A Multiverse Computing captou €189 milhões para expandir a CompactifAI, que comprime modelos de linguagem em até 95%, reduzindo custos e infraestrutura, com alta precisão e eficiência energética.
Compressão AI não precisa ser sinônimo de perda de desempenho. Já pensou em rodar modelos de linguagem enormes gastando até 95% menos recursos computacionais? Multiverse Computing está aqui para mostrar que isso é possível, mudando o jogo para empreendedores e negócios que dependem de inteligência artificial.
Como a tecnologia CompactifAI transforma a eficiência dos modelos de linguagem
A tecnologia CompactifAI, desenvolvida pela Multiverse Computing, muda completamente o jeito de usar modelos de linguagem grandes, conhecidos como LLMs. Ela comprime esses modelos em até 95%, o que é sensacional para reduzir os custos e a necessidade de computadores potentes.
Essa compressão usa uma técnica chamada Redes de Tensores, inspirada na física quântica. Isso ajuda a simplificar a rede neural, eliminando conexões desnecessárias, sem perder a precisão do modelo. Ou seja, o modelo comprimido é quase tão bom quanto o original.
Com modelos menores e mais rápidos, empresas podem rodar inteligência artificial de alta performance em equipamentos comuns, como PCs, celulares e até mesmo drones. Além disso, o custo para usar esses modelos cai pela metade ou mais, tornando a IA muito mais acessível e sustentável.
CompactifAI também torna possível rodar IA sem depender tanto da nuvem, protegendo muito a privacidade dos dados. Em resumo, essa tecnologia traz uma eficiência nunca vista antes nos modelos de linguagem, abrindo um novo caminho para inovar com inteligência artificial no dia a dia.
Impactos econômicos e ambientais da compressão avançada em IA
A compressão avançada de IA, como a tecnologia CompactifAI, traz grandes impactos econômicos e ambientais. Ao reduzir modelos de linguagem em até 95%, a necessidade de hardware potente e caro diminui bastante.
Menos dependência de data centers especializados significa redução nos custos de energia. Isso ajuda a diminuir a pegada de carbono associada ao uso da inteligência artificial, tornando-a mais sustentável e amiga do meio ambiente.
Além disso, a compressão permite rodar modelos de IA em equipamentos comuns, como PCs e smartphones. Essa acessibilidade amplia o uso da tecnologia em várias áreas, gerando mais inovação e produtividade sem grandes investimentos.
Do ponto de vista econômico, empresas economizam muito em infraestrutura e manutenção. Também ganham rapidez e eficiência, pois os modelos comprimidos são de 4 a 12 vezes mais rápidos, reduzindo o tempo de resposta e agilizando decisões.
Investimentos e parcerias que impulsionam a Multiverse Computing
A Multiverse Computing tem atraído grandes investimentos que impulsionam o desenvolvimento de sua tecnologia CompactifAI. A rodada recente de €189 milhões foi liderada pela Bullhound Capital, com apoio de investidores renomados como HP Tech Ventures e Santander Climate VC.
Esses investimentos reforçam a confiança no potencial da empresa de reduzir modelos de linguagem grande em até 95%. Com parceiros fortes, a Multiverse avança no mercado global de inteligência artificial, oferecendo soluções rápidas e eficientes.
Além do capital, as parcerias estratégicas com empresas globais permitem ampliar o uso do CompactifAI em diversos setores. Isso ajuda a otimizar custos, aumentar a velocidade dos modelos e ainda reduzir o consumo de energia.
Essas alianças também fortalecem o compromisso da Multiverse com a inovação e a sustentabilidade. Investidores e parceiros reconhecem a importância da tecnologia para o futuro da IA, impulsionando a empresa a liderar esse mercado competitivo e em crescimento.
Calebe Santos é um jornalista experiente, com mais de 15 anos de atuação cobrindo temas como empreendedorismo, estratégias de vendas, inovação e comportamento de consumo. Ao longo de sua carreira, desenvolveu um olhar atento para os movimentos do mercado e tornou-se referência em traduzir pautas complexas do mundo dos negócios para uma linguagem clara, acessível e relevante.