企业渴望获得新型软件和 AI 工具,但又不敢冒险将敏感数据交给第三方软件即服务 (SaaS) 供应商。Tensor9 致力于帮助软件公司获得更多企业客户,通过将他们的软件直接部署到客户的技术架构中来实现这一目标。
Tensor9 将软件供应商的代码转换成适合在客户技术环境中部署的格式。随后,Tensor9 利用数字孪生技术创建部署软件的数字复制品,即对部署软件基础设施的缩小模型,使 Tensor9 的客户能够监控软件在客户环境中的运行情况。Tensor9 能够协助公司在从云端到裸金属服务器等任意环境中进行部署。
Tensor9 联合创始人兼 CEO Michael Ten-Pow 告诉 TechCrunch,Tensor9 将软件转移到任意环境的能力,以及利用数字孪生技术进行远程监控的运用,使其在业内与其他如 Octopus Deploy 或 Nuon 同类公司形成了区别,这些公司同样帮助企业将软件部署到客户环境中。
Ten-Pow表示:“你不能仅仅把一段软件‘抛过墙去’,或者说很难把软件抛过墙去后,还能知道运行状况,定位问题、调试并解决问题。通过我们的方案,客户可以看到软件的运行状态,可以调试、登录系统,了解并解决问题。”
他表示,借助 AI 技术的兴起产生的顺风使得 Tensor9 的技术时机成熟。企业和金融机构都希望采用 AI 技术,但又不敢将数据交给第三方处理。
Ten-Pow 说道:“比如一家企业级搜索供应商如果去向 J.P. Morgan 提出‘嗨,我需要访问你们那 6 个拍字节的数据,来构建一层智能搜索系统,以便你们内部员工能够与公司数据进行对话’,这显然行不通。”
作为前 AWS 工程师,Ten-Pow 表示自己经历了一条“漫长而颇曲折的道路”才推出 Tensor9。他在构思其他未能成功的点子时,萌生了创办公司的念头。当时他花了一些时间探索如何让软件供应商更便捷地获得 SOC 2 认证(一种网络安全合规框架),以帮助他们满足要求供应商必须具备此认证的客户需求。
虽然这一方向未见成效,但他从与客户的交流中发现,企业真正需要的,是能够让软件直接在他们自己的技术环境中运行。然而,许多软件公司,尤其是初创企业,并没有资源为每个企业客户提供定制的本地部署选项。
这种需求成为了 Tensor9 的基础,Ten-Pow 于是于 2024 年推出了 Tensor9。同年稍晚,他邀请了两位前 AWS 同事 Matthew Michie 和 Matthew Shanker 加入成为联合创始人。
公司最早在语音 AI 公司中获得了初步的市场认可。从那时起,他们开始拓展到其他领域,包括企业级搜索、企业级数据库和数据管理。目前,该公司与多家 AI 公司合作,如 11x、Retell AI 和 Dyna AI 等。
Tensor9 在第一年实现自助融资,近日成功完成了由 Wing VC 领投、Level Up Ventures、Model Ventures 的 Devang Sachdev、前 Nvidia 员工成立的天使投资团 NVAngels 以及其他天使投资人参与的 400 万美元种子轮融资。Ten-Pow 表示,要让投资者看好这一想法并不太难,因为他们接触的风投公司都曾目睹旗下公司正为同样的问题苦恼。Tensor9 只需说服投资者,他们正是解决这一问题的最佳团队。
Ten-Pow 说:“我们的模式看似简单,但在其背后蕴藏着大量复杂技术挑战,我们已经成功解决了这些难题,这也是我们获得投资者青睐的原因之一。”
该公司计划利用这笔资金进行人才招聘,并构建下一代技术,从而能够服务于更多领域的客户。
Ten-Pow 补充道:“从本地部署到云端已经经历了一次演进,我们认为软件应当在需要它的地方运行,这一理念实际上是在整合以往的本地部署与云端思想,是下一步的发展。”
好文章,需要你的鼓励
2025年1月,OpenAI、软银、甲骨文和MGX联合宣布"星际之门"计划,承诺投资5000亿美元,部署高达10GW算力基础设施。如今,该项目已从白宫发布会上的宏大承诺,演变为一场前所未有规模的基础设施建设实验。项目已扩展至德克萨斯、威斯康星、俄亥俄等多地,并延伸至阿布扎比和挪威。然而,融资争议、合作伙伴摩擦、能源压力及政策监管收紧,正考验着这一"AI工业园"模式能否真正落地。
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。
加密货币交易所OKX正式推出AI智能体交易市场OKX AI,允许AI代理相互雇佣、自主结算,并建立基于区块链的可携带信誉档案。该平台经过50家早期服务商封测后向开发者开放,依托稳定币和链上支付基础设施,支持全天候微支付。OKX创始人徐明星表示,传统金融基础设施为人类而建,智能体经济需要为自主软件专门设计的基础设施。
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。