Pertumbuhan dalam permintaan untuk aplikasi AI generatif telah menyebabkan kebutuhan untuk pangkalan data yang lebih besar dan lebih besar untuk menyimpan data terkait (misalnya data pelatihan model). Pangkalan data ini cenderung memerlukan sumber daya yang intensif dari segi perangkat keras dan, bergantung pada algoritma yang digunakan untuk mengatur mereka, mereka dapat memiliki laten yang tinggi. Seringkali, perusahaan terpaksa membuat kompromi antara biaya, kinerja, dan akurasi pangkalan data. Tapi tidak harus seperti itu, kata Ohad Levi, CEO dan salah seorang pengasas Hyperspace. Hyperspace menggunakan "domain-specific computing" untuk mempercepat dua tugas pangkalan data tertentu: pencarian leksikal dan pencarian vektor. Pencarian leksikal adalah jenis pencarian berdasarkan kata kunci yang mencari kecocokan persis dalam pangkalan data, sedangkan pencarian vektor mempertimbangkan makna semantik dan konteks dari kueri pencarian. Levi mengklaim bahwa instansi Hyperspace, yang memanfaatkan kombinasi FPGAs dan GPUs, dapat memberikan pencarian hingga 10 kali lebih cepat daripada database tradisional yang tidak dipercepat. "Produk kami membantu perusahaan yang berurusan dengan pengambilan data dalam skala besar, khususnya dalam aplikasi AI dan generatif AI," kata Levi kepada TechCrunch. "Data yang tidak terstruktur melebihi kemampuan pencarian tradisional. Solusi pengambilan data harus memenuhi kumpulan data pencarian leksikal dan vektor untuk memenuhi tuntutan pasar saat ini." Sebelum meluncurkan Hyperspace, Levi adalah insinyur optimasi di Intel dan kemudian menjadi kepala pemasaran produk di HP. Dia mengatakan bahwa dia frustasi dengan keterbatasan solusi pencarian warisan bekerja untuk Big Tech, yang mendorongnya untuk bermitra dengan mantan konsultan desain Intel Max Nigri untuk mendirikan Hyperspace. Hyperspace tidak menjual instansinya. Sebaliknya, mereka menjual akses ke perangkat lunak pangkalan data yang dikelola yang berjalan di instansi-instansi tersebut (dihosting di AWS untuk saat ini). Pangkalan data Hyperspace dapat menangani berbagai jenis data terstruktur dan tidak terstruktur, termasuk video, gambar, dan teks, dan dihargai berdasarkan ukuran dan volume kueri. "Hyperspace adalah pangkalan data yang dikelola yang terbuka di cloud yang bekerja sebagai model perangkat lunak sebagai layanan, dihargai per penggunaan," jelas Levi. "Tim kami dapat merancang solusi infrastruktur AI yang disesuaikan untuk membantu perusahaan menyelesaikan tantangan pencarian mereka." Peningkatan kinerja Hyperspace sangat mengesankan bila benar; Levi mengatakan bahwa instansi perusahaannya juga memberikan throughput 5 kali lebih tinggi dengan biaya 50% lebih rendah dari database tipikal. (Itu adalah hasil rata-rata; dalam satu titik perbandingan spesifik, Levi mengklaim bahwa Hyperspace secara umum lebih cepat daripada Elastic.) Namun bisakah Hyperspace meyakinkan perusahaan untuk menggunakan platform pangkalan data pendatang baru ketika ada begitu banyak pemegang saham - seperti Azure, AWS, dan Google Cloud - untuk dipilih? Levi mengatakan ya, dan dia mengklaim bahwa Hyperspace sudah melihat beberapa jejak pelanggan awal. Perusahaan yang berbasis di Tel Aviv ini telah menandatangani kesepakatan dengan perusahaan di ruang pencegahan penipuan dan e-commerce, termasuk Forter, nSure, dan Renovai, dan melipatgandakan pendapatannya secara berkala tahunan dan volume kontrak total selama setahun terakhir. Hyperspace juga baru-baru ini menyelesaikan putaran pendanaan awal sebesar $9,5 juta yang dipimpin oleh MizMaa dengan partisipasi dari JVP dan toDay Ventures. Levi mengatakan bahwa uang tersebut akan digunakan untuk memperluas penawaran pangkalan data Hyperspace ke "ribuan" instansi dan meluncurkan rencana gratis tingkat masuk. "Hyperspace memiliki seluruh rangkaian produk inovatif baru yang akan mendorong pasar pencarian ke depan dan mendukung kebutuhan klien enterprise dan ukuran kecil dan menengah kami," kata Levi. "Kami tidak melihat hambatan apa pun. Setiap sistem AI generatif adalah sistem pencarian, dan pencarian menjadi lebih sulit dari sebelumnya. Kebutuhan akan infrastruktur AI yang lebih baik berkembang setiap hari, dan dengan lebih banyak data, kebutuhan akan aplikasi pencarian yang lebih baik menjadi lebih jelas. Hyperspace menggunakan 'domain-specific computing' untuk mempercepat pencarian pangkalan data
Pertumbuhan dalam permintaan untuk aplikasi AI generatif telah menyebabkan kebutuhan untuk pangkalan data yang lebih besar dan lebih besar untuk menyimpan data terkait (misalnya data pelatihan model). Pangkalan data ini cenderung memerlukan sumber daya yang intensif dari segi perangkat keras dan, bergantung pada algoritma yang digunakan untuk mengatur mereka, mereka dapat memiliki laten yang tinggi. Seringkali, perusahaan terpaksa membuat kompromi antara biaya, kinerja, dan akurasi pangkalan data. Tapi tidak harus seperti itu, kata Ohad Levi, CEO dan salah seorang pengasas Hyperspace. Hyperspace menggunakan "domain-specific computing" untuk mempercepat dua tugas pangkalan data tertentu: pencarian leksikal dan pencarian vektor. Pencarian leksikal adalah jenis pencarian berdasarkan kata kunci yang mencari kecocokan persis dalam pangkalan data, sedangkan pencarian vektor mempertimbangkan makna semantik dan konteks dari kueri pencarian. Levi mengklaim bahwa instansi Hyperspace, yang memanfaatkan kombinasi FPGAs dan GPUs, dapat memberikan pencarian hingga 10 kali lebih cepat daripada database tradisional yang tidak dipercepat. "Produk kami membantu perusahaan yang berurusan dengan pengambilan data dalam skala besar, khususnya dalam aplikasi AI dan generatif AI," kata Levi kepada TechCrunch. "Data yang tidak terstruktur melebihi kemampuan pencarian tradisional. Solusi pengambilan data harus memenuhi kumpulan data pencarian leksikal dan vektor untuk memenuhi tuntutan pasar saat ini." Sebelum meluncurkan Hyperspace, Levi adalah insinyur optimasi di Intel dan kemudian menjadi kepala pemasaran produk di HP. Dia mengatakan bahwa dia frustasi dengan keterbatasan solusi pencarian warisan bekerja untuk Big Tech, yang mendorongnya untuk bermitra dengan mantan konsultan desain Intel Max Nigri untuk mendirikan Hyperspace. Hyperspace tidak menjual instansinya. Sebaliknya, mereka menjual akses ke perangkat lunak pangkalan data yang dikelola yang berjalan di instansi-instansi tersebut (dihosting di AWS untuk saat ini). Pangkalan data Hyperspace dapat menangani berbagai jenis data terstruktur dan tidak terstruktur, termasuk video, gambar, dan teks, dan dihargai berdasarkan ukuran dan volume kueri. "Hyperspace adalah pangkalan data yang dikelola yang terbuka di cloud yang bekerja sebagai model perangkat lunak sebagai layanan, dihargai per penggunaan," jelas Levi. "Tim kami dapat merancang solusi infrastruktur AI yang disesuaikan untuk membantu perusahaan menyelesaikan tantangan pencarian mereka." Peningkatan kinerja Hyperspace sangat mengesankan bila benar; Levi mengatakan bahwa instansi perusahaannya juga memberikan throughput 5 kali lebih tinggi dengan biaya 50% lebih rendah dari database tipikal. (Itu adalah hasil rata-rata; dalam satu titik perbandingan spesifik, Levi mengklaim bahwa Hyperspace secara umum lebih cepat daripada Elastic.) Namun bisakah Hyperspace meyakinkan perusahaan untuk menggunakan platform pangkalan data pendatang baru ketika ada begitu banyak pemegang saham - seperti Azure, AWS, dan Google Cloud - untuk dipilih? Levi mengatakan ya, dan dia mengklaim bahwa Hyperspace sudah melihat beberapa jejak pelanggan awal. Perusahaan yang berbasis di Tel Aviv ini telah menandatangani kesepakatan dengan perusahaan di ruang pencegahan penipuan dan e-commerce, termasuk Forter, nSure, dan Renovai, dan melipatgandakan pendapatannya secara berkala tahunan dan volume kontrak total selama setahun terakhir. Hyperspace juga baru-baru ini menyelesaikan putaran pendanaan awal sebesar $9,5 juta yang dipimpin oleh MizMaa dengan partisipasi dari JVP dan toDay Ventures. Levi mengatakan bahwa uang tersebut akan digunakan untuk memperluas penawaran pangkalan data Hyperspace ke "ribuan" instansi dan meluncurkan rencana gratis tingkat masuk. "Hyperspace memiliki seluruh rangkaian produk inovatif baru yang akan mendorong pasar pencarian ke depan dan mendukung kebutuhan klien enterprise dan ukuran kecil dan menengah kami," kata Levi. "Kami tidak melihat hambatan apa pun. Setiap sistem AI generatif adalah sistem pencarian, dan pencarian menjadi lebih sulit dari sebelumnya. Kebutuhan akan infrastruktur AI yang lebih baik berkembang setiap hari, dan dengan lebih banyak data, kebutuhan akan aplikasi pencarian yang lebih baik menjadi lebih jelas. 
