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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。