تجمع Reactor 74 مليون دولار: نماذج العالم بالفيديو تحتاج إلى بيئة تشغيل خاصة بها

أغلقت Reactor جولة تمويل من الفئة A بقيمة 74 مليون دولار بدعم من NVIDIA، والمال متجه نحو قطعة محددة من البنية التحتية: بيئة تشغيل سحابية لنماذج العالم القائمة على الفيديو.

العرض ضيق ويستحق أن يُقال بوضوح. بناء مشهد محاكاة ثلاثي الأبعاد يدويًا للتحقق من الروبوتات بطيء وكثيف رأس المال. تشغّل منصة Reactor نماذج العالم القائمة على الفيديو بشكل أسرع وأرخص في السحابة، فتولّد بيئات محاكاة تفاعلية مباشرة من الأوامر النصية كي يمكن اختبار البرمجيات مقابلها.

لماذا بيئة تشغيل، ولماذا الآن

انتقلت نماذج العالم من عروض بحثية إلى شيء تريد الفرق تشغيله مرارًا. هذا التحول يغيّر ماهية عنق الزجاجة. توليد فيديو واحد مقنع هو عرض. أما تشغيل آلاف المشاهد المتنوعة لاختبار سياسة أو مجموعة إدراك أو وحدة تحكم روبوت تحت الضغط فمشكلة بنية تحتية.

التمييز هو نفسه الذي فصل أبحاث تعلم الآلة عن MLOps قبل عقد. بمجرد أن تتوقف قدرة ما عن كونها جديدة وتبدأ في أن تكون مفيدة، ينتقل القيد من «هل يمكننا فعل هذا أصلًا؟» إلى «هل يمكننا فعله مرات كافية، وبسرعة كافية، وبتكلفة منخفضة كافية ليكون له أثر؟»

تراهن Reactor على أن المرحلة الثانية قد حلت بالنسبة لنماذج العالم بالفيديو. عملاؤها مهندسو محاكاة في الروبوتات والمؤثرات البصرية والوسائط التفاعلية، يحتاجون إلى توليد بيئات بإنتاجية عالية دون صيانة خطوط CAD القديمة.

التحفظ الصادق

يشير تأطير الشركة نفسها إلى الحد. تعتمد وفورات تكلفة الإنتاج بشكل كبير على توفر مثيلات GPU السحابية وتحسين النواة المخصص لبنى توليد فيديو معينة. بعبارة أخرى، الوفورات حقيقية فقط حيث تكون بيئة التشغيل مضبوطة على النموذج المعني. هذا بيان منصف لمكان القيمة، ويخبرك أيضًا بمكان المخاطرة. فبيئة تشغيل سريعة لبنية فيديو واحدة قد لا تكون سريعة لأخرى.

أما الفرق التي يتطلب عملها محركات فيزياء محلية منخفضة التأخير، فالمنصة ليست الحل. يناسب نموذج بيئة التشغيل السحابية الحالة التي تريد فيها توليد بيئات كثيرة عبر أسطول، لا محاكاة بيئة واحدة بتأخير ملّي ثانية على محطة عمل.

مجموعة تحركات في البنية التحتية خلال الأسبوع نفسه

لم تهبط جولة Reactor وحدها. أنتجت الفترة نفسها من أوائل أكتوبر عدة تحركات تشير في اتجاه واحد: يجري إعادة بناء الأدوات المحيطة بالوكلاء ونماذج العالم لأحمال عمل بحجم الآلة لا بحجم الإنسان.

يعيد GitHub بناء طبقات التخزين والنقل الأساسية في Git لديه للتعامل مع ملايين عمليات الالتزام المتزامنة التي يولدها وكلاء مستقلون. تعاني محركات التحكم في الإصدارات التقليدية من تنازع شديد على الأقفال عندما تلتزم آلاف الوكلاء البرمجية في آن واحد، والحل هو التحول نحو معالجة تدفقية عالية التزامن وغير حاجبة. يتطلب الانتقال من مشغلات CI/CD اللاحقة استيعاب تحديثات الشجرة المتزامنة دون الاختناق عند أقفال الالتزام.

أصدرت TwelveLabs نموذج Pegasus 1.6، وهو نموذج لفهم الفيديو مبني أصلاً لتصوير منظور الشخص الأول، ويهدف إلى تحويل الفيديو المركزي الذاتي إلى بيانات تدريب منظمة للروبوتات. غرضه المعلن هو إزالة خطوة وضع العلامات اليدوية التي تستهلك حاليًا من 70 إلى 155 ساعة من وقت الإنسان لكل ساعة فيديو.

النمط الكامن

اجمع الثلاثة معًا يظهر موضوع. يجري إعادة ضبط طبقة البنية التحتية لعالم يكون فيه المستخدمون الأساسيون لأدوات التطوير وكلاء مستقلين ونماذج عالم، لا أشخاصًا يكتبون على لوحة مفاتيح.

افترض نموذج الأقفال في Git وتيرة التزام بشرية. تفترض بيئة تشغيل المحاكاة أن شخصًا ما سيولّد مشهدًا واحدًا، ويفحصه، ثم يمضي. وافترض خط وضع العلامات على الفيديو أن إنسانًا سيشاهد اللقطات. كل من هذه الافتراضات خاطئ الآن عند الأحجام التي تشغّلها الفرق فعلاً.

جولة Reactor نقطة بيانات، لا حكم نهائي. لم تنشر الشركة معايير قياس الإنتاجية، و«أسرع وأرخص» ادعاء سيختبره العملاء بأحمال عملهم الخاصة. ما تؤكده الجولة هو أن المستثمرين يرون سوقًا مستقلة لبيئات تشغيل نماذج العالم، منفصلة عن النماذج نفسها.

ما يجب مراقبته

السؤال الذي سيحسم حالة Reactor هو ما إذا كانت فرق خارجية ستنشر نتائج تشغيل نماذجها الخاصة على المنصة. أرقام الإنتاجية المستقلة، ويفضل أن تكون من مستخدمين لم تُصمم بيئة التشغيل بالاشتراك مع بناهم، ستنقل القصة من التمويل إلى التقييم.

في هذه الأثناء، الإشارة الأكثر فائدة اتجاهية. جولة بهذا الحجم، مدعومة من الشركة التي تصمم وحدات GPU أيضًا، تخبرك أين يعتقد المال أن عنق الزجاجة التالي. عنق الزجاجة هذا هو كل ما يجب أن يعمل حول النموذج بمجرد أن يعمل النموذج.

ما الذي تشغّله بيئة تشغيل نماذج العالم فعلاً

يجدر أن نكون محددين بشأن عبء العمل، لأن «نموذج العالم» يغطي طائفة واسعة من الأنظمة.

في الروبوتات، يتنبأ نموذج عالم قائم على الفيديو بالإطارات التالية التي سيراها الوكيل، بناءً على الأفعال التي يتخذها. يُدرّب السياسة عبر تنفيذ مسارات محاكاة كثيرة وتعلم الأفعال التي تؤدي إلى نتائج جيدة. قيمة المحاكاة أن الفعل الخاطئ لا يكلف شيئًا، بينما الفعل الخاطئ على روبوت فعلي يكلف عتادًا ووقتًا.

في المؤثرات البصرية والوسائط التفاعلية، يولّد النوع نفسه من النماذج بيئات معقولة من أمر نصي، ما يسمح لاستوديو يستكشف مشهدًا أو فريق لعبة يبني نموذجًا أوليًا لمستوى بتخطي البناء الثلاثي الأبعاد اليدوي.

يتشارك عبئا العمل في الشكل. فهما ليسا توليدًا واحدًا بل آلاف، تُشغَّل بالتوازي، مع تغيير المعاملات بين التشغيلات. هذا الشكل هو ما صُممت بيئة التشغيل من أجله، ولهذا ليس التوليد الواحد السريع هو المنتج. المنتج هو القدرة على تشغيل توليدات كثيرة بموثوقية وبتكلفة منخفضة كافية بحيث تستحق النتائج التجميع.

لماذا تكلفة الحوسبة هي الحجة كلها

تتلخص اقتصاديات تدريب نماذج العالم في التكلفة لكل خطوة محاكاة. إذا كانت المحاكاة مكلفة، تشغّل الفرق قليلًا منها وتتعلم قليلًا. وإذا كانت رخيصة، تشغّل الكثير وتتعلم أكثر.

هنا يقع ادعاء بيئة التشغيل. المحاكاة الأسرع والأرخص تعني مسارات أكثر لكل دولار، ما يعني سياسات أفضل تدريبًا بالميزانية نفسها. اعتماد الشركة المذكور على توفر GPU السحابية وتحسين النواة المخصص هو النسخة الصادقة من هذا: تأتي الوفورات من ضبط بيئة التشغيل على النموذج، وبيئة تشغيل مضبوطة لبنية واحدة لن تكون تلقائيًا سريعة لأخرى.

بالنسبة لفريق يختار حزمة محاكاة، ينتج عن ذلك سؤال تقصٍّ محدد. السؤال المفيد هو ما إذا كانت المنصة سريعة لبنية النموذج التي يستخدمها الفريق فعلاً، وهو أضيق من سؤال ما إذا كانت المنصة سريعة بشكل مجرد. الطريقة الوحيدة للإجابة هي تشغيل عبء عمل تمثيلي.

إشارة البنية التحتية الكامنة خلف التمويل

جولة من الفئة A بقيمة 74 مليون دولار بدعم من NVIDIA هي نقطة بيانات حول توقعات المستثمرين، وتتماشى مع نمط أوسع من الأسبوع نفسه. إعادة GitHub بناء طبقات التخزين والنقل لديه لملايين عمليات الالتزام المتزامنة من الوكلاء، وأتمتة TwelveLabs خط وضع العلامات على الفيديو، وتمويل Reactor لبيئة تشغيل محاكاة، كلها تصف التحول نفسه.

صُممت الأدوات التي تعتمد عليها فرق التطوير حول وتيرة الإنسان. يلتزم الشخص بضع مرات يوميًا. يفحص الشخص مشهدًا قبل أن يمضي. يشاهد الشخص اللقطات ويكتب العلامات. بمجرد أن يصبح المستخدم الأساسي وكيلًا مستقلًا أو حلقة محاكاة، ينكسر كل من تلك الافتراضات عند الحجم الكبير، والحل هو إعادة بناء الطبقة التي تقع تحتها.

هذا عمل أبطأ وأقل ظهورًا من إطلاق نموذج، وهو العمل الذي يحدد ما إذا كان يمكن استخدام النماذج على نطاق واسع. جولة Reactor رهان على أن هذه الطبقة أصبحت سوقًا قائمة بذاتها، منفصلة عن النماذج التي تخدمها. وما إذا كان الرهان سيثمر يعتمد على ما إذا كانت الفرق ستتبنى بيئة تشغيل مستضافة بدلًا من بناء بيئتها الخاصة، وهذا السؤال ستجيب عنه النتائج المنشورة لا حجم الجولة.