Weight & Biases：大模型军备竞赛的受益者，AI领域的Datadog

模型训练是实验科学，是通过反复试错、迭代、求解的过程。AI/ML 科学家在训练模型时，往往要经历无数次的修改和迭代，如果将这其中的过程和经验记录下来，是一件非常有意义的事。一方面可以了解模型训练进度、资源使用情况、训练过程中遇到的问题、以及如何解决问题等等，另一方面也可以和团队共享经验，共同协作完成模型搭建。基于此需求，模型实验管理工具应运而生，Weights & Biases 是该领域最具代表性的公司。

Weights & Biases 于 2017 年成立，由 CrowdFlower 创始人 Lukas Biewald 和 Chris van Pelt 以及前 Google 工程师 Shawn Lewis 联合创办。目前，Weights & Biases 聚焦在模型实验管理环节，未来有可能切入下游的模型监控领域。公司增长迅速，2022 年 ARR 增长 150%，当前已达到几千万美金，且 NDR 非常高，从增长到留存表现都非常优异。

Weights & Biases 的价值在大模型中更加显著。大模型训练的复杂程度和资源消耗程度使大模型企业对模型实验管理工具的需求激增，作为模型实验管理赛道的 top 1，Weights & Biases 是大模型企业的首选。OpenAI、DeepMind、Facebook AI Research、Midjourney、Stability、Nvidia、Microsoft 等公司均为 Weights & Biases 的客户。OpenAI 使用 Weights & Biases 跟踪了 2,000 多个项目、数百万次实验和数百万名团队成员的模型版本。而 Weights & Biases 的创立灵感也来源于 Lukas 在 OpenAI 的一次实习经历。

未来 3-5 年内，Weights & Biases 将持续享受大模型军备竞赛带来的红利，保持高速增长。但长期看，模型实验管理市场规模有限，如果想要有所突破，切入下游的模型监控环节是必要选择。当 Apps 数量变多，我们需要 APM 工具，需要 Datadog；当 data 数量变多，我们需要 Data Observability 工具，需要 Grafana；如果我们假设未来模型变得很重要或模型数量变多，那么我们一定会需要模型实验管理、模型监控工具。并且现在 90% 的模型还没有被训练出来，训练出来的模型中 90% 还没有被投入生产，未来还有很大增长空间。

模型实验管理 + 模型监控，是 AI/ML 领域 Datadog 级别的生态位，有机会诞生出 AI/ML 时代的 Datadog，而 Weights & Biases 被赋予最高期待。