ArmazenamentoReview.com

CoreWeave adquire Weights & Biases por US$ 1.7 bilhão para promover infraestrutura de IA

Na nuvem  ◇  Empreendimento

A CoreWeave, uma provedora líder de serviços de nuvem apoiada pela NVIDIA, anunciou sua aquisição da Weights & Biases, uma plataforma de desenvolvedor de IA de ponta, em um acordo estratégico avaliado em US$ 1.7 bilhão. Esta aquisição marca um marco importante para a CoreWeave enquanto ela se prepara para sua oferta pública inicial (IPO) na próxima semana.

Estratégia de Aquisição

A aquisição combina a infraestrutura especializada e os serviços de nuvem gerenciados da CoreWeave com a robusta plataforma de desenvolvedor de IA da Weights & Biases. Essa integração visa criar uma experiência de ponta a ponta, permitindo que empresas e laboratórios de IA criem, ajustem, implantem e monitorem aplicativos de inteligência artificial de forma mais eficiente.

A entidade combinada oferecerá aos clientes um fluxo de trabalho aprimorado para o desenvolvimento de aplicativos de IA, acelerando significativamente sua capacidade de inovar e trazer rapidamente novas tecnologias ao mercado.

Sobre CoreWeave

Fundada por Michael Intrator, Brian Venturo e Brannin McBee, a CoreWeave se estabeleceu como uma AI Hyperscaler. Ela fornece serviços de nuvem baseados em GPU adaptados especificamente para cargas de trabalho de inteligência artificial. A empresa rapidamente emergiu como um player significativo na indústria de IA, oferecendo às empresas acesso a GPUs que alimentam serviços avançados de IA.

A plataforma de nuvem da CoreWeave foi criada especificamente para gerenciar infraestrutura de IA em escala. Em 2024, foi reconhecida como uma das empresas mais influentes da TIME100 e apresentada no ranking Cloud 100 da Forbes. A empresa cresceu rapidamente, com mais de US$ 15 bilhões em contratos assinados pendentes.

Sobre Pesos e Vieses

A Weights & Biases foi fundada em 2017 por Lukas Biewald, Chris Van Pelt e Shawn Lewis. Tornou-se um player líder nos setores de Machine Learning Operations (MLOps) e Large Language Model Operations (LLMOps). A plataforma é usada por milhões de engenheiros de IA globalmente, incluindo gigantes da indústria como OpenAI, Meta, NVIDIA, Snowflake e mais para construir, treinar, monitorar e implementar modelos de IA.

Weights & Biases fornece ferramentas abrangentes para gerenciar conjuntos de dados de treinamento, testar alterações de modelo, monitorar desempenho em tempo real, corrigir alucinações de modelo e resolver desafios técnicos durante o desenvolvimento de IA.

Impacto do cliente

A CoreWeave enfatizou que os clientes atuais da Weights & Biases serão flexíveis na implantação de suas cargas de trabalho no local ou por meio de seus provedores de infraestrutura preferidos. A aquisição permite aos clientes a flexibilidade de usar outros serviços de nuvem além das ofertas da CoreWeave. Além disso, a CoreWeave pretende introduzir inovações na plataforma Weights & Biases, preservando sua funcionalidade e confiabilidade existentes.

IPO da CoreWeave

O anúncio da aquisição coincide com os preparativos da CoreWeave para seu IPO. A empresa recentemente protocolou seu Formulário S-1 na Comissão de Valores Mobiliários dos EUA, sinalizando sua intenção de abrir o capital. Este movimento estratégico fortalece a posição da CoreWeave no mercado de IA em rápida expansão ao integrar recursos de infraestrutura com ferramentas avançadas de desenvolvedor, potencialmente remodelando como as empresas abordam a inovação em inteligência artificial no futuro.

Notícias relacionadas

CoreWeave revela o primeiro sistema Dell XE9712 GB200 NVL-72

CoreWeave faz parceria com a IBM para fornecer supercomputador de IA habilitado para superchip Grace Blackwell

Envolva-se com a StorageReview

Newsletter | YouTube | Podcast iTunes / Spotify | Instagram | Twitter | TikTok | Feed RSS

Divyansh Jain

Engenheiro de Machine Learning, entusiasta de laboratórios domésticos e tecnologia. Na Storage Review, trabalho com IA e testes de cargas de trabalho emergentes para fornecer insights práticos e análises de desempenho.