پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

اندرویدِ مدار زمین؛ استارتاپ Satlyt با جذب سرمایه ۸ میلیون دلاری هوش مصنوعی را به ماهواره‌ها می‌برد

انتشار:۹ مهر ۱۴۰۵(۱ ساعت پیش)
۴ دقیقه زمان مطالعه
۰ دیدگاه

استارتاپ نوپای Satlyt که توسط یکی از مدیران محصول سابق گوگل و اسپیس‌ایکس تأسیس شده، با جذب سرمایه اولیه ۸ میلیون دلاری قصد دارد مدل‌های هوش مصنوعی را مستقیماً به مدار زمین ببرد. این شرکت با توسعه نرم‌افزاری باز و انعطاف‌پذیر، در پی آن است که مانند اندروید در دنیای مدار عمل کند و پردازش داده‌ها در فضا را متحول سازد.

اندرویدِ مدار زمین؛ استارتاپ Satlyt با جذب سرمایه ۸ میلیون دلاری هوش مصنوعی را به ماهواره‌ها می‌برد

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • استارتاپ Satlyt که یکی از مدیرهای سابق گوگل و اسپیس‌ایکس اون رو راه‌اندازی کرده، موفق شد ۸ میلیون دلار سرمایه اولیه برای اجرای مدل‌های هوش مصنوعی روی ماهواره‌ها جذب کنه.
  • برخلاف اسپیس‌ایکس و گوگل که سراغ دیتاسنترهای اختصاصی رفتن، Satlyt می‌خواد مثل «اندرویدِ مدار زمین» عمل کنه؛ یعنی یه نرم‌افزار باز بسازه که ماهواره‌های مختلف بتونن کار‌های سنگین هوش مصنوعی رو بین همدیگه تقسیم کنن.
  • تست‌های اولیه حسابی امیدوارکننده بوده؛ با اجرای مدل هوش مصنوعی Gemma دیپ‌مایند روی ماهواره، حجم گزارش خطاهای ارسالی به زمین بیش از ۶۰ درصد کم شد که سالانه صدها هزار دلار در هزینه‌های فضاپیماها صرفه‌جویی می‌کنه.

به گفته راما آفولو (Rama Afullo)، او از مدت‌ها پیش می‌دانست که روزی دیتاسنترها به مدار زمین راه پیدا خواهند کرد.

این مهندس کنیایی-آمریکایی پیش از این در بخش رایانش ابری گوگل فعالیت می‌کرد و در سال ۲۰۲۴ نیز مدت کوتاهی در شبکه ارتباطی استارلینک در شرکت اسپیس‌ایکس (SpaceX) مشغول به کار بود. تجربیات او در این دو غول فناوری باعث شد متقاعد شود که پتانسیل کشف‌نشده عظیمی برای اجرای محاسبات کامپیوتری در فضا وجود دارد.

او درباره ایده اولیه خود می‌گوید: «وقتی در اسپیس‌ایکس بودم، سعی کردم این ایده را به مدیران ارائه دهم، اما آن‌ها رد کردند. وقتی در گوگل هم بودم، باز هم آن را مطرح کردم، ولی باز هم جواب رد شنیدم.»

به همین دلیل او اسپیس‌ایکس را ترک کرد و استارتاپ Satlyt را بنیان گذاشت؛ شرکتی جدید با مراکزی در سانی‌ویل کالیفرنیا و نایروبی، که هدفش توسعه نرم‌افزاری برای ماهواره‌هاست تا بتوانند پردازش کار‌های محاسباتی سنگین را در فضا بین یکدیگر تقسیم کنند. این شرکت اکنون موفق شده است یک راند سرمایه‌گذاری اولیه (Seed) به ارزش ۸ میلیون دلار جذب کند.

زمان‌بندی این ماجرا برای او فوق‌العاده از آب درآمده است؛ چراکه اسپیس‌ایکس هم از آن زمان تمام تمرکزش را روی دیتاسنترهای مداری گذاشته است. حالا قرار است نرم‌افزار Satlyt با موشک اسپیس‌ایکس و در کنار اولین پیش‌نمونه پروژه دیتاسنتر فضایی گوگل موسوم به پروژه سان‌کچر (Project Suncatcher) به فضا پرتاب شود.

برخلاف اسپیس‌ایکس، گوگل یا استارتاپ‌هایی مانند استارکلاود (Starcloud) و کاوبوی اسپیس (Cowboy Space Company)، استارتاپ Satlyt قصد ندارد فضاپیمای اختصاصی خودش را بسازد. تیم آفولو تمرکز خود را روی توسعه نرم‌افزاری گذاشته است که بتواند مدل‌های هوش مصنوعی را مستقیماً روی ماهواره‌ها اجرا کند. او رویکرد شرکتش را با غول‌هایی مانند VMware و Snowflake مقایسه می‌کند؛ پلتفرم‌هایی که به کاربران اجازه می‌دهند نرم‌افزارهای پیچیده را بدون دغدغه درباره زیرساخت‌های سخت‌افزاری اجرا نمایند.

او در تشریح این استراتژی می‌گوید: «شرکت‌هایی مثل اسپیس‌ایکس که دیتاسنترهای مداری می‌سازند، اگر شبیه به آیفون با یک اکوسیستم بسته باشند، ما می‌خواهیم نقش اندروید را به عنوان یک اکوسیستم باز و یکپارچه ایفا کنیم.» به عبارت دیگر، هدف Satlyt ارائه نرم‌افزاری است که بتواند روی ماهواره‌های شرکت‌های گوناگون اجرا شود.

استارتاپ Satlyt تا کنون نرم‌افزار خود را در دو مأموریت آزمایشی به فضا فرستاده است. تمرکز اولیه این تیم، افزایش کارایی عملیاتی فضاپیماهاست؛ فضاپیماهایی که معمولاً برای حل هر مشکلی به کنترل‌کننده‌های پرواز روی زمین متکی هستند. ارسال داده‌ها به زمین (که در اصطلاح داون‌لینک یا Downlink نامیده می‌شود) فرایندی پرهزینه و اغلب کند است؛ بنابراین استفاده از هوش مصنوعی برای تصمیم‌گیری لحظه‌ای روی خود فضاپیما، چه در شناسایی ناهنجاری‌ها و رفع باگ‌ها و چه در پردازش داده‌های حسگر‌ها در مدار به‌جای زمین، می‌تواند به صرفه‌جویی مالی چشمگیری منجر شود.

اوایل سال جاری میلادی، Satlyt مدل هوش مصنوعی گما (Gemma) متعلق به گوگل دیپ‌مایند را روی یک فضاپیمای تحت هدایت شرکت مومنتوس (Momentus) مستقر کرد. این مدل موفق شد حجم داده‌های مربوط به گزارش خطاهای نرم‌افزاری ارسالی به زمین را بیش از ۶۰ درصد کاهش دهد؛ بهینه‌سازی کم‌نظیری که به گفته آفولو می‌تواند سالانه صدها هزار دلار هزینه به ازای هر ماهواره را ذخیره کند.

پرتاب این هفته، نرم‌افزار Satlyt را روی فضاپیمایی از شرکت TakeMe2Space (یک استارتاپ هندی تولیدکننده سخت‌افزارهای محاسباتی ماهواره‌ای) فعال خواهد کرد. این مأموریت شامل سه مشتری مهم است: ناسا (NASA) که برای آزمایش پروتکل‌های رایانش ابری در فضا هزینه پرداخت کرده است؛ استارتاپ استلریان (Stellerian) فعال در زمینه نظارت فضایی و رهگیری اجرام مداری که قصد دارد پردازش تصویر در مدار را بسنجد؛ و خود شرکت TakeMe2Space که می‌خواهد نشان دهد ماهواره‌اش توانایی میزبانی از نرم‌افزارهای سایر شرکت‌ها را دارد.

در حال حاضر پردازنده‌های گرافیکی قدرتمند (GPU) انگشت‌شماری در مدار زمین حضور دارند و فعلاً بیش‌ترین فرصت در پردازش‌هایی است که Satlyt روی آن‌ها کار می‌کند. اما پروژه بعدی این شرکت این است که نشان دهد می‌تواند یک سیستم محاسباتی مشترک (یک ابر محاسباتی) میان دو ماهواره مختلف ایجاد کند؛ آزمایشی که انتظار می‌رود سال آینده میلادی انجام شود. در صورت موفقیت، این شرکت قادر خواهد بود به عنوان ارائه‌دهنده سرویس ابری مستقل، یک ابر واقعی پردازشی را در مدار در اختیار سازندگان فضاپیماها بگذارد.

آفولو در این خصوص توضیح می‌دهد: «نگاه درست به این قضیه این است که ما ماهواره شما را به یک سرویس مدیریت‌شده و درآمدزا تبدیل می‌کنیم.»

راند سرمایه‌گذاری اولیه Satlyt توسط صندوق ونچر Non Sibi مستقر در هیوستون رهبری شد؛ جایی که برنارد هریس، فضانورد باسابقه ناسا با بیش از ۲۰ سال سابقه فضانوردی، نقش پررنگی در جلب اعتماد این شرکت به سرمایه‌گذاری در این کسب‌وکار نوین فضایی داشته است.

یکی از دلایل این سرمایه‌گذاری این بود که Satlyt وابستگی شدیدی به رویاپردازی‌های اغراق‌آمیز درباره دیتاسنترهای عظیم فضایی ندارد؛ ایده‌هایی که از نظر توجیه اقتصادی با ابهام و چالش‌های پرتاب روبرو هستند. کنت لوکاس (Kent Lucas)، از شرکای صندوق Non Sibi در این رابطه می‌گوید: «برای اینکه راما به موفقیت چشمگیری برسد، اصلاً نیازی به ساخت دیتاسنترهای عظیم در فضا نیست؛ بلکه فقط افزایش تعداد ماهواره‌هایی که پرتاب می‌شوند می‌تواند محرک رشد این کسب‌وکار باشد.»

هدف و امید آفولو این است که تا پایان این دهه، نرم‌افزار آن‌ها روی ۲۰ درصد از ماهواره‌ها مستقر باشد؛ یعنی زمانی که پیش‌بینی می‌کند تقریباً تمام سازندگان فضاپیماها از پردازنده‌های گرافیکی (GPU) و تراشه‌های پیشرفته مشابه در ماهواره‌های خود استفاده خواهند کرد.

او در نهایت تأکید می‌کند: «اگر ماهواره‌ای را به فضا بفرستید بدون اینکه یک پردازنده گرافیکی (GPU) روی آن نصب کنید، حداقلش این است که به خودتان و کسب‌وکارتان ظلم کرده‌اید، مگر نه؟»

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

پیش‌بینی دویچه بانک از برندگان موج بعدی هوش مصنوعی: وقت درخشش متا و سرویس‌ناو رسید!
آخرین اخبار

پیش‌بینی دویچه بانک از برندگان موج بعدی هوش مصنوعی: وقت درخشش متا و سرویس‌ناو رسید!

تحلیلگران دویچه بانک معتقدند دوره تمرکز صرف روی سهام شرکت‌های تراشه‌ساز به سر آمده و موج بعدی سودآوری هوش مصنوعی متعلق به پلتفرم‌های مجهز به ایجنت‌های هوشمند و بازیگران کلیدی سخت‌افزار است. این بانک معتبر، غول‌هایی مانند متا و سرویس‌ناو را در صدر فهرست گزینه‌های برتر فناوری برای پیشتازی در این مسیر معرفی کرده است.

۲ دقیقه مطالعه
۰
۹ مهر
مصاحبه داغ با وینود خوسلا: از خرید ۹ میلیارد دلاری تا هشدار درباره مدل‌های متن‌باز و آینده ایجنت‌ها
آخرین اخبار

مصاحبه داغ با وینود خوسلا: از خرید ۹ میلیارد دلاری تا هشدار درباره مدل‌های متن‌باز و آینده ایجنت‌ها

وینود خوسلا، سرمایه‌گذار کهنه‌کار سیلیکون‌ولی و مالک جدید تیم سیاتل سی‌هاکس، در گفت‌وگویی خواندنی از دلایل خرید غیرمنتظره این باشگاه ورزشی و دیدگاه‌های جنجالی خود درباره خطرات هوش مصنوعی پرده برداشته است. او با تأکید بر تهدیدات مدل‌های متن‌باز بدون نظارت، معتقد است که جلب اعتماد کاربران برگ برنده اصلی استارتاپ‌ها در توسعه ایجنت‌های هوش مصنوعی خواهد بود.

۵ دقیقه مطالعه
۰
۹ مهر
غول‌کشی با ۱۶۴ مگابایت؛ مدل متن‌باز Phonon-2 با خطای ۵ درصدی ویسپر را پشت سر گذاشت!
آخرین اخبار

غول‌کشی با ۱۶۴ مگابایت؛ مدل متن‌باز Phonon-2 با خطای ۵ درصدی ویسپر را پشت سر گذاشت!

استارتاپ تحقیقاتی فرمیون (Fermion Research) با عرضه مدل متن‌باز Phonon-2 سر و صدای زیادی به پا کرده است؛ مدلی که با حجم فوق‌العاده اندک ۱۶۴ مگابایتی‌اش، دقتی خیره‌کننده در تشخیص گفتار انگلیسی ارائه می‌دهد. این هوش مصنوعی جمع‌وجور نه‌تنها از مدل‌های بسیار سنگین‌تر بازار عملکرد بهتری ثبت کرده، بلکه اجرای محلی و بدون نیاز به اینترنت تبدیل گفتار به متن را روی دستگاه‌های معمولی هم ممکن می‌کند.

۲ دقیقه مطالعه
۰
۹ مهر