多模態AI數據基礎設施挑戰

在Lyft自動駕駛部門擔任軟體工程師時，Eventual創始人Sammy Sidhu與Jay Chia發現了一個關鍵的數據基礎設施問題，隨著AI的興起，此問題將日益嚴重。

自動駕駛汽車產生大量非結構化數據，包括3D掃描、圖像、文本和音頻。Lyft工程師缺乏統一工具來同時處理這些多樣數據類型，被迫依賴耗時且不可靠的碎片化開源解決方案。

“我們看到傑出的博士和行業專家將80%的時間用於基礎設施，而非核心應用開發，”Eventual首席執行官Sidhu在近期TechCrunch採訪中表示。“大多數挑戰來自數據基礎設施。”

Sidhu與Chia在Lyft開發了一款內部多模態數據處理工具。當Sidhu探索新工作機會時，面試者多次對類似解決方案表現出興趣，激發了創立Eventual的靈感。

Eventual創建了Daft，一款Python原生的開源數據處理引擎，旨在高效處理從文本到音頻和視頻的多樣數據類型。Sidhu希望Daft能革新非結構化數據基礎設施，如同SQL改變表格數據一樣。

Eventual於2022年初創立，幾乎比ChatGPT亮相早一年，當年推出Daft的初始開源版本，並計劃在第三季度推出企業產品。

“ChatGPT的崛起凸顯了使用多樣數據類型的AI應用激增，”Sidhu指出。“隨著開發者融入圖像、文件和視頻，我們看到Daft使用量顯著增加。”

TechCrunch全階段通行證節省超過200美元

更智能創新、高效擴展，建立有意義的聯繫。與來自Precursor Ventures、NEA、Index Ventures、Underscore VC等的遠見者共聚一堂，參與策略洞察、工作坊和社交活動。

TechCrunch全階段通行證節省超過200美元

更智能創新、高效擴展，建立有意義的聯繫。與來自Precursor Ventures、NEA、Index Ventures、Underscore VC等的遠見者共聚一堂，參與策略洞察、工作坊和社交活動。

雖然Daft起源於自動駕駛汽車領域，但其應用涵蓋機器人、零售科技和醫療等行業。Eventual目前服務於Amazon、CloudKitchens和Together AI等客戶。

Eventual在八個月內獲得兩輪融資：由CRV領投的750萬美元種子輪，以及由Felicis領投、Microsoft的M12和Citi參與的2000萬美元A輪融資。

近期融資將增強Eventual的開源產品，並支持商業產品的開發，使客戶能使用處理後的數據構建AI應用。

Felicis普通合夥人Astasia Myers通過針對多模態AI模型的數據基礎設施市場分析發現了Eventual。

Myers強調Eventual在此領域的先發優勢，該領域可能變得競爭激烈，並指出創始人直接面對數據處理挑戰的經驗。她強調了對此類解決方案的日益增長需求。

根據MarketsandMarkets，多模態AI行業預計從2023年到2028年將以35%的年複合增長率增長。

“根據IDC，全球數據創造量在過去20年激增1000倍，其中90%是在過去兩年產生，且大多數是非結構化的，”Myers表示。“Daft應對生成AI的這一巨大趨勢，生成AI依賴文本、圖像、視頻和語音，需要多模態原生的數據處理引擎。”