IR Zen

(SeaPRwire) –   acres创始人卡特·马洛伊（Carter Malloy）的两个女儿把脸贴在办公室后面的玻璃窗上，试图看到她们父亲一直在夸赞的嗡嗡作响的机器——两台高端GPU藏在一个黑暗的角落。

马洛伊在2024年从NVIDIA购买了那两台机器，最近又订购了两台，它们应该会在本周晚些时候到货。他还在往天花板里穿新电缆，以便将这些机器直接连接到他的数据科学团队的电脑上，这样他们就可以在现场直接训练模型，而不用租用云时间。

“在本地训练要便宜得多——实际上也更快，”马洛伊说。

Acres可能是一家只有约70人的小初创公司，但它是越来越多的小众数据公司之一，正在悄悄地在大型科技公司的围墙外组建GPU集群，押注拥有自己的计算能力将成为竞争优势。Andreessen Horowitz著名地获得了自己的GPU集群，并将其出租给初创公司以换取股权。包括视频托管初创公司Gumlet在内的个别初创公司也表示，它们也在自行托管硬件。这种硬件每块GPU成本超过25,000美元，加上持续的能源成本。在去年等供应短缺期间，较小的公司如果没有几个月的等待名单，很难获得这些硬件。

但马洛伊说，对于运营一家地理空间数据智能公司来说，拥有自己的集群更有意义。

情况并非一直如此。几年前，马洛伊经营着一家非常不同的公司——实际上是位于阿肯色州费耶特维尔的农田投资金融科技平台AcreTrader，它让投资者像购买股票一样购买农田的份额。去年夏天，他以未披露的金额出售了业务中的“Trader”部分，专注于一件事：数据。

从一开始，初创公司的一个小团队就一直在收集数据，以帮助土地所有者对农田进行定价和评估——从销售和租赁历史、水基础设施数据到激光雷达地形、卫星图像，甚至得克萨斯州水井的深度。随着时间的推移，内部地图和分析架构“很快变得比Trader能处理的更大”，马洛伊说，因为土地信息不仅难以及时获取，而且通常需要数据工程师进行解析。

随着大型语言模型变得更加复杂，马洛伊设想了客户与他的团队精心提取和清理的数据互动的新方式。通过新的Acres测试平台，开发人员可以输入一个英语提示：找到一块40英亩的地块，大部分在洪泛区外，距离污水基础设施三英里内，在一个以审批速度快著称的县——系统会梳理其地图和数据以找到可行的地点。通过Acres与公共信息初创公司Hamlet的集成，数据中心公司还可以分析当地市县政府对新开发和数据中心项目是友好还是不友好。

接下来是GPU。Acres处理地理空间数据——不仅仅是电子表格，还有定义土地所有权和分区地图背后的点、线和多边形的矢量和栅格图层。马洛伊表示，处理这种图像和几何图形计算量很大，将GPU引入内部可以让团队更快、更低成本地训练模型和进行选址分析，他拒绝对水电费上涨多少发表评论，只说“它用了一些电”。

马洛伊谈到这个时很兴奋。在他看来，他的团队似乎在数据科学的前沿运作。“我们在利用人工智能在地理空间科学方面取得突破……我们正在构建没有学术论文的东西。”

他可能有点夸大其词，但这个想法有道理：将地块级土地记录、许可数据和高分辨率图像与大语言模型以这种规模结合仍然是相对新的领域。

马洛伊似乎唯一担心的是跟上变化的步伐和需求。Acres几周前才开始向企业客户推出新的生成式AI搜索功能，马洛伊说他看到客户既咒骂又大笑，因为他们认为这可能会节省很多时间。

马洛伊说，历史上，Acres曾试图过快地让客户上线。客户支持团队只有五个人，马洛伊希望谨慎地让客户迁移到新的测试平台上。更不用说——Acres出售曾经的核心业务还不到一年。

“这确实让我睡不着觉——我们会变得太超前。我们以前做过，”马洛伊说。