Alibaba und Tencent greifen beim KI-Start-up UniPat zu

Der chinesische Technologiekonzern Alibaba soll laut Bloomberg eine Finanzierungsrunde über 300 Millionen US-Dollar für UniPat AI anführen. Das erst Ende 2025 gegründete Unternehmen würde dabei mit 2,5 Milliarden US-Dollar bewertet werden.

An der Runde soll sich auch Tencent beteiligen. Zudem sind bestehende Investoren wie HSG, ehemals Sequoia China, involviert.

Das Investment ist auch wegen der engen Verbindung zu Alibaba bemerkenswert. UniPat-Gründer Li Kuan arbeitete noch im vergangenen Jahr im Tongyi-KI-Labor von Alibaba an der Optimierung von KI-Modellen.

UniPat setzt auf KI-Training und realistische Leistungstests

UniPat positioniert sich an einer zunehmend kritischen Stelle der KI-Wertschöpfungskette. Das Start-up entwickelt realistische Szenarien, mit denen sich KI-Systeme trainieren und ihre tatsächlichen Fähigkeiten messen lassen.

Dazu gehören Benchmarks für Coding-Agenten bei Softwareentwicklungsaufgaben, Tests für KI-Agenten, die alltägliche Aktionen im Webbrowser ausführen, sowie Prüfverfahren für multimodale Modelle bei visuellen Schlussfolgerungsaufgaben.

Gleichzeitig erzeugt UniPat detaillierte synthetische Trainings- und Benchmark-Daten, die künftig an KI-Entwickler, Forschungseinrichtungen und Unternehmen verkauft werden sollen.

Ein Depotwechsel, der sich direkt auszahlen kannIm September bekommst du bei SMARTBROKER+ bis zu 120 € Prämie. Einfach Depot eröffnen, Prämie wählen und loslegen. → Aktion entdecken

 

Synthetische Daten werden zum Schlüssel im KI-Wettlauf

Hinter der hohen Bewertung steckt ein grundlegendes Problem der Branche. Entwickler großer Sprachmodelle können nicht unbegrenzt auf hochwertige, von Menschen erzeugte Internetdaten zurückgreifen. Urheberrechts- und Datenschutzfragen verschärfen die Situation zusätzlich.

Damit gewinnen synthetische Daten an Bedeutung. Gleichzeitig steigt der Bedarf an Tests, die zeigen, wie leistungsfähig ein Modell außerhalb optimierter Demonstrationen tatsächlich ist.

Klassische Ranglisten stehen zunehmend vor dem Problem, dass hohe Benchmark-Werte nicht zwangsläufig eine entsprechend starke Leistung im realen Einsatz bedeuten. Gerade für milliardenschwere Investitionen in neue Modelle wird eine unabhängige und möglichst realitätsnahe Leistungsbewertung deshalb wichtiger.

Autor: Pascal Grunow, wallstreetONLINE Redaktion

Markt-Updates und Hintergründe auch im Video- und Podcast-Format:

KI-Euphorie kippt - Bei diesen 5 Aktien droht der Crash!

Jetzt Report kostenlos herunterladen!

Schreibe Deinen Kommentar