📢 转载信息
原文作者：Tim Fernholz
“原子，而非比特！”——这句口号捕捉到了硅谷对实体制造业日益增长的痴迷，取代了以往对数字产品的狂热。上周，随着 Jeff Bezos 宣布计划筹集 1000 亿美元资金，用于收购并利用人工智能改造传统制造业工厂，这种痴迷达到了前所未有的高度。
然而，工厂自动化并非单纯的硬件问题。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物理制造基础设施的公司。
Karthik Gollapudi 是位于加利福尼亚州埃尔塞贡多的 Sift 公司 CEO，该公司的工具旨在支持航天器和汽车等复杂机器的设计与制造。他感受到了脚下地面的变化，并表示这些趋势在过去六个月中彻底重塑了公司的重心。
源自航天技术的深厚积淀
Gollapudi 与其联合创始人兼 CTO Austin Spiegel 于 2022 年共同创立了该公司。此前，他们曾在 SpaceX 从事软件工具开发，负责管理在测试、制造和发射过程中从物理组件传感器流出的海量遥测数据（实时性能信息）。
大多数制造高端机器的公司通常使用现成的数据库工具或自行编写 Python 脚本，而 Sift 抓住了这一机会，致力于为这些企业提供业界领先的工具。他们的客户范围广泛，从美国大型火箭制造商 United Launch Alliance 等国防承包商，到机器人技术和电网管理领域的初创企业，应有尽有。
Gollapudi 指出，AI 数据分析工具的出现迫使他的业务发生转型。曾经被视为公司招牌的定制化工作流，在 AI 和深度学习模型大行其道的环境下已成为行业标配，而公司在管理数据基础设施方面的核心能力，反而显得愈发珍贵。
“我们对未来五年发展蓝图的长期愿景，实际上在今年就已经提前实现了，”Gollapudi 在接受 TechCrunch 采访时表示。
迎接 AI 时代的生产力变革
这意味着公司需要处理当今软件密集型机器产生的巨大数据流。Sift 合作的一些车辆拥有超过 150 万个并行流式传输数据的传感器，这些数据涵盖多种格式和时间尺度。
Sift 的目标是为 AI 应用组织和存储这些数据——“其核心价值在于将这些数据转化为机器可读的形式，”Gollapudi 解释道。如果 AI 代理要在制造过程中进行决策或分析测试数据以标记潜在问题，Sift 的目标就是确保这些数据能随时供 AI 调用。
卫星公司 Astranis 的软件副总裁 Jeff Dexter 使用 Sift 来管理其测试、制造和运营数据。他认为，对于像他们这样一天可能进行 1000 万次自动化软件测试的公司来说，优秀的数据基础设施至关重要。
“如果不加以管理，存储数据的成本每月会高达数百万美元，”Dexter 说道，“我们常会思考这笔投入是否值得。而有了像 Sift 这样的技术，我就再也不用为数据量的大小而担心了。”
Gollapudi 向 TechCrunch 透露，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。本轮融资由 StepStone 领投，GV（Google 的风投部门）、Riot Ventures、Fika Ventures 以及 CIV 跟投。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区