Hugging Face erhält Series-D-Investment in Höhe von 350 Milliarden Won von Salesforce, Nvidia und weiteren
(techcrunch.com)- Während die Nachfrage nach AI-Entwicklungsplattformen wächst, hat Hugging Face in seiner Series D rund 235 Millionen Dollar ($235m) eingesammelt und wurde mit etwa 4,5 Milliarden Dollar ($4.5b) bewertet
- Beteiligt waren Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce und Sound Ventures; die Bewertung soll doppelt so hoch sein wie im Mai 2022 und beim mehr als 100-Fachen des annualisierten Umsatzes liegen
- Das Unternehmen hat sich rund um einen Hub im GitHub-Stil zum Teilen von Modellen, Datensätzen und Code als Machine-Learning-Plattform etabliert und bietet zudem Demo-Web-Apps sowie Tools zur Modellbewertung und -bereitstellung an
- Die kostenpflichtigen Produkte sind mit AutoTrain, Inference API und Infinity auf Trainingsautomatisierung, Modell-Hosting und bessere Betriebsleistung ausgerichtet; unterstützt werden sowohl SaaS- als auch On-Premises-Bereitstellungen
- Das Unternehmen verfügt derzeit über 10.000 Kunden, mehr als 50.000 Organisationen auf der Plattform und über 1 Million Repositories im Model Hub und will mit dem frischen Kapital Forschung, Enterprise- und Startup-Unterstützung sowie Einstellungen ausbauen
235 Millionen Dollar Series D und 4,5 Milliarden Dollar Bewertung
- Hugging Face hat in einer Series-D-Runde 235 Millionen Dollar eingesammelt
- Zuerst berichtete The Information darüber; Salesforce-CEO Marc Benioff scheint dies auf X bestätigt zu haben
- An der Finanzierung beteiligten sich Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce und Sound Ventures
- Durch diese Runde steigt die Unternehmensbewertung auf 4,5 Milliarden Dollar
- doppelt so hoch wie die Bewertung im Mai 2022
- Berichten zufolge mehr als das 100-Fache des annualisierten Umsatzes von Hugging Face
- Die hohe Bewertung spiegelt die starke Nachfrage nach AI und Plattformen zur Unterstützung der AI-Entwicklung wider
Entwicklungsplattform vom Modell-Sharing bis zur Bereitstellung
- Das Kernprodukt von Hugging Face ist ein Hub im GitHub-Stil für AI-Code-Repositories, Modelle und Datensätze
- Zudem bietet das Unternehmen Web-Apps zur Demonstration AI-basierter Anwendungen sowie Bibliotheken für Datensatzverarbeitung und Modellbewertung an
- Die Enterprise-Version des Hubs unterstützt SaaS- und On-Premises-Bereitstellungen
-
Kostenpflichtige Funktionen
- AutoTrain hilft bei der Automatisierung des Trainings von AI-Modellen
- Die Inference API ermöglicht es Entwicklern, Modelle zu hosten, ohne die zugrunde liegende Infrastruktur selbst verwalten zu müssen
- Infinity wurde dafür entwickelt, die Datenverarbeitungsgeschwindigkeit produktiver Modelle zu erhöhen
Vom Chatbot-App-Anbieter zur Machine-Learning-Plattform
- Clément Delangue sieht in AI eine neue Art, sämtliche Software zu entwickeln, und den wichtigsten Paradigmenwechsel dieses Jahrzehnts
- Er erwartet, dass der AI-Wandel größer und schneller verlaufen wird als der Software-Wandel, weil Software bereits den Weg bereitet hat
- Hugging Face versteht sich als offene Plattform, die diesen Wandel ermöglicht
- Das in Brooklyn ansässige Hugging Face wurde 2016 von Clément Delangue, Julien Chaumond und Thomas Wolf gegründet
- Die drei Gründer entwickelten ursprünglich eine Chatbot-App für Jugendliche, stellten dann jedoch den Algorithmus der App als Open Source bereit und wechselten anschließend zu einer Plattform für Erstellung, Test und Bereitstellung von Machine Learning
Kundengröße, MLOps-Markt und Aktivitäten bei Open-Source-Modellen
- Hugging Face gibt an, derzeit 10.000 Kunden und mehr als 50.000 Organisationen auf seiner Plattform zu haben
- Der Model Hub umfasst mehr als 1 Million Repositories
- Das wachsende Interesse von Unternehmen an AI gilt als Treiber dieser Entwicklung
- In einer HubSpot-Umfrage gaben 43 % der Business-Leader an, 2023 ihre Investitionen in AI- und Automatisierungstools erhöhen zu wollen
- 31 % sagten, AI- und Automatisierungstools seien für ihre gesamte Geschäftsstrategie sehr wichtig
- Ein erheblicher Teil des Angebots von Hugging Face fällt in die Kategorie MLOps, die Prozesse vereinfacht, AI-Modelle in Produktionsumgebungen zu bringen sowie dort zu betreiben, zu warten und zu überwachen
- Ein Bericht schätzt, dass der MLOps-Markt bis 2030 auf 16,61 Milliarden Dollar anwachsen wird
-
Open-Source-Modelle und Zusammenarbeit
- Hugging Face startete 2021 BigScience
- BigScience ist ein von Freiwilligen getragenes Projekt, das ein Open-Source-Sprachmodell schaffen will, das so leistungsfähig ist wie OpenAIs GPT-3, aber von allen kostenlos genutzt werden kann
- Das Ergebnis, Bloom, ist ein mehrsprachiges Modell, das im Hugging-Face-Model-Hub über mehr als ein Jahr hinweg getestet werden konnte
- Bloom ist eines von mehreren Open-Source-Modellen, zu denen Hugging Face Entwicklungsressourcen beigesteuert hat
- Gemeinsam mit ServiceNow veröffentlichte das Unternehmen das kostenlose AI-Modell zur Codegenerierung StarCoder; das Nachfolgemodell SafeCoder erschien in derselben Woche
- Zusammen mit der deutschen Non-Profit-Organisation LAION bietet es auch eine kostenlose Version von OpenAIs AI-Chatbot ChatGPT an
Cloud-Partnerschaften und kumuliertes Funding
- Die Zusammenarbeit von Hugging Face wurde auf große Cloud-Anbieter ausgeweitet, von denen einige auch strategische Investoren in dieser Runde sind
- Mit Nvidia arbeitet das Unternehmen daran, den Zugang zu Cloud Computing über die DGX-Computing-Plattform auszuweiten
- Mit Amazon besteht eine Partnerschaft, um Hugging-Face-Produkte für AWS-Kunden auszubauen und die nächste Version von Bloom auf Amazons kundenspezifischen Trainium-Chips zu trainieren
- Mit Microsoft arbeitet das Unternehmen an Hugging Face Endpoints, um auf Azure entwickelte AI-Modelle von Hugging Face in skalierbare Betriebslösungen zu überführen
- Nach dieser Finanzierung will Hugging Face seine Unterstützungsaktivitäten in mehreren Bereichen wie Forschung, Enterprise und Startups verstärken
- Das Unternehmen beschäftigt 170 Mitarbeiter und plant, in den kommenden Monaten weiteres Personal einzustellen
- Das kumulierte Funding von Hugging Face liegt bei 395,2 Millionen Dollar; die erste Finanzierung kam von Betaworks Ventures
- AI-Startups aus demselben Bereich, die noch mehr Kapital eingesammelt haben, sind:
- OpenAI: 11,3 Milliarden Dollar
- Anthropic: 1,6 Milliarden Dollar
- Inflection AI: 1,5 Milliarden Dollar
- Cohere: 435 Millionen Dollar
- Adept: 415 Millionen Dollar
1 Kommentare
Meinungen auf Hacker News
Hugging Face scheint sich am Anfang des Silicon-Valley-Zyklus der Enshittification zu befinden
Im Moment verbrennt man Venture-Capital-Geld und behandelt die Nutzer extrem gut; als Nächstes könnte dieser Wert zu Unternehmenskunden verlagert werden, um später dort möglichst viel herauszuholen, bis das Ganze zusammenbricht
Streng genommen ist allerdings auch unklar, ob es überhaupt eine Plattform/ein Marketplace ist. Jedenfalls kann man aktuell das Freibier genießen, das die VCs bezahlen
Sie haben den Markt für Model-Hosting und Execution-Frameworks ziemlich stark im Griff, und wenn sie später anfangen, die Schrauben anzuziehen, dürfte es ungemütlich werden
Wichtig ist, nicht nur von einer einzigen Stelle abhängig zu sein und Architekturen zu vermeiden, die einzigartig auf Hugging Face angewiesen sind
Die Stellen, von denen wichtige Software abhängt, zahlen Geld, und der Rest wird wohl zu kompatiblen Alternativen wechseln, sobald es nicht mehr kostenlos ist
Ich weiß, dass es auch einige Compute-Produkte gibt und dass sie ein paar Libraries entwickeln und pflegen, aber die scheinen nicht extrem weit verbreitet zu sein; daher ist mir nicht klar, wie sie Geld verdienen wollen
Es ist gut, dass Nvidia in AI-Unternehmen investiert
Sie wissen ohnehin, dass das Geld wieder zu Nvidia zurückfließt; im Grunde ist es fast wie Geldverleih an Firmen, die mit Nvidia-Chips etwas versuchen wollen, gegen Upside-Potenzial
Eine High-Risk-High-Return-Strategie, und Nvidia verschlingt die AI
Allein Meta gibt 8 Milliarden Dollar für Equipment aus und wird nächstes Jahr wohl ähnlich viel ausgeben. OpenAI+Microsoft werden vermutlich ebenfalls Milliarden in den Serverausbau stecken
Ich bin gespannt, ob Google oder Apple ebenfalls massenhaft AI-Boxen hinzufügen werden
Ich frage mich immer noch, warum man überhaupt Bargeld verwendet
Es wirkt fast so, als ginge es nur jetzt oder nie
Ich schreibe anonym, weil ich früher mit Hugging Face zu tun hatte
Hugging Face hat beim Community-Aufbau, der transformers-Library und als zentralem Repository für alle Open-Source-Modelle wirklich großartige Arbeit geleistet
Aber von Product-Market-Fit (PMF) sind sie noch weit entfernt; es gibt zwar mehrere Produkte wie Services, AutoTrain, Quantisierung, den Enterprise-HF-Hub und Inference Endpoints, aber kommerziell erfolgreich scheint keines davon zu sein
Der Großteil des Umsatzes kommt aus Partnerschaften mit SageMaker/Azure, bei denen sie dafür bezahlt werden, Nutzer weiterzuleiten; damit weiter zu wachsen dürfte schwierig sein
Es besteht zwar immer die Möglichkeit, dass ein Unternehmen wie FANG sie übernimmt, aber persönlich sehe ich die Lage ziemlich düster. Bei einer Bewertung von 4,5 Milliarden Dollar bräuchten sie für einen Börsengang vermutlich mindestens 250 Millionen Dollar ARR, aber derzeit stecken sie wahrscheinlich eher bei etwa 25 Millionen Dollar ARR fest
Drei Quellen sagten, dass die Umsatz-Run-Rate in diesem Jahr stark gestiegen sei und derzeit bei 30 bis 50 Millionen Dollar liege; eine Quelle sagte, sie habe sich seit Jahresbeginn mehr als verdreifacht
Ich kann die Strategie von Clem und dem Team beim besten Willen nicht verstehen. Außer möglichst viel Geld einzusammeln, sehe ich nicht viel
Meine Erfahrung mit dem Sales-Team war wirklich miserabel, und es entstand überhaupt nicht der Eindruck, dass sie ARR dann steigern können, wenn es nötig wird
Sie haben praktisch darum gebettelt, dass wir kaufen; Interesse zeigten sie aber offenbar erst, nachdem wir uns eindeutig für einen anderen Anbieter entschieden hatten
Ein AI-Unternehmen, bei dem ich früher gearbeitet habe, geriet in eine ähnliche Lage: Es nahm zu viel Geld zu einer viel zu hohen Bewertung auf, wodurch die Zahl potenzieller Käufer auf drei bis vier sank
Heute ist es ein Zombie-Unternehmen ohne Wert der Stammaktien, ohne Übernahmechance und ohne genug Umsatz für einen Börsengang
Der Community Code und Infrastruktur bereitzustellen, hilft enorm dabei, den Wert und den Absatz von nVidia-Hardware zu steigern
Das entspricht dem klassischen Strategieprinzip: „Komplementärgüter zur Commodity machen“
Mich würde wirklich interessieren: Was für ein Geschäft ist das eigentlich, wenn man AI/ML verkauft?
Ich kenne mich in dem Bereich nicht besonders gut aus, aber AI/ML wirkt für mich eher wie eine Funktion als wie ein „Produkt“.
Wenn ein Unternehmen also sagt, es verkaufe AI/ML: Was genau verkauft es dann? Eine Lizenz für ein selbst entwickeltes Modell, Abrechnung nach Output, Hosting-Infrastruktur?
Als Analogie gefragt: Gehört der Verkauf von AI/ML eher zu IaaS, PaaS oder SaaS – oder ist es etwas völlig anderes?
Im AI-Bereich wird es eine kleine Zahl riesiger Gewinner geben, eine ganze Menge mittelgroßer Gewinner und viele Verlierer. Ihnen kann egal sein, wer gewinnt oder verliert, solange sie allen, die es versuchen wollen, die nötigen Tools verkaufen.
Wenn sie das Produkt leicht nutzbar machen und dabei helfen können, geschäftlichen Mehrwert zu schaffen, können sie viele Spitzhacken und Schaufeln verkaufen.
a) Hardware-Anbieter wie Nvidia/AMD, die Produkte verkaufen, die alle Beteiligten brauchen
b) Unternehmen wie Microsoft, Salesforce, ServiceNow oder Adobe, die einer bereits gebundenen Kundenbasis AI/ML-Zusatznutzen verkaufen können
c) Unternehmen wie Google/Facebook, die mit Werbung Geld verdienen und bei denen AI/ML besseres Targeting ermöglicht
Der Rest verbrennt größtenteils gerade VC-Geld.
Incumbents mit bestehenden Produkten können diese Funktion ergänzen und daraus großen Wettbewerbsvorteil schaffen. Für neue Anbieter ist es deutlich schwieriger, weil sie nicht nur die AI/ML-Funktion wettbewerbsfähig bauen müssen, sondern auch das Kernsystem, das die Daten erzeugt oder enthält, von denen diese Funktion abhängt.
Viele Organisationen könnten zum Beispiel viel Geld für eine Funktion „ChatGPT, das unsere internen Dokumente kennt“ bezahlen, die an SharePoint/Confluence und Ähnliches angebunden ist. Ihre internen Dokumente in ein neues Dokumentenmanagementsystem eines jungen Startups zu verschieben, würden sie dagegen wahrscheinlich sehr vorsichtig angehen.
Auf jeder Ebene – IaaS/PaaS/SaaS – kann es das Potenzial haben, eine Funktion oder ein Produkt zu sein.
Wenn man auf HN nach Unternehmen sucht, die AI/ML verkaufen, versteht man, was gemeint ist.
Je weiter man Nutzer von Training und Hosting entfernt, desto weiter entfernt man sich von diesem Geschäft.
Allerdings dürfte es wirtschaftlich nur dann sinnvoll sein, wenn man irgendeinen Vorteil dabei hat, genau diese Abstraktionsschicht umzusetzen.
Ich mag Hugging Face, aber ich mache mir Sorgen, dass es das nächste Docker wird.
Was ist der Moat? „Wir lassen Inferenz für euch laufen“ kann nicht die Antwort sein.
Es ist eher ein GitHub für ML.
Außerdem ist Vertrauen wichtig. In einem Geschäft, in dem man Binaries hostet, ist Vertrauen alles andere als eine Kleinigkeit.
Schon damals gab es Tausende kleiner VPS-Anbieter, die virtuelle Linux-Boxen mit Root-Zugriff für 15 Dollar im Monat vermieteten.
ML-Modelle sind die neuen Apps.
Es gibt eine große Chance für eine Art App-Store-Umgebung, in der Leute Modelle kaufen, in ihre eigenen Produkte integrieren können und die passenden Lizenzen abgewickelt werden.
Noch besser wäre es, wenn zertifiziert würde, dass die Modelle tatsächlich so funktionieren, wie angegeben; allein das könnte zu einer kleinen Industrie werden.
Hugging Face ist aufgrund seiner Bekanntheit in der Community der klare Spitzenkandidat, um so etwas aufzubauen.
Die Kunden sind daher nicht wie bei Apps „alle mit einem Telefon/Computer“, sondern „alle, die Apps bauen“ – eine viel kleinere Gruppe, die aber großen Einfluss haben kann.
Wir sind noch nicht in einer Welt, in der Nicht-Techniker auf dem Smartphone in einem Model Store stöbern, um Modelle zu finden.
Aus Sicht von Nvidia ist das möglicherweise weniger eine einfache Investition in Hugging Face, sondern über Netzwerkeffekte eine Investition in das eigene Geschäft.
Ich hoffe, dass es so kommt. Denn wenn das VC-Geld weg ist, werden die Preise durch die Decke gehen.
Das ist eine gängige Vorgehensweise, wenn Hardware-Unternehmen investieren, und könnte für alle ziemlich gut aufgehen.
Hugging Face ist die wörtliche Umsetzung der alten Weisheit: „Verkaufe während des Goldrauschs Schaufeln.“
Sie müssen wirklich eine hervorragende Idee haben. Das wirkt wie eine Kombination, die geradezu danach schreit, wie eine Blase zu platzen.
Die Preisgestaltung ist verwirrend.
https://huggingface.co/pricing
Vielleicht übersehe ich etwas Offensichtliches, aber auf der Preisseite steht an einer Stelle, Spaces Hardware beginne bei 0 Dollar, an einer anderen bei 0,05 Dollar.
Repository-Speicher ist kostenlos, und es gibt wie bei GitHub kostenpflichtige Enterprise-Angebote.
Das Bereitstellen von Demo-Apps läuft über „Spaces Hardware“ mit Kosten pro Stunde.
Das Bereitstellen von Produktionsmodellen für anderswo gehostete Apps läuft ebenfalls stundenbasiert über „Inference endpoints“.
Modelltraining ist „AutoTrain“, das derzeit kostenlos ist; ehrlich gesagt habe ich das aber noch nicht ausprobiert.
Hugging Face ist stark bei ML und Community, aber schwach im Geschäftlichen.
Ich weiß, dass HN Sales-Leute geringschätzt, aber HF braucht so schnell wie möglich gute Vertriebsleute.