases处于成功的机器学习模型开发的关键点上。”

Lukas Biewald和Chris Van Pelt于2017年共同创立了Weights & Biases，之前他们花费多年时间为机器学习工程师和数据科学家开发工具。他们之前推出了Figure Eight（前身为CrowdFlower），以招募众包工人为机器学习算法标记培训数据。（Figure Eight于2019年以1.75亿美元被Appen收购。）

“两人发现了一个更大的问题：机器学习从业者没有一个很好的实验记录系统，”Shukla说。“这种高度实验性但至关重要的科学正在电子表格和低质量截图中记录。”

因此，Biewald和Van Pelt与第三个联合创始人、Google校友和开发人员Shawn Lewis合作，试图解决这个问题。在接下来的几年里，他们为Weights & Biases构建了MVP：支持机器学习开发生命周期的工作流程。

Weights & Biases属于MLOps平台类别，即机器学习运营平台，它使数据科学家能够创建新的机器学习模型，并通过可重复、自动化的工作流程将它们部署到生产环境中。随着对AI的需求增长，对MLOps平台的需求也随之增长。Allied Market Research估计，MLOps市场规模到2023年将达到231亿美元。

新的MLOps平台定期出现。其中包括Seldon、FedML、Qwak、Galileo、Striveworks、Arize、Comet和Tecton等。这忽略了Azure、AWS和Google Cloud等现有厂商的产品。

但是Weights & Biases不同寻常的是其MLOps方法，Shukla声称。

首先，Weights & Biases的所有产品都是与合作伙伴和客户共同设计的，以确保它们满足这些合作伙伴和客户的需求。其次，该平台强调用于询问用于训练模型的数据集的工具，使客户可以检查可能出现的问题，例如偏见和个人身份信息等问题——最好在这些数据集进入生产之前进行检查。

“Weights & Biases是领先的机器学习平台，帮助开发者更快地构建更好的模型，”Shukla说道。“我们构建了轻量级、可互操作的工具，用于快速跟踪实验、对数据集进行版本控制和迭代、评估模型性能、复现模型、可视化结果和发现回归，并与同事分享研究成果。这使得机器学习工程师能够在其机器学习流程中快速迭代，同时确保数据集和模型在可靠的记录系统中被跟踪和版本控制。”

无论Weights & Biases有什么其他优势，第一搬运工几乎肯定是其中之一。

Shukla表示，该平台的解决方案已集成到超过20,000个开源存储库中，并且Weights & Biases已在数百篇机器学习学术研究论文中被引用。它也是备受关注、资金充足的生成AI模型构建者的首选工具集，包括OpenAI、Aleph Alpha、Cohere、Anthropic和Hugging Face。

“OpenAI在Weights & Biases上训练所有模型。由于数百名员工运行数千个实验，因此OpenAI必须有一种快速测试、识别问题并调试其模型的方法，”Shukla说。“OpenAI还必须对其数据的小子集进行大量训练。由于有了Weights & Biases，他们能够更快地训练GPT-4。”

除生成AI队列外，Weights & Biases已拥有70万用户（2021年时为10万），超过1,000个付费用户。同时，其团队已经扩展到超过200人，其中大部分位于旧金山总部。

Weights & Biases旨在通过Prompts进一步扩大客户群体，这是其暗示的新产品，允许用户询问LLM的输出并微调LLM本身。

“LLM可能会减少您需要培训模型的人数，但它们将增加需要微调、接口和构建应用程序以使用这些模型的人数，”Shukla说。“Prompts的目标也是服务于新一类用户，并改变大型实验室构建机器学习模型的方式。除了提示工程师和微调者外，研究人员和构建独特内部模型的公司将拥有更多提高其模型质量的工具。”