Speedata נוסדה על ידי שישה שותפים שהגיעו מהאקדמיה הישראלית — יונתן פרידמן, דן חרש, רפי שלום, איתי אינצה, יואב אציון ודני וויצ׳חוב — עם רקע באוניברסיטת תל אביב, בטכניון ובאוניברסיטה העברית.
הבעיה שהיא מטפלת בה נמצאת לפני שלב האימון ולא בתוכו, ולכן היא זוכה לפחות תשומת-לב. לפני שמודל רואה נתונים כלשהם יש לנקות אותם, לחבר טבלאות זו לזו, לסנן, לסכם ולהמיר פורמטים — עבודה שמתבצעת בכלים כמו Apache Spark ורצה על מעבדים כלליים בחוות-שרתים שלמות. השלב הזה צורך זמן וחשמל רבים, ובפרויקטים ארגוניים רבים הוא צוואר-הבקבוק האמיתי: לא החישוב של המודל, אלא ההכנה שקודמת לו.
המענה של החברה הוא רכיב שהיא מכנה APU — יחידת עיבוד אנליטי — שבו פעולות הנתונים הנפוצות מבוצעות ישירות בחומרה, במקום להיות מתורגמות לרצף ארוך של פקודות למעבד כללי שלא תוכנן עבורן. ההיגיון זהה לזה שהוביל לפיתוח מאיצים ייעודיים ללמידה עמוקה, רק שהוא מוחל על שלב אחר בשרשרת. לפי החברה, הפתרון אינו דורש שינוי בקוד הקיים — נקודה מהותית, שכן העלות העיקרית במעבר לחומרה ייעודית היא בדרך-כלל הצורך לכתוב הכול מחדש.
מבחינה עסקית, החברה יצאה מהמסתור בספטמבר 2021 עם סבב A של 55 מיליון דולר, וביוני 2025 דיווח כלכליסט על סבב B של 44 מיליון דולר שהביא את סך הגיוסים לכ-114 מיליון דולר. בין המשקיעים בסבב זה נמנו לפי הדיווח מנכ"ל אינטל ליפ-בו טאן ואייל ולדמן, ממייסדי מלאנוקס. נכון ל-2026 מכהן עדי גלבן כמנכ"ל החברה.
בהקשר של הקטגוריה, Speedata ממחישה עיקרון שחוזר בכל תחום החומרה לבינה מלאכותית: כשעומס חישובי מסוים הופך נפוץ ויציב דיו, משתלם לבנות עבורו שבב ייעודי במקום להריץ אותו על מעבד כללי. מה שקרה לאימון רשתות עצביות עם המעבדים הגרפיים קורה עכשיו, בהיקף קטן יותר, גם לשלב הכנת הנתונים.