Cyfrowy detektyw w świecie materii. Altara otrzymała 7 mln dolarów na oswojenie chaosu w danych fizycznych
W sektorach takich jak produkcja nowoczesnych baterii, energetyka czy mikroelektronika, inżynierowie mierzą się ze specyficznym rodzajem informacyjnego szumu. Choć każda komórka testowa i proces technologiczny generują gigabajty logów, dane te rzadko ze sobą „rozmawiają”. Zamiast tego, krytyczne informacje gromadzą się w arkuszach kalkulacyjnych, w przestarzałych bazach danych (legacy systems) i izolowanych logach z sensorów. Kiedy dochodzi do awarii, ustalenie jej przyczyny zamienia się w wielotygodniowe śledztwo.
Koniec z inżynieryjną improwizacją
Altara, nowy gracz na rynku AI dla nauk fizycznych, zamierza skrócić ten proces do minut. Firma pozyskała właśnie 7 milionów dolarów w rundzie seed, której liderem był fundusz Greylock przy wsparciu Jeffa Deana. Za projektem stoją Eva Tuecke, była badaczka fizyki cząstek w Fermilab i inżynierka SpaceX, oraz Catherine Yeo, związana wcześniej z Warp. Ich celem jest stworzenie warstwy analitycznej, która spaja pofragmentowane informacje techniczne w jeden czytelny obraz.
Mechanizm działania Altary ma przypominać systemy typu observability, znane ze świata oprogramowania. Corinne Riley z funduszu Greylock zauważa, że podobnie jak inżynierowie SRE diagnozują błędy w kodzie za pomocą narzędzi typu Resolve, tak Altara ma wskazać konkretny parametr — temperaturę, wilgotność czy błąd w raporcie historycznym — który doprowadził do uszkodzenia sprzętu.
Ekonomia danych zamiast rewolucji infrastrukturalnej
Strategia Altary wyróżnia się na tle konkurencji, takiej jak Periodic Labs czy Radical AI, mniejszą kapitałochłonnością. Startup nie próbuje od podstaw projektować procesów laboratoryjnych ani zastępować istniejących firm produkcyjnych. Zamiast tego oferuje oprogramowanie, które „wpina się” w już istniejące zasoby danych. To pragmatyczne podejście do sfery nauk fizycznych, gdzie zmiana fizycznej aparatury jest kosztowna i powolna.
Wizja funduszu Greylock zakłada, że AI w naukach fizycznych to kolejna wielka granica rozwoju technologicznego. W świecie, gdzie tempo innowacji w sprzęcie nabiera krytycznego znaczenia dla transformacji energetycznej, zdolność błyskawicznej diagnostyki błędów może okazać się ważniejsza niż same moce obliczeniowe.
