人工智能服务本质上是一场大数据的较量:你需要大量数据来构建模型,而模型又需要高效的方式来摄取和输出数据以实现正常运作。
一家名为 Hammerspace 的公司构建了一个系统,帮助人工智能及其他组织轻松挖掘数据宝库,并赢得了显著的应用反馈。如今,随着其客户中包括 Meta 和国防部以及其他知名企业,Hammerspace 宣布获得1亿美元融资,以进一步拓展业务。
据接近该公司的消息人士向 TechCrunch 报道,此次融资被称为 “战略风险投资轮”,使 Hammerspace 的估值超过5亿美元。其投资方包括 Altimeter Capital 和 ARK Invest,以及其他未披露的战略投资者。这些投资者被形容为 “高度参与型”。
此次融资值得注意,因为它凸显了围绕市场对人工智能公司价值认同而形成的生态系统,这些公司正筹集数十亿美元以构建资本密集型业务并满足巨大的市场需求。
然而,正如 Altimeter 的合伙人 Jamin Ball 所指出,“没有数据战略就没有人工智能战略。” 因此,构建支持这一数据战略的平台的公司本身也能变得极具价值。
Hammerspace 表示,迄今为止其大部分增长均来自口碑传播。该公司将利用部分融资资金,通过销售和市场推广更加积极地扩大业务。
Hammerspace 曾从 Prosperity7 Ventures ( 沙特阿美的风险投资部门)、ARK Invest、Pier 88 Hedge Fund 以及其他未透露姓名的投资者那里筹集了5600万美元融资。此前,该公司由其首席执行官兼联合创始人 David Flynn 自筹资金,而他正是因在 Linux、超级计算机和闪存计算领域的早期工作而被公认为先驱技术专家。
如今有大量公司致力于填补当今数据市场中存在的巨大缺口。这里的 “巨大” 是一个关键字,因为与 Hammerspace 竞争的公司中,就包括 Dell、Pure Storage、Weka 以及其他在数据编排、文件管理、数据管道和数据管理领域的众多企业。
这一缺口大致表现为:我们今天用于工作和生活的各种应用及其他数字服务会生成大量潜在有价值的数据,但这些数据宝库通常存在于各自为政的孤岛中——它们零散分布于多个 ( 竞争性的 ) 云及其他环境中,且常常是非结构化的,这使得对数据的利用成为一大挑战。
这种缺口在广泛的企业应用场景中都存在,但目前最大的应用领域或许就是人工智能。
Flynn 在采访中表示,“人工智能正是催生我所构建之产品需求的完美风暴。”
正如我们之前所提到的,Hammerspace 的名称来源于卡通和漫画中首次出现的概念,即角色们能够凭空拿出他们所需的物品。
实际上,这正是 Hammerspace 所实现的功能。该初创公司提供了一种方法,使得大量数据——无论其存储位置或使用方式——都能在组织需要时及时获取,而在不需要时则将其隐藏,避免干扰。
正如 Flynn 所描述,企业通常处理数据的方式是将数据从原处迁移到需要处理的位置。“你必须在每个系统上安装软件,”他说,“这真是一团糟。”
而且这种方式极其缓慢。“人工智能军备竞赛就像一场短跑比赛,”他说。随着 “价值到达时间” 成为这些公司的关键优先事项,Hammerspace 正在吸引许多对闲置时间感到焦虑的客户。
Flynn 在闪存计算方面的背景是 Hammerspace 实现突破的核心。该系统基于 Linux 构建,而 Linux 在数据库领域随处可见,他认识到在不同地点组织数据的关键在于构建一个文件系统来实现这一目标。
这一关键技术正是 Linux 内核 NFS 客户端,它在众多数据系统中普遍存在。Hammerspace 的联合创始人兼首席技术官 Trond Myklebust 曾是 Linux 内核 NFS 客户端的主要开发者,而该初创公司至今仍是这一组件的主要维护者。公司所构建的用于管理、迁移和编排数据的 “文件系统”,正是基于 Linux 中这一特定实现。正如 Flynn 所言,“它的功能在业界独树一帜。”
从长远来看,Flynn 去年曾表示 Hammerspace 可能最早于今年公开上市。尽管这一时间表现已发生改变,但方向依然未变。Flynn 表示,“是的,IPO 绝对是 Hammerspace 的既定战略,我们可能仍需大约两年的时间(视市场状况而定)。”
更新说明:Nvidia、Palantir 和 Tesla 并非 Hammerspace 的客户;它们均为 Altimeter 过去的投资案例。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。