"原子而非比特"这一口号捕捉了硅谷对实体制造业日益增长的关注,上周杰夫·贝索斯组建1000亿美元基金收购和自动化工厂的消息让这种趋势达到了高潮。
然而,工厂自动化并非纯粹的硬件问题。它越来越依赖于复杂的软件和AI工具,这种转变正在重塑构建实体制造世界基础设施的公司。
Sift Stack是一家位于加利福尼亚州埃尔塞贡多的公司,其工具支持航天器和汽车等复杂机器的设计和制造。该公司首席执行官卡尔蒂克·戈拉普迪正感受到这种变化带来的冲击。他表示这些变化在过去六个月中重塑了公司的重点方向。
戈拉普迪和他的联合创始人兼首席技术官奥斯汀·斯皮格尔在2022年创立了这家公司,此前他们在SpaceX开发软件工具,管理大量遥测数据——在测试、制造和发射过程中从物理组件传感器实时传输的性能信息。
大多数制造先进机器的公司使用现成的数据库工具或开发自己的Python脚本,但Sift看到了为公司提供一流工具的机会。客户范围从美国主要火箭制造商联合发射联盟和其他国防承包商,到机器人技术和电网管理初创公司。
然而,戈拉普迪表示,用于数据分析的AI工具的出现迫使他的业务发生了变化。曾经作为公司标志性产品的定制工作流程在AI和深度学习模型的世界中已成为基本要求。但公司管理数据基础设施的能力突然变得更加宝贵。
"我们对未来五年发展的长期愿景实际上正在今年实现,"戈拉普迪告诉TechCrunch。
这意味着要管理当今软件密集型机器产生的强烈数据流。该公司合作的一些车辆拥有超过150万个传感器同时传输数据,涵盖多种格式和时间尺度。
为AI应用组织和存储这些数据是公司的目标——"很大一部分价值在于将其暴露为机器可读的格式,"戈拉普迪说。如果AI智能体要对制造做出决策或分析测试数据以标记潜在问题,Sift的目标是让这些数据对它们可用。
卫星公司Astranis的软件副总裁杰夫·德克斯特表示,对于像他这样每天可能进行1000万次自动化软件测试的公司来说,良好的数据基础设施至关重要。该公司使用Sift管理测试、制造和运营。
"不可避免地,仅仅存储数据每月就要花费我们数百万美元,"德克斯特说。"关键是,这数百万美元花得值吗?有了Sift这样的技术,我不用担心数据量有多大。"
戈拉普迪告诉TechCrunch,Sift在2025年完成了4200万美元的B轮融资,投后估值为2.74亿美元,由StepStone领投,GV(谷歌风投部门)、Riot Ventures、Fika Ventures和CIV参投。
Q&A
Q1:Sift Stack是什么公司?主要做什么业务?
A:Sift Stack是一家位于加利福尼亚州的公司,专门为航天器和汽车等复杂机器的设计和制造提供软件工具。该公司由两位前SpaceX工程师于2022年创立,主要管理制造和测试过程中的大量遥测数据。
Q2:为什么AI工具的出现改变了Sift Stack的业务重点?
A:AI工具的出现让原本复杂的定制工作流程变成了基本要求,但同时让数据基础设施管理变得更加重要。现在AI智能体需要访问机器可读的数据来做决策和分析,这让Sift的数据管理能力变得更有价值。
Q3:现代制造业的数据量有多大?为什么需要专门的数据管理?
A:现代软件密集型机器可能拥有超过150万个传感器同时传输数据,像Astranis这样的公司每天进行1000万次自动化测试。仅数据存储成本就可能达到每月数百万美元,因此需要专门的数据基础设施来高效管理。
好文章,需要你的鼓励
近期数据显示,2026年5月前企业已宣布约9万个与AI相关的裁员岗位,部分预测称未来五年美国15%的工作将被AI取代。然而,Ramp与Revelio Labs追踪近2.2万家企业的最新报告显示:重度投入AI的企业反而实现了更快的人员增长,包括初级岗位在内的各职能人数均有上升。但这一数据主要来自技术型企业,能否普遍适用仍存疑。报告同时指出,资源匮乏的企业可能在AI浪潮中持续落后。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
AI数据中心开发商向多家电力公司同时提交大负荷接入申请以确定选址,导致区域需求预测虚高、电网投资失衡。美国联邦能源监管委员会(FERC)及ERCOT、PJM、SPP等机构正推动"承诺优先"规划机制,要求项目具备实质性商业承诺方可纳入长期传输规划。谷歌、亚马逊、微软、OpenAI等科技巨头支持建立标准化的项目成熟度评估体系,但各方在具体机制上仍存分歧。发电建设问题尚未被纳入联邦传输改革议程。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。