当Eventual创始人萨米·西杜和贾伊·贾亚在Lyft自动驾驶部门担任软件工程师时，他们发现了一个正在发酵的数据基础设施问题——随着人工智能的兴起，这个问题只会愈发严重。
自动驾驶汽车通过3D扫描、照片、文本和音频产生海量非结构化数据。当时Lyft工程师缺乏能同时处理所有数据类型的一体化工具，导致他们不得不耗时费力地拼凑开源解决方案，且存在可靠性隐患。
“我们拥有众多顶尖博士和行业精英研发自动驾驶技术，但他们80%的时间都耗费在搭建基础设施上，而非核心应用开发，”现任Eventual首席执行官的西杜近日接受TechCrunch采访时表示，“而他们面临的核心困境正是数据基础设施。”
西杜和贾亚曾为Lyft构建了内部多模态数据处理工具。当西杜应聘其他职位时，发现面试官们纷纷询问能否为其公司打造同类解决方案，Eventual的创业构想由此诞生。
该公司开发了原生Python开源数据处理引擎Daft，能够快速处理文本、音视频等跨模态数据。西杜表示其目标是让Daft成为非结构化数据领域的革命性工具，就像当年SQL彻底改变表格数据处理那样。
这家成立于2022年初的公司，比ChatGPT发布早了近一年，当时多数人尚未意识到数据基础设施的缺陷。他们在2022年推出首个开源版Daft，并计划在今年第三季度发布企业级产品。
“ChatGPT的爆发让我们看到，众多开发者开始构建融合多模态的AI应用，”西杜指出，“图像、文档和视频逐渐成为应用标配，这正是Daft使用量激增的契机。”
虽然Daft的灵感源自自动驾驶领域，但机器人、零售科技和医疗等需要处理多模态数据的行业同样适用。目前其客户包括亚马逊、CloudKitchens和Together AI等企业。
Eventual在八个月内连续完成两轮融资：由CRV领投的750万美元种子轮，以及近期由Felicis主导、微软M12和花旗跟投的2000万美元A轮。新资金将用于强化开源生态，并开发帮助客户基于处理数据构建AI应用的商业产品。
Felicis普通合伙人阿斯塔西亚·迈尔斯透露，其通过市场调研发现Eventual时，正致力于寻找能支撑多模态AI模型增长的数据基础设施。她认为该公司的先发优势和创始人亲身解决数据处理问题的经验尤为突出，且瞄准了日益凸显的市场需求。
据管理咨询公司MarketsandMarkets预测，2023至2028年多模态AI产业年复合增长率将达35%。迈尔斯强调：“过去20年数据生成量增长1000倍，全球90%数据产生于近两年，而IDC数据显示绝大多数属于非结构化数据。Daft完美契合文本、图像、视频和语音构建生成式AI的宏观趋势——这正是多模态原生数据处理引擎的价值所在。”
