Activeloop获得1100万美元融资，用于提升企业在AI应用中的多模态数据使用能力

Home AI News CN Activeloop获得1100万美元融资，用于提升企业在AI应用中的多模态数据使用能力

Activeloop获得1100万美元融资，提升AI数据库解决方案

位于加利福尼亚的初创公司Activeloop刚刚完成了由Streamlined Ventures、Y Combinator和Samsung Next等投资者提供的1100万美元A轮融资。该公司由普林斯顿大学辍学生Davit Buniatyan共同创办，专注于提供专用数据库以加速AI项目开发。

Activeloop在竞争激烈的数据平台市场中脱颖而出，专注于企业面临的核心挑战：利用非结构化的多模态数据训练AI模型。其创新技术“Deep Lake”使团队能够以低至竞争对手75%的成本开发AI应用，并能将工程生产率提升高达五倍。

利用Deep Lake释放AI潜力

随着企业寻求利用复杂数据集开发多样化AI应用，麦肯锡的研究指出，生成性AI具备可观的潜力，可能为全球企业每年创造2.6万亿至4.4万亿的利润。这一影响覆盖客户互动、市场内容创作和基于自然语言提示生成软件代码等多个领域。

Activeloop Deep Lake的工作原理

训练高性能基础AI模型通常涉及管理PB级的非结构化数据，包括文本、音频与视频。传统方法要求团队整理混乱的数据孤岛，需耗费大量时间进行总体编码和集成，导致项目成本上涨。

通过标准化Deep Lake，Activeloop解决了这一低效问题。这个系统将图像和视频等复杂数据存储为机器学习所需的数学表示（张量），并可通过类似SQL的张量查询语言、浏览器内可视化或与深度学习框架（如PyTorch和TensorFlow）集成，轻松检索数据。

使用Deep Lake，开发人员可以高效地过滤和搜索多模态数据，跟踪版本，并实时流式传输数据，训练针对特定应用的AI模型。

转变AI中的数据管理

Buniatyan强调，Deep Lake结合了传统数据湖的优点，同时将所有数据转换为深度学习算法所需的张量格式。张量存储在云端或本地解决方案（如AWS S3）中，并实时传输至GPU进行高效训练，消除了以往导致GPU空闲的批量复制方法。

自2018年成立以来，受Buniatyan在普林斯顿神经科学实验室面临的挑战启发，Activeloop已开发出涵盖开源与专有元素的全面数据库功能。开源部分包括数据集格式、版本控制和各种API，以简化数据处理。而专有功能则提供先进的可视化工具和稳定的流媒体引擎。

虽然具体客户数量未披露，但开源项目的下载量已超过100万次，进一步巩固了Activeloop在企业市场的立足之地。其企业解决方案采用基于使用量的定价模式，已被生物制药、生命科学、医疗技术、汽车和法律等受监管行业的财富500强企业采用。

例如，拜耳放射学采用Deep Lake将多种数据模式整合成一个解决方案，显著缩短了数据预处理时间，并引入“与X光对话”功能，使数据科学家能够使用自然语言查询扫描结果。

未来发展计划

Activeloop致力于提升其企业解决方案，吸引更多客户使用其AI数据库，重点在于简化复杂非结构化数据的组织与检索。公司计划扩大工程团队，以支持近期获得的融资。

Buniatyan还预见Deep Lake v4的即将推出，它将引入更快的并发I/O、用于模型训练的高级流媒体数据加载器及全面的数据血统追踪能力，并与外部数据源整合。他强调，这一领域虽然客户众多，但尚未出现直接竞争对手。

最终，Activeloop期望为企业节省大量内部数据组织与检索的成本，使工程师们能够专注于提高生产力，而不是重复的编码工作。

NSFWChatAI.ai 是一个提供 AI 虚拟女友聊天的互动平台，让您可以与您的虚拟女友进行自由且愉快的对话。

虚拟女友 AI 相片和图像生成器

4.5M

Publer是一个强大的工具，专为社交媒体管理而设计，能够轻松安排和分析在多个平台上发布的帖子。

社交媒体排程 AI社交媒体助手

12.7K

TweetyAI是一款智能推文生成工具，旨在提升品牌曝光度并优化社交媒体策略。

推特 AI 内容生成器

36.7K

引入图像识别API：用于高效图像标记、分类和人脸识别的创新解决方案。此API旨在提供精准的图像处理功能，帮助开发者快速实现智能识别技术。通过这一API，用户可以轻松进行图像分类和人脸检测，提升应用程序的智能化水平。

图像标记 AI 图像识别

Find AI tools in YBX