📢 转载信息
原文链接：https://techcrunch.com/2025/10/09/this-distributed-data-storage-startup-wants-to-take-on-big-cloud/
原文作者：Rebecca Bellan
AI时代爆发式增长，对分布式存储的需求日益迫切
随着人工智能（AI）公司的蓬勃发展，对计算能力的需求达到了新的极限。像CoreWeave、Together AI和Lambda Labs这样的公司，已经抓住了这一需求，通过提供分布式计算能力吸引了大量的关注和资本。
然而，大多数公司仍然依赖于“老三朵云”——亚马逊AWS、谷歌云和微软Azure来存储数据。这些传统云服务商的存储系统最初是为了将数据保留在其自有计算资源附近而构建的，而不是为了跨多个云或区域进行分散存储。
Tigris Data的联合创始人兼首席执行官Ovais Tariq在接受TechCrunch采访时表示：“现代AI工作负载和AI基础设施正在选择分布式计算，而非传统的大型云服务。”他强调：“我们希望为存储提供同样的选择，因为没有存储，计算就毫无意义。”
Tigris：专为AI工作负载构建的分布式存储层
Tigris由Uber存储平台开发团队的成员创立，该公司正在构建一个本地化数据存储中心网络。Tigris声称，该网络能够满足现代AI工作负载的分布式计算需求。Tariq介绍说，Tigris的AI原生存储平台“与您的计算同步移动，允许数据自动复制到GPU所在的位置，支持数十亿个小文件，并为训练、推理和代理工作负载提供低延迟访问。”
为了实现这一目标，Tigris最近完成了2500万美元的A轮融资，由Spark Capital领投，现有投资者（包括Andreessen Horowitz）跟投，TechCrunch独家获悉了这一消息。这家初创公司正挑战着Tariq称之为“大云”（Big Cloud）的传统巨头。
告别“云税”和高延迟
Tariq认为，这些行业巨头提供的不仅是成本更高的存储服务，效率也更低。AWS、Google Cloud和Microsoft Azure历来会对客户迁移到其他云提供商或下载和移动数据收取“出口费用”（业内称为“云税”）。例如，如果客户希望使用更便宜的GPU或同时在世界不同地区训练模型，就可能面临这笔费用，Tariq将其比喻为“停止去健身房还必须额外付费”。
根据Tigris的客户之一、Fal.ai的工程主管Batuhan Taskaya的说法，这些出口费用曾一度占了Fal.ai云支出的绝大部分。
Tariq表示，除了出口费用，大型云服务商还存在延迟问题。“出口费用只是一个症状，更深层次的问题在于集中式存储无法跟上分散式、高速的AI生态系统的步伐，”他说。
AI应用场景下的关键优势
Tigris 4000多名客户大多与Fal.ai类似：他们是构建图像、视频和语音模型的生成式AI初创公司，这类应用通常涉及大型、对延迟敏感的数据集。
Tariq举例说：“想象一下与一个正在进行本地音频处理的AI代理对话。您希望延迟最低。您希望计算能力靠近，数据存储也需要靠近。”
他补充说，大型云服务商并未针对AI工作负载进行优化。在多个区域流式传输大型数据集进行训练或实时推理，可能会造成延迟瓶颈，从而减慢模型性能。而本地化存储意味着数据检索速度更快，从而使开发人员能够使用分散式云以更可靠、更具成本效益的方式运行AI工作负载。
Fal.ai的Taskaya表示：“Tigris允许我们在任何云中扩展工作负载，同时从所有这些地方访问相同的数据文件系统，而且无需支付出口费用。”
数据主权与未来扩张
公司希望将数据更靠近其分布式云选项的其他原因也很重要。例如，在金融和医疗保健等高度监管的领域，数据安全是采用AI工具的一大障碍，企业需要确保数据安全。
Tariq表示，另一个动机是公司越来越希望拥有自己的数据。他提到了Salesforce今年早些时候 阻止其AI竞争对手使用Slack数据的事件。“公司越来越意识到数据的重要性，意识到它是驱动LLM和AI的燃料，”Tariq说。“他们希望拥有更多的控制权，不希望别人来控制它。”
Tigris计划利用这笔新资金继续建设数据存储中心，以满足日益增长的需求——Tariq称，自2021年11月成立以来，该初创公司每年的增长率达到了8倍。Tigris目前在弗吉尼亚州、芝加哥和圣何塞设有三个数据中心，并计划继续在美国扩张，同时进军欧洲和亚洲市场，特别是伦敦、法兰克福和新加坡。
话题标签：a16z, AI, 数据存储, 分布式计算, 独家, 融资, Spark Capital, 初创公司, Tigris Data
🚀 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，小白也可以简单操作。
青云聚合API官网https://api.qingyuntop.top
支持全球最新300+模型：https://api.qingyuntop.top/pricing
详细的调用教程及文档：https://api.qingyuntop.top/about
评论区