Le due figlie del fondatore della startup Acres, Carter Malloy, premono il viso contro una vetrata sul retro dell’ufficio, cercando di vedere le macchine ronzanti di cui il padre ha tanto parlato: due Gpu di fascia alta nascoste in un angolo buio.
Malloy ha acquistato quelle due macchine da Nvidia nel 2024 e ne ha ordinate altre due di recente, che dovrebbero arrivare entro la fine della settimana. Sta anche facendo passare nuovi cavi attraverso il soffitto per collegare le macchine direttamente ai computer del suo team di data science, in modo che possano addestrare i modelli direttamente in loco invece di dover affittare tempo nel cloud.
“Avere tutto on-premise è molto più economico da addestrare, e in realtà più veloce”, afferma Malloy.
Acres sarà anche una piccola startup di sole 70 persone, ma è una delle tante aziende di nicchia che assemblano silenziosamente cluster di Gpu al di fuori delle mura delle Big Tech, nella scommessa che possedere una propria capacità di calcolo possa rappresentare un vantaggio competitivo. Andreessen Horowitz è famosa per essersi assicurata un cluster GPU di sua proprietà, che affitta alle startup in cambio di capitale. Anche singole startup, tra cui Gumlet, una startup di hosting video, hanno dichiarato di ospitare il proprio hardware. Questo hardware può costare più di 25.000 dollari per Gpu, oltre ai costi energetici correnti. Durante periodi di carenza di forniture come quello dell’anno scorso, può essere difficile per le aziende più piccole procurarselo senza dover aspettare mesi in lista d’attesa.
Ma per gestire un’azienda di data intelligence geospaziale, Malloy afferma che avere un proprio cluster è semplicemente più sensato.
Non è sempre stato così. Qualche anno fa, Malloy gestiva un’azienda molto diversa: AcreTrader, una piattaforma fintech per investimenti in terreni agricoli con sede a Fayetteville, Arkansas, che permetteva agli investitori di acquistare porzioni di terreno come se acquistassero azioni di un’azienda. L’estate scorsa, ha venduto la divisione “Trader” dell’azienda per una cifra non rivelata, per concentrarsi su un unico aspetto: i dati.
Fin dall’inizio, un piccolo team della startup ha raccolto dati per aiutare i proprietari terrieri a valutare e valutare i terreni agricoli: dalla cronologia delle vendite e degli affitti ai dati sulle infrastrutture idriche, dalla topografia LiDAR alle immagini satellitari e persino alla profondità dei pozzi d’acqua in Texas. Nel corso del tempo, lo stack interno di mappatura e analisi “è diventato più grande di quanto Trader potesse fare, molto rapidamente”, afferma Malloy, poiché le informazioni sui terreni non solo sono difficili e tempestive da ottenere, ma spesso richiedono l’analisi da parte di ingegneri dei dati.
Con l’aumentare della sofisticatezza dei modelli linguistici di grandi dimensioni, Malloy ha immaginato nuovi modi per consentire ai clienti di interagire con i dati che il suo team stava attentamente estraendo e ripulendo. Con la nuova piattaforma beta di Acres, uno sviluppatore può digitare un semplice prompt in inglese: “Trovatemi un appezzamento di terreno di 40 acri che si trovi per lo più al di fuori della pianura alluvionale, entro tre miglia dall’infrastruttura fognaria, in una contea nota per la rapidità nel rilascio dei permessi”, e il sistema esamina le sue mappe e i suoi dati per individuare siti idonei. Grazie all’integrazione di Acres con la startup di informazione pubblica Hamlet, le aziende di data center potrebbero anche analizzare se le amministrazioni locali di città e contee sono favorevoli, o meno, a nuovi progetti di sviluppo e data center.
Entrano in gioco le GPU. Acres lavora con dati geospaziali, non solo fogli di calcolo, ma anche livelli vettoriali e raster che definiscono punti, linee e poligoni alla base delle mappe di proprietà terriera e di zonizzazione. Elaborare questo tipo di immagini e geometrie è un’operazione computazionalmente impegnativa, e l’integrazione delle GPU in-house consente al team di addestrare modelli ed eseguire analisi di selezione dei siti più velocemente e a costi inferiori, secondo Malloy, che si è rifiutato di commentare l’aumento delle sue bollette, limitandosi a dire “consuma un po’ di energia”.
Malloy è euforico mentre ne parla. Gli sembra che il suo team stia operando all’avanguardia nella scienza dei dati. “Stiamo facendo progressi nella scienza geospaziale con l’intelligenza artificiale… Stiamo costruendo cose per cui non esistono articoli accademici”.
Forse sta esagerando un po’, ma c’è del vero in quest’idea: combinare registri catastali a livello di parcella, dati permessi e immagini ad alta risoluzione a questa scala con gli LLM è ancora un territorio relativamente nuovo.
L’unica cosa che sembra preoccupare Malloy è stare al passo con il ritmo del cambiamento e con la domanda. Acres ha iniziato a implementare la sua nuova funzionalità di ricerca basata sull’intelligenza artificiale generativa per i clienti aziendali solo poche settimane fa, e Malloy afferma di aver visto clienti imprecare e ridere per quanto tempo pensano di poter risparmiare.
Storicamente, afferma Malloy, Acres ha cercato di integrare i clienti troppo velocemente. Con solo cinque persone nel team di assistenza clienti, Malloy vuole che i clienti passino con cautela alla nuova piattaforma beta. Per non parlare del fatto che è passato meno di un anno da quando Acres ha venduto quella che un tempo era la parte principale dell’attività.
“Questo mi tiene sicuramente sveglio: il fatto che andremo troppo oltre. Lo abbiamo già fatto”, ha detto Malloy.
L’articolo originale è su Fortune.com
FOTO: Mario Tama/Getty Images
