TensorZero 获得 730 万美元种子基金，用于简化企业 LLM 开发

新兴的人工智能应用开源基础设施提供商 TensorZero 已获得 730 万美元种子轮融资，由 FirstMark Capital 领投，Bessemer Venture Partners、Bedrock、DRW、Coalition 和众多行业天使投资人跟投。

TensorZero 的 GitHub 存储库获得了全球 "第一趋势 "地位，近几个月来，其星级数从 3,000 个增至 9,700 多个，增长了近两倍。这种快速发展反映出企业在部署生产级人工智能解决方案方面面临着越来越多的挑战。

解决人工智能基础设施差距

FirstMark 的 Matt Turck 指出："虽然人们对人工智能应用的兴趣与日俱增，但企业缺乏强大的工具来满足复杂的实施需求。TensorZero提供企业就绪的组件，开箱即可协同工作。

这家总部位于布鲁克林的初创公司解决了大规模部署大型语言模型（LLM）的关键痛点，目前整合模型访问、监控和优化需要将不同的解决方案拼凑在一起。

从核聚变到人工智能优化

TensorZero 的技术基础源于联合创始人 Viraj Mehta 在卡内基梅隆大学的核聚变博士研究。在能源部的项目中，每五秒的数据采集成本高达 3 万美元，Mehta 开发了强化学习方法，以最大限度地提高每个数据点的价值。

"这种稀缺思维直接影响了我们的平台架构，"Mehta 解释道。"就像融合研究一样，有效的人工智能实施需要战略性地利用数据来不断改进系统。

这一观点促成了 TensorZero 的核心创新：将 LLM 应用程序视为强化学习问题，系统通过结构化反馈不断发展。

企业人工智能统一平台

与当前需要集成多个供应商的零散方法不同，TensorZero 将模型管理、可观测性和优化整合到一个开源堆栈中，旨在实现协同效应。

"现有的解决方案迫使企业将不同的工具拼凑在一起，而这些工具并不是为了协同工作而设计的，"去中心化金融项目 Ondo Finance 的前首席运营官、联合创始人 Gabriel Bianconi 说。"我们正在建立集成的基础设施，以创造一个持续改进的循环。

基于 Rust 的平台实现了亚毫秒级的延迟，同时每秒可处理超过 10,000 次查询，大大优于基于 Python 的其他平台。

企业加速采用

商业应用已取得显著进展，实施范围包括

• 一家欧洲顶级银行实现代码文档自动化
• 医疗保健、金融和消费技术领域的 A/B轮人工智能初创企业
• 需要内部部署以确保数据合规的企业

技术优势

TensorZero 与 LangChain 等框架的不同之处在于

• 端到端生产准备就绪，而非专注于原型设计
• 结构化数据收集实现高级优化
• 大规模的企业级性能
• 开源基础，减少供应商锁定

未来路线图

种子基金将加速

• 开源平台开发
• 在纽约扩大团队
• 为复杂的优化任务提供托管服务
• 加速人工智能实验的研究工具

"我们的愿景是创造一个自我强化的改进循环，"Mehta 说。"随着人工智能处理的工作流程越来越复杂，我们必须在真实环境中评估性能，而不是孤立地评估。

凭借其在 GitHub 上的发展势头和早期的企业牵引力，TensorZero 定位为解决企业从人工智能实验过渡到运营部署过程中的关键基础设施差距。