2020 年,Dbt Labs 的数据分析工具还只是费城一家小型咨询公司的副业项目,虽然拥有忠实的用户群,但收入微不足道。CEO Tristan Handy 向 Forbes 透露,五年后的今天,这款工具已成为一家快速发展的企业核心产品,拥有超过 5,000 个付费客户,年经常性收入超过 1 亿美元。
近十年前,Handy 因为作为数据分析师使用笨重软件的frustration,创立了这家公司 (之前名为 Fishtown Analytics)。尽管 Amazon Redshift 和 Fivetran 等云端数据工具已经流行,但开发者们并不知道如何充分利用它们,于是他开始创办咨询业务来提供帮助。
在与客户合作的过程中,Handy 决定开发一个工具,让数据清理和格式转换这些繁琐的任务更像软件工程 - 数据工程师可以编写代码和运行测试,而不是"用胶带东拼西凑"。这可以让经常因任何改动而容易崩溃的内部系统变得更可靠和高效。这反过来可以帮助企业更快地梳理杂乱无章的数据集,找到模式和数据点来辅助决策。Handy 说,这是咨询公司的"最佳秘密武器"。
随后公司将 Dbt Core (全称"data built tool") 开源,希望为咨询服务带来免费宣传。但它意外走红并持续获得稳定采用;2020 年 Fishtown 转型并更名为 Dbt Labs,成为一家软件公司。
其企业级数据管理工具 Dbt Cloud 和 Dbt Core 目前已被约 50,000 个团队使用,过去两年收入增长约 80%。Conde Nast、Nasdaq 和 Siemens 等公司都在使用 Dbt Labs 的产品来简化和格式化数据并从中获取新信息。
"他们已经从初创企业成长为规模化企业,"在 2020 年领投该公司 3,000 万美元 B 轮融资的 Sequoia 合伙人 Matt Miller 说。多年来,该公司已从 Sequoia 及 Altimeter、Amplify Partners 和 Andreessen Horowitz 等顶级投资者那里筹集了超过 4 亿美元的资金,在 2022 年估值达到 42 亿美元。
在全球疫情期间,随着公司向云端迁移并数字化数据,该公司获得了初步增长。现在又一个趋势正在推动公司发展:人工智能。企业领导者正在构建新的生成式 AI 应用,并寻找方法在内部利用 AI 提高效率。这些努力的核心是优质、干净的数据,这给了 Dbt 一个新机会,提供工具帮助使数据更容易被模型摄取。"AI 确实是我们的一个利好因素,"Handy 说。
Miller 表示,他最初是通过他投资组合中另一个数据巨头了解到这家公司的:收入达 28 亿美元 (2024 年) 的 Snowflake。Dbt 的扩张战略之一是作为 Databricks 和 Snowflake 等不同数据仓库的上层,这些仓库存储和处理海量数据,并"成为跨平台运作的大脑,"Miller 说。今年 1 月,该公司收购了 SDF Labs,这家公司开发分析数据在平台之间流动的软件。
Dbt Labs 最近为其产品增加了新功能,帮助人们使用自然语言提示来询问数据相关问题,并自动化数据工程师工作的某些部分,如测试数据质量和生成文档。这家成立九年的公司计划继续专注于其细分领域的专业用户,为数据从业者添加更多功能。CEO Handy 表示,这些用户在工具方面一直"得不到充分服务"。
好文章,需要你的鼓励
Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能,通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统,通过锁定浏览器和真实性验证打击作弊行为,据称可减少95%的不当行为。此外,AI课程构建器将扩展至所有合作伙伴,帮助教育者快速设计课程。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
英国政府研究显示,神经多样性员工从AI聊天机器人中获得的收益远超普通同事。在Microsoft 365 Copilot试点中,神经多样性员工满意度达90%置信水平,推荐度达95%置信水平,均显著高于其他用户。患有ADHD和阅读障碍的员工表示AI工具为他们提供了前所未有的工作支持,特别是在报告撰写方面。研究表明,AI工具正在填补传统无障碍技术未能解决的职场差距,为残障人士提供了隐形的工作辅助。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。