Lyft 数据难题催生多模态处理引擎 Daft：Eventual 引领非结构化数据革命

在Lyft的自动驾驶部门工作的软件工程师Sammy Sidhu和Jay Chia发现了一个日益严重的数据基础设施问题，这成为他们创建Eventual公司的契机。自动驾驶汽车会产生大量的非结构化数据，包括3D扫描、照片、文本和音频等。然而，当时并没有一个工具能够同时处理这些不同类型的非结构化数据，而Lyft的工程师们不得不自行拼凑开源工具，过程耗时且容易出错。 “我们的团队中有许多来自各个领域的顶尖专家，”作为Eventual首席执行官的Sidhu在接受TechCrunch采访时表示，“但令人遗憾的是，他们中有80%的人需要花费大量时间来解决数据基础设施的问题，而不是专注于他们的核心应用程序。” 为了解决这一难题，Sidhu和Chia帮助Lyft开发了一款内部多模态数据处理工具。当Sidhu在寻找其他工作机会时，他发现很多面试官都希望他能为他们的公司打造类似的解决方案，于是Eventual的想法应运而生。 2022年初，Sidhu和Chia正式创立了Eventual公司，并推出了一个名为Daft的Python原生开源数据处理引擎。Daft的设计目的是能够在不同类型的数据上快速运行，从文本到音频和视频等。其目标是让Daft像过去的SQL对表格数据集一样，对非结构化数据基础设施产生革命性的影响。 随着ChatGPT的风靡，越来越多的公司开始开发涉及多种模态的AI应用，这也推动了Daft的使用量急剧上升。如今，Eventual的客户已涵盖多个行业，包括Amazon、CloudKitchens和Together AI等。Daft不仅解决了自动驾驶领域的数据处理问题，还在机器人、零售技术和医疗保健等行业中找到了应用场景。 最近几个月，Eventual接连完成了两轮融资。2022年，公司获得了750万美元的种子轮融资，由CRV领投。今年早些时候，Eventual又完成了2000万美元的A轮融资，本轮由Felicis领投，微软的M12和Citi参与。新一轮融资将用于增强Eventual的开源产品，并开发一款商用产品，使客户能够利用处理后的数据构建AI应用。 Felicis的general partner Astasia Myers表示，她在一次市场调研中发现了Eventual。她说，Eventual之所以脱颖而出，是因为它是该领域的先行者，并且创始人亲自应对过这一问题。此外，多模态AI行业预计将在2023年至2028年间以35%的复合年增长率增长，数据生成量在过去20年里增加了1000倍，90%的数据是在最近两年生成的，其中大部分是非结构化的。Myers认为：“Daft正好符合这种大势所趋，因为越来越多的生成式AI应用围绕文本、图像、视频和声音展开，而这些都需要一个多模态原生的数据处理引擎。” 业内人士普遍认为，Eventual及其Daft引擎为非结构化数据处理带来了新的解决方案，有望在日益拥挤的市场中占据一席之地。随着多模态AI应用的兴起，Eventual的发展前景被广泛看好。