Hugging Face recauda 235 millones de dólares en una Series D de Salesforce, Nvidia y otros
(techcrunch.com)- En medio de la creciente demanda de plataformas de desarrollo de IA, Hugging Face recaudó cerca de 235 millones de dólares ($235m) en su Series D, y su valuación fue estimada en unos 4,500 millones de dólares ($4.5b)
- Participaron Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce y Sound Ventures; se informa que la valuación es el doble de la de mayo de 2022 y más de 100 veces sus ingresos anualizados
- La compañía se consolidó como una plataforma de machine learning centrada en un hub al estilo GitHub para compartir modelos, datasets y código, además de ofrecer apps web de demostración y herramientas de evaluación y despliegue de modelos
- Sus productos pagos, como AutoTrain, Inference API e Infinity, están enfocados en automatizar el entrenamiento, alojar modelos y mejorar el rendimiento operativo; también admite despliegues SaaS y on-premises
- Actualmente cuenta con 10,000 clientes, más de 50,000 organizaciones dentro de la plataforma y más de 1 millón de repositorios en su hub de modelos; con este financiamiento planea aumentar el apoyo a investigación, empresas y startups, además de contratar más personal
Series D de 235 millones de dólares y valuación de 4,500 millones de dólares
- Hugging Face recaudó 235 millones de dólares en una ronda Series D
- The Information lo informó primero, y el CEO de Salesforce, Marc Benioff, aparentemente lo confirmó en X
- En la inversión participaron Google, Amazon, Nvidia, Intel, AMD, Qualcomm, IBM, Salesforce y Sound Ventures
- Con esta ronda, la valuación de la empresa llegó a 4,500 millones de dólares
- El doble de su valuación en mayo de 2022
- Se informa que equivale a más de 100 veces los ingresos anualizados de Hugging Face
- La alta valuación refleja la fuerte demanda de IA y de plataformas que apoyan el desarrollo de IA
Una plataforma de desarrollo que va desde compartir modelos hasta desplegarlos
- El producto central de Hugging Face es un hub al estilo GitHub para repositorios de código de IA, modelos y datasets
- También ofrece apps web para demostrar aplicaciones basadas en IA, así como librerías que ayudan a procesar datasets y evaluar modelos
- La versión empresarial del hub admite despliegues SaaS y on-premises
-
Funciones pagas
- AutoTrain ayuda a automatizar tareas de entrenamiento de modelos de IA
- Inference API permite a los desarrolladores alojar modelos sin gestionar directamente la infraestructura subyacente
- Infinity está diseñado para acelerar el procesamiento de datos de modelos en producción
De una app de chatbot a una plataforma de machine learning
- Clément Delangue considera que la IA es una nueva forma de crear todo el software y el cambio de paradigma más importante de esta década
- Espera que la transición hacia la IA sea más grande y más rápida que la transición al software, porque el software ya preparó el camino
- Hugging Face aspira a ser una plataforma abierta que haga posible esta transición
- Hugging Face, con sede en Brooklyn, fue fundada en 2016 por Clément Delangue, Julien Chaumond y Thomas Wolf
- Los tres fundadores originalmente crearon una app de chatbot dirigida a adolescentes, pero tras publicar como open source los algoritmos de la app, cambiaron el rumbo hacia una plataforma para crear, probar y desplegar machine learning
Escala de clientes, mercado de MLOps y actividad en modelos open source
- Hugging Face afirma que actualmente cuenta con 10,000 clientes y más de 50,000 organizaciones dentro de la plataforma
- El hub de modelos tiene más de 1 millón de repositorios
- El creciente interés de las empresas por la IA funciona como contexto de este crecimiento
- En una encuesta de HubSpot, el 43% de los líderes de negocio respondió que planeaba aumentar la inversión en IA y herramientas de automatización en 2023
- El 31% respondió que la IA y las herramientas de automatización son muy importantes para su estrategia de negocio general
- Una parte considerable de lo que ofrece Hugging Face cae dentro de la categoría MLOps, que simplifica el proceso de llevar modelos de IA a entornos de producción y mantenerlos y monitorearlos
- Un informe estima que el mercado de MLOps alcanzará los 16,610 millones de dólares para 2030
-
Modelos open source y colaboración
- Hugging Face inició BigScience en 2021
- BigScience es un proyecto impulsado por voluntarios para crear un modelo de lenguaje open source tan potente como GPT-3 de OpenAI, pero de uso gratuito para cualquiera
- El resultado, Bloom, es un modelo multilingüe y estuvo disponible para experimentar en el hub de modelos de Hugging Face durante más de un año
- Bloom es uno de varios modelos open source a los que Hugging Face aportó recursos de desarrollo
- En colaboración con ServiceNow, lanzó StarCoder, un modelo gratuito de IA para generación de código, y el modelo posterior SafeCoder salió la misma semana
- Junto con la organización alemana sin fines de lucro LAION, también ofrece una versión gratuita del chatbot de IA ChatGPT de OpenAI
Alianzas en la nube y financiamiento acumulado
- Las colaboraciones de Hugging Face se extendieron a los principales proveedores de nube, algunos de los cuales también son inversionistas estratégicos en esta ronda
- Con Nvidia, trabaja para ampliar el acceso al cloud computing mediante la plataforma de cómputo DGX
- Con Amazon, estableció una alianza para ampliar los productos de Hugging Face entre clientes de AWS y entrenar la próxima generación de Bloom con los chips personalizados Trainium de Amazon
- Con Microsoft, colaboró en Hugging Face Endpoints, que convierte modelos de IA desarrollados por Hugging Face en soluciones operativas escalables en Azure
- Tras esta inversión, Hugging Face planea reforzar sus actividades de apoyo en varias áreas, como investigación, empresas y startups
- La compañía tiene 170 empleados y planea contratar nuevo talento en los próximos meses
- El financiamiento acumulado de Hugging Face es de 395.2 millones de dólares, y su primera inversión provino de Betaworks Ventures
- Las startups de IA del mismo sector que han recaudado más fondos son las siguientes
- OpenAI: 11,300 millones de dólares
- Anthropic: 1,600 millones de dólares
- Inflection AI: 1,500 millones de dólares
- Cohere: 435 millones de dólares
- Adept: 415 millones de dólares
1 comentarios
Opiniones de Hacker News
Hugging Face parece estar al inicio del ciclo de enshittification al estilo Silicon Valley.
Ahora quema dinero de venture capital para tratar increíblemente bien a los usuarios; luego podría trasladar ese valor hacia los clientes empresariales y, después, exprimirlos al máximo hasta colapsar.
Aunque, en rigor, ni siquiera está claro si es una plataforma/marketplace. En cualquier caso, por ahora toca disfrutar la cerveza gratis que paga el VC.
Ya domina bastante el mercado de hosting de modelos y frameworks de ejecución, y si más adelante empieza a apretar las tuercas, la situación podría ponerse fea.
Es importante distribuirse para no depender de un solo lugar y evitar arquitecturas que dependan de forma exclusiva de Hugging Face.
Los proyectos de software importantes que dependan de eso pagarán, y los demás probablemente usarán alternativas compatibles en cuanto deje de ser gratis.
Sé que también tiene algunos productos de cómputo y que crea y mantiene varias librerías, pero no parece que sean tremendamente usadas, así que no entiendo bien cómo planea ganar dinero.
Está bien que Nvidia invierta en empresas de IA.
Como sabe que ese dinero de todos modos volverá a Nvidia, en la práctica se parece más a prestarle dinero con potencial de alza a compañías que van a intentar hacer algo con chips de Nvidia.
Es una estrategia de alto riesgo y alto retorno, y Nvidia se está comiendo la IA.
Solo Meta gastará 8.000 millones de dólares en equipos y planea gastar una cifra similar el año que viene. OpenAI+Microsoft también probablemente destinen miles de millones de dólares a construir servidores.
Me pregunto si Google o Apple también agregarán cajas de IA en masa.
Me sorprende que todavía usen efectivo.
Parece casi una situación de “ahora o nunca”.
Escribo en anónimo porque antes tuve relación con Hugging Face.
Hugging Face hizo un trabajo excelente construyendo comunidad, con la librería transformers y como repositorio central de todos los modelos open source.
Pero todavía está lejos de tener product-market fit (PMF), y aunque tiene varios productos como servicios, AutoTrain, cuantización, HF Hub empresarial y endpoints de inferencia, no parece que ninguno haya tenido éxito comercial.
La mayor parte de sus ingresos viene de alianzas con SageMaker/Azure, donde les pagan por enviar usuarios, así que parece difícil que eso siga creciendo.
Siempre existe la posibilidad de que la adquiera una empresa tipo FANG, pero personalmente lo veo bastante complicado. Con una valuación de 4.500 millones de dólares, para salir a bolsa necesitaría al menos 250 millones de dólares de ARR, y ahora probablemente esté estancada cerca de los 25 millones de dólares de ARR.
Tres fuentes dijeron que su run rate de ingresos de este año se disparó y ahora está entre 30 y 50 millones de dólares, y una fuente dijo que creció más del triple desde principios de año.
Sinceramente no logro entender la estrategia de Clem y el equipo. Más allá de recaudar la mayor cantidad de dinero posible, no veo mucho.
Nuestra experiencia con el equipo de ventas fue pésima, y no me dejó ninguna confianza en que puedan aumentar el ARR cuando sea necesario.
Prácticamente rogaban que les compráramos, pero parecieron mostrar interés solo después de que ya habíamos decidido claramente irnos con otro proveedor.
Una empresa de IA en la que trabajé antes cayó en una situación parecida: levantó demasiado dinero con una valuación demasiado alta, y eso redujo los posibles compradores a 3 o 4.
Ahora es una empresa zombi sin valor en las acciones comunes, sin posibilidades de adquisición y sin ingresos suficientes para salir a bolsa.
El solo hecho de ofrecer código e infraestructura a la comunidad ayuda mucho a aumentar el valor y las ventas del hardware de nVidia.
Encaja con el principio estratégico clásico de “comoditiza tus complementos”.
De verdad tengo curiosidad: ¿qué tipo de negocio es vender AI/ML?
No es que conozca bien este campo, pero AI/ML parece más una “función” que un “producto”.
Entonces, cuando una empresa dice que vende AI/ML, me pregunto exactamente qué vende. ¿Una licencia del modelo que creó, cobro por salida generada, infraestructura de hosting?
Usando una analogía, ¿vender AI/ML encaja en IaaS, PaaS o SaaS, o es algo totalmente distinto?
En el campo de la AI habrá unos pocos ganadores enormes, bastantes ganadores medianos y muchos perdedores, pero ellos pueden vender las herramientas que necesitan todos los que quieran intentarlo, sin importar quién gane o pierda.
Si pueden hacer que el producto sea fácil de usar y ayude a generar valor de negocio, pueden vender muchos picos y palas.
a) proveedores de hardware que venden productos que todos los participantes necesitan, como Nvidia/AMD
b) empresas que pueden vender valor agregado de AI/ML a una base de clientes que ya tienen cautiva, como Microsoft, Salesforce, ServiceNow, Adobe
c) empresas que ganan dinero con publicidad y donde AI/ML ayuda a hacer mejor targeting, como Google/Facebook
El resto, en su mayoría, está quemando dinero de VC.
Los incumbentes con productos existentes pueden agregar esta función y crear un gran valor competitivo. Para los nuevos actores es mucho más difícil, porque no solo tienen que hacer competitiva la función de AI/ML, sino también el sistema central que genera o contiene los datos de los que depende esa función.
Por ejemplo, muchas organizaciones podrían pagar mucho por una función de “ChatGPT que conoce los documentos internos” integrada a SharePoint/Confluence, etc., que ya usan, pero probablemente serían muy cautelosas a la hora de mover sus documentos internos al nuevo sistema de gestión documental de una startup recién creada.
En IaaS/PaaS/SaaS, en cualquiera de ellos, existe el potencial de convertirse tanto en una función como en un producto.
Si buscas en HN empresas que venden AI/ML, se entiende a qué me refiero.
Cuanto más alejas al usuario del entrenamiento y el hosting, más te alejas de ese negocio.
Aunque parece que solo tendrá sentido económico si tienes alguna fortaleza para implementar esa capa de abstracción.
Me gusta Hugging Face, pero me preocupa que se convierta en el próximo Docker.
¿Cuál es su foso defensivo? “Corremos la inferencia por ti” no puede ser la respuesta.
Es más parecido a GitHub para ML.
Además, la confianza también importa. En un negocio de hosting de binarios, la confianza no es poca cosa.
En ese entonces también había miles de pequeños proveedores de VPS que alquilaban cajas Linux virtuales con acceso root por 15 dólares al mes.
Los modelos de ML son las nuevas apps.
Hay una gran oportunidad para un espacio tipo App Store donde la gente pueda comprar modelos, integrarlos a sus propios productos y gestionar las licencias adecuadas.
Mejor aún si certifica que el modelo realmente funciona como dice; eso por sí solo podría convertirse en una pequeña industria.
Hugging Face es el líder claro que puede construir esto gracias a su reconocimiento dentro de la comunidad.
Por eso los clientes no son “todas las personas con un teléfono/computadora”, como con las apps, sino “todas las personas que crean apps”, un grupo mucho más pequeño pero potencialmente muy influyente.
Todavía no estamos en un mundo donde personas no técnicas revisen una tienda de modelos en el celular para encontrar uno.
Desde el punto de vista de Nvidia, puede que esto no sea simplemente una inversión en Hugging Face, sino una inversión en su propio negocio a través de efectos de red.
Espero que así sea. Porque cuando se retire el dinero de VC, las tarifas se van a disparar.
Es una práctica común cuando invierte una empresa de hardware, y podría salir bastante bien para todos.
Hugging Face es la implementación literal del viejo dicho: “durante una fiebre del oro, vende palas”.
Tienen que tener una idea realmente excelente. Esto parece una combinación perfecta para reventar como globo.
La política de precios me confunde.
https://huggingface.co/pricing
Puede que me esté perdiendo algo obvio, pero en una parte de la página de precios dice que Spaces Hardware empieza en 0 dólares, y en otra que empieza en 0.05 dólares.
El almacenamiento de repositorios es gratis, y hay productos empresariales pagos como en GitHub.
Ofrecer apps demo es “Spaces Hardware”, con costo por hora.
Ofrecer modelos de producción para apps alojadas en otro lugar también se cobra por hora, como “Inference endpoints”.
El entrenamiento de modelos es “AutoTrain”, que por ahora es gratis; honestamente, todavía no lo he probado.
Hugging Face es experta en ML y comunidad, pero floja en negocios.
Sé que HN mira por debajo a los roles de ventas, pero HF necesita buenos vendedores lo antes posible.