大数据成本优化初创企业Yuki Technologies Ltd.今日宣布完成600万美元种子轮融资,旨在帮助企业控制人工智能项目相关的云基础设施费用。
本轮融资由Hyperwise Ventures领投,VelocitX、Tal Ventures、Fresh.fund以及Spot.io联合创始人Yakir Daniel参与投资,融资同时标志着Yuki平台的正式发布。
Yuki表示,该公司致力于帮助企业管理AI工作负载产生的数据成本飙升问题,因为AI需要消耗大量信息资源。众所周知,人工智能的成本极其昂贵,大多数人都了解英伟达公司图形处理器等高端芯片带来的巨额计算成本。然而,很少有人意识到相关数据基础设施的费用同样惊人。
Yuki指出,企业面临的挑战之一是,它们倾向于在AI项目中使用与传统工作负载相同的僵化数据基础设施。但这种一刀切的模式迫使预算和性能要求不同的团队使用相同的计算资源,导致巨大的成本效率低下,随着AI项目规模扩大和数据量增长,这种问题会进一步恶化。
Yuki首席执行官Ido Arieli Noga向SiliconANGLE表示,公司的目标是通过智能自动化和实时优化来解决企业数据基础设施问题。其企业平台的核心是Yuki Fabric,这是一个专门的AI优化模型,作为包括Snowflake、Google BigQuery和其他基于Apache Iceberg的数据湖等数据平台的统一控制和自动化层。
该系统的任务是管理AI工作负载如何消耗存储和计算资源。它通过实时监控来了解工作负载的行为、服务级别协议和成本性能权衡,从而在性能和成本之间找到正确的平衡。
"数据是组织中唯一没有人真正管理的资源,"Noga说道。"我们知道如何存储数据,但不知道如何管理数据。虽然有预算、云基础设施和团队,但数据本身没有控制系统。"
Yuki改变了这种现状。作为数据控制层,它位于数据平台之上,防止基础设施和流程重复,从而优化计算和存储,降低这些资源的运营成本。该系统可以快速部署,无需对底层基础设施或工作负载进行任何代码更改,并且能够区分业务关键任务和低优先级内部流程。基于这种评估,它将每个查询路由到最高效的可用计算资源,使企业能够在数据量增长的同时减少数据成本。
"Yuki被设计成为控制层,使数据基础设施具备工作负载感知能力并进行实时管理,在AI时代这变得更加关键,"Noga补充道。"团队不断运行实验、模型和新工作负载,许多组织发现他们为数据和计算资源支付巨额费用,而这些资源实际上已经无人使用,仅仅因为没有人花时间去管理和清理它们。"
这家初创公司对其帮助客户降低数据基础设施成本的能力非常自信,如果无法实现成本节约,将不收取费用。该公司创建了基于客户成功的新型商业模式,按照帮助企业产生的节省成本的一定比例收费。因此,如果未能帮助客户节省任何费用,客户无需支付任何费用。
尽管如此,Noga相信大多数客户会很乐意为其服务付费,因为他估计该平台平均能为客户节省约42%的数据成本。对于大型企业来说,这种节省每月可达数百万美元。尽管刚刚推出,Yuki已经为多家知名企业提供服务,包括边缘云基础设施公司Qwilt Inc.、网络安全提供商Tenable Holdings Inc.和独立电影媒体公司Angle Studios Inc.。
展望未来,Yuki计划扩大其15人团队和以色列研发中心,以增强产品功能并支持更多数据平台。
天使投资人Daniel表示,由于在Spot.io的经历(这家云成本控制初创公司被NetApp Inc.收购后又出售给Flexera Software LLC),他很快就认识到了Yuki试图解决的痛点。他认为该公司在企业寻求扩大AI计划的关键时刻推出产品,时机恰到好处。"它正在构建数据成本优化的控制平台,恰逢AI将数据支出变成董事会级别的问题,"Daniel说道。
Q&A
Q1:Yuki主要解决什么问题?
A:Yuki主要解决企业AI项目中数据基础设施成本飙升的问题。由于企业倾向于在AI项目中使用与传统工作负载相同的僵化数据基础设施,这种一刀切模式导致巨大的成本效率低下,随着AI项目规模扩大问题更加严重。
Q2:Yuki Fabric是如何工作的?
A:Yuki Fabric是专门的AI优化模型,作为数据平台的统一控制和自动化层。它通过实时监控AI工作负载的行为、服务级别协议和成本性能权衡,区分业务关键任务和低优先级流程,将每个查询路由到最高效的计算资源,实现成本和性能的平衡。
Q3:Yuki的收费模式是什么样的?
A:Yuki采用基于客户成功的独特商业模式,按照帮助企业产生的节省成本的一定比例收费。如果无法帮助客户节省任何费用,客户无需支付任何费用。据估计,该平台平均能为客户节省约42%的数据成本。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。