人工智能正风靡一时，尤其是文本生成式人工智能（大语言模型）。在最近一项针对约1,000家企业组织的调查中，67.2%的受访者表示，到2024年初之前，他们将采用大语言模型（LLMs）视为首要任务。
但障碍依然存在。根据同一项调查，缺乏定制化和灵活性，以及无法保留公司知识和知识产权，是阻碍许多企业将大语言模型投入生产的主要原因。
Giga ML应运而生。Varun Vummadi和Esha Manideep Dinne创立了这家致力于构建平台的初创公司，使企业能够在本地部署LLMs，从而降低成本并保护隐私。Vummadi在采访中表示：“数据隐私和定制大语言模型是企业面临的最大挑战之一，Giga ML同时解决了这两大问题。”
X1系列模型与性能表现。Giga ML提供自有“X1系列”LLMs，用于代码生成和客户问答等任务。该系列基于Meta Llama 2构建，声称在某些基准测试（如MT-Bench）中优于流行模型。不过，在线演示曾出现技术问题，定性比较仍有待验证。
核心使命：本地化微调工具。Giga ML并非旨在打造性能最卓越的模型，而是致力于构建工具，使企业能在本地对大语言模型进行微调，无需依赖第三方平台。Vummadi强调：“我们的使命是帮助企业在其自有基础设施或VPC上安全、高效地部署LLM，通过易用API简化训练、微调和运行流程。”
离线运行的隐私优势。Vummadi指出，离线运行模型的隐私优势对部分企业极具说服力。低代码AI开发平台Predibase发现，因担心共享敏感数据，不到四分之一企业对商业LLM感到安心；近77%的受访者不在生产环境使用商业LLM，原因涉及隐私、成本及定制化不足。
客户价值与市场反馈。Vummadi表示，C级IT经理认可Giga ML的价值，因为安全本地部署、特定用例定制及快速推理能力，确保了数据合规性和最大效率。
融资进展与未来规划。截至目前，Giga ML已从Nexus Venture Partners、Y Combinator、Liquid 2 Ventures、8vdx等机构筹集约374万美元风险投资。公司计划近期扩大团队并加强研发，资金也将用于支持金融和医疗行业的现有企业客户。