同社が特に念頭に置いているのは、フィジカルAI（実社会の物理空間で機能するAI）を駆動する複雑なモデルだ。例えば、製造業や精密工学におけるロボット装置、あるいは自動化を正確に制御することが絶対的に不可欠な防衛産業のシステムなどが挙げられる。科学分野におけるユースケースとしては、超伝導化合物や新薬の候補物質を開発するための技術などが考えられる。
これらすべての例における課題は、モデルがさまざまな形式で提示される膨大なデータや知見（インテリジェンス）を処理し、それに対応できなければならない点だ。例えば箱詰めを行うロボットは、顧客からのオンラインによる問い合わせに答えるチャットボットよりもはるかに複雑に動作する必要がある。また、組み立てライン上で製品の欠陥を発見するカメラなどとも、全く異なるインテリジェンスを扱う必要がある。
AIをこのような方法で活用したいと考えるあらゆる企業は、そもそも開発される必要があり、データの進化に合わせて絶えずトレーニングされなければならない基盤モデルに依存している。そして、コンピュート容量の価格が高騰し確保が難しくなるなか、モデルは可能な限り効率的に動作しなければならない。ここから導かれるHedraの仮説は、企業は自社内でモデルを構築するのではなく、同社のモデル工場を利用したがるだろう、というものだ。
「複雑で高次のデータを用いて極めて斬新なモデルを構築しようとしている人々がいますが、彼らは必ずしもそのためのインフラを整えられていません」とリンゲルバッハは付け加える。「そのため、これまで顧客と交わしてきた会話の多くは、実質的に『代わりにモデルを構築してくれないか』という依頼でした」
実に、初期の顧客導入実績は有望に見える。Hedraが挙げる例として、あるクライアント向けに構築した画像編集モデルがある。これは同一のハードウェア上で既存のソリューションよりも約6倍高速に動作し、1回の編集にかかる時間を約22秒から3.6秒へと短縮した。また、AMDとの最近の提携も成功を収めている。
先行者利益もHedraにとって有利に働いている。エンタープライズ顧客向けのモデル構築サービスを手がけるApplied Computeのような知名度の高い企業が急成長しているものの、それらの多くはテキストデータに特化している。対照的に、動画の専門企業としてスタートしたHedraの強みはフィジカルAIだ。「私たちの役割は、複雑なタスクにおけるリアルタイムのインテリジェンスを可能にすることです」とリンゲルバッハは語る。「製造業やロボティクス全体におけるモデル導入をスピードアップできるのです」
