Vast Data 提供了适用于 AI 的数据存储平台,目前正在市场上筹集新一轮融资,估值将大幅跃升。
据一位熟悉此交易的人士透露,这家成立九年的公司今年早些时候便寻求大约 250 亿美元的估值。如果达成这一目标,其估值将会从 2023 年 12 月确定的 90 亿美元 E 轮融资估值大幅跳升。
这位人士表示,该交易尚未最终确定,相关条款 ( 包括估值 ) 都有可能发生变化,并补充道,尽管公司增长显著,但当时要求的估值偏高。据其他消息来源告诉 TechCrunch,许多风投公司对 Vast 保持关注并表示兴趣。
Vast 未对置评请求作出回应。
Vast Data 提供结合了数据管理软件和来自 Supermicro、HPE 以及 Cisco 等厂商的统一 CPU、GPU 以及数据硬件。传统的数据存储方案依赖于分级:低成本存储用于长期存储,高端存储适用于频繁使用的数据,而 Vast 则旨在消除这种分级制度,其产品特别针对闪存存储。
AI 对 Vast 的业务发展大有裨益。该公司的平台将结构化、半结构化和非结构化数据集中存储,这不仅加快了数据检索速度,还据称降低了模型训练和推理的成本。
公司的客户包括 Pixar、ServiceNow 和 Xai 等大型企业,以及利用 Vast 技术为终端用户提供存储解决方案的下一代 AI 云服务提供商,如 Coreweave 和 Lambda。
据 TechCrunch 报道,在大约 18 个月前完成 E 轮融资时,Vast 的年经常性收入 ( ARR ) 达到了 2 亿美元。Vast 的 CEO 及联合创始人 Renen Hallak 在去年五月的一次播客中表示,公司年增长率达到 2.5 至 3 倍。Renen 还提到,公司过去四年一直保持正向自由现金流。
在数据存储能力方面,Vast 与一家成立 16 年、市值近 170 亿美元的上市公司 Pure Storage 以及一家成立 12 年的 Weka 进行竞争,后者去年以 16 亿美元的估值完成了 1.4 亿美元的融资。Vast 还在开发一种与 Databricks 产品具备竞争力的数据库架构。
在当前这轮融资之前,公司已经从包括 Fidelity Management & Research Company、NEA、BOND Capital 和 Drive Capital 在内的投资者那里共筹集了 3.81 亿美元。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。