企業(yè)要應對越來越多的數(shù)據(jù)，無論是在組織內部生成的數(shù)據(jù)，還是從外部來源收集的數(shù)據(jù)，如何尋找有效的方法來分析和“操作”所有這些數(shù)據(jù)從而獲得競爭優(yōu)勢，正在變得越來越具有挑戰(zhàn)性。

這也推動了數(shù)據(jù)科學和機器學習領域對新工具和信技術的需求。根據(jù)財富商業(yè)洞察報告顯示，僅2021年全球機器學習市場規(guī)模就達到了154.4億美元，預計今年將達到211.7億美元，到2029年將增長到2099.1億美元，復合年增長率為38.8%。

與此同時，根據(jù)聯(lián)合市場研究報告顯示，2020年全球數(shù)據(jù)科學平臺市場規(guī)模為47億美元，預計到2030年將達到797億美元，復合年增長率為33.6%。

“數(shù)據(jù)科學”和“機器學習”兩個概念有時候容易被混淆、甚至是相互替換使用，但其實這是兩個不同的概念，它們之間存在相關性，因為數(shù)據(jù)科學實踐是機器學習項目的關鍵。

根據(jù)Master’s in Data Science網(wǎng)站的說法，數(shù)據(jù)科學是一個使用科學方法從數(shù)據(jù)中提取意義和洞察的研究領域，包括了制定數(shù)據(jù)分析策略、為分析準備數(shù)據(jù)、開發(fā)數(shù)據(jù)可視化和構建數(shù)據(jù)模型等方面。

根據(jù)財富商業(yè)洞察報告指出，機器學習則是人工智能這個范圍更廣的領域下一個子板塊，是使用數(shù)據(jù)分析來教計算機如何使用基于算法和數(shù)據(jù)的模型去學習，也就是模仿人類學習的方式。

市場對數(shù)據(jù)科學和機器學習工具的需求，催生了一大批在數(shù)據(jù)科學或者機器學習領域開發(fā)前沿技術的初創(chuàng)公司，包括以下10家：

1、 Aporia

• 創(chuàng)始人、首席執(zhí)行官：Liran Hason
• 總部：以色列特拉維夫
• 網(wǎng)址：https://www.aporia.com/

Aporia創(chuàng)立于2020年，開發(fā)了一個全棧的、高度可定制的機器學習可觀察性平臺，讓數(shù)據(jù)科學和機器學習團隊可以用來監(jiān)控、調試、解釋和改進機器學習模型和數(shù)據(jù)。

Aporia在種子輪融資中獲得了500萬美元，之后又在2022年3月的A輪融資中獲得2500萬美元。

Aporia將在2023年之前利用這筆資金把員工規(guī)模擴大兩倍，以及擴大在美國的業(yè)務規(guī)模，及其技術所覆蓋的使用場景范圍。

2、 Black Crow AI

• 創(chuàng)始人、首席執(zhí)行官：Richard Harris
• 總部：美國紐約
• 網(wǎng)址：https://www.blackcrow.ai/

Black Crow AI開發(fā)了一個針對電商應用的機器學習平臺，讓那些在線直接面向消費者的商家使用他們的模型預測訪客購物時的行為和未來價值。該軟件可以實時分析數(shù)十億個數(shù)據(jù)點，用于增強客戶體驗、管理客戶流失、優(yōu)化營銷支出。

Black Crow AI創(chuàng)立于2020年，在今年3月進行的A輪融資中獲得了2500萬美元，總融資額達到3000萬美元。Black Crow AI將利用這筆資金加速在數(shù)字商務和相鄰垂直領域挖掘新的、可用的機器學習場景。

3、 Comet

• 聯(lián)合創(chuàng)始人、首席執(zhí)行官：Gideon Mendels
• 總部：美國紐約
• 網(wǎng)址：https://www.comet.ml/site/

Comet的平臺為數(shù)據(jù)科學家和數(shù)據(jù)科學團隊提供了管理和優(yōu)化整個機器學習生命周期的能力，包括構建和訓練模型、實驗跟蹤和模型生產(chǎn)監(jiān)控，以提高可見性、協(xié)作和生產(chǎn)力。

Comet創(chuàng)立于2017 年，在去年11月進行的B輪融資中獲得了5000萬美元，但是該公司稱其年度經(jīng)常性收入增長了5倍，全球員工規(guī)模增加了2倍，客戶包括Ancestry、Etsy、Uber和Zappos。

4、dotData

• 創(chuàng)始人、首席執(zhí)行官：Ryohei Fujimaki
• 總部：美國加州圣馬特奧
• 網(wǎng)址：https://dotdata.com/

dotData的軟件提供了自動化特征工程和企業(yè)AI自動化功能，用于構建人工智能或者機器學習模型。在機器學習開發(fā)過程中，特征工程是在那些用于開發(fā)和訓練機器學習模型的數(shù)據(jù)中，尋找重要隱藏模式的一個關鍵步驟）。

dotData的旗艦產(chǎn)品是dotData Enterprise預測分析自動化軟件，此外還提供相關產(chǎn)品，包括dotData Cloud AI自動化平臺、dotData Py和 dotData Py Lite工具，以及用于實時AI模型的dotData Stream。

dotData創(chuàng)立于2018年，是從NEC分拆出來的一個公司，在今年4月進行的B輪融資中獲得了3160萬美元，總融資金額達到7460萬美元。dotData一直在利用這些外部資金加速自身產(chǎn)品開發(fā)。

5、Neuton

• 首席執(zhí)行官：Andrey Korobitsyn
• 總部：美國加州圣何塞
• 網(wǎng)站：https://neuton.ai/

Neuton創(chuàng)立于2021年，開發(fā)了一種自動化的無代碼“tinyML”平臺和其他工具，用于開發(fā)可嵌入微控制器的微型機器學習模型，從而使邊緣設備變得智能。

Neuton的技術正在進入廣泛的應用領域，包括壓縮機水泵的預測性維護、防止電網(wǎng)過載、房間占用檢測、手持設備上的手寫識別、齒輪箱故障預測和水污染監(jiān)測設備等。

6、Pinecone

• 創(chuàng)始人、首席執(zhí)行官：Edo Liberty
• 總部：美國舊金山
• 網(wǎng)址：https://www.pinecone.io/

Pinecone開發(fā)了一種矢量數(shù)據(jù)庫和搜索技術，為人工智能和機器學習應用提供動力。去年10月，Pinecone推出了Pinecone 2.0，將該軟件從研究實驗室?guī)У搅松a(chǎn)應用中。

Pinecone創(chuàng)立于2019年，去年走出隱身模式，在2021年1月的種子輪融資中獲得1000萬美元，在今年3月進行的A輪融資中獲得了2800萬美元。

Gartner在2021年將Pinecone評為人工智能和機器學習數(shù)據(jù)領域的“Cool Vendor”。

7、Snorkel AI

• 聯(lián)合創(chuàng)始人、首席執(zhí)行官：Alex Ratner
• 總部：美國加州紅木城
• 網(wǎng)站：https://snorkel.ai/

Snorkel創(chuàng)立于2019年，起源于斯坦福大學的人工智能實驗室，公司的五位創(chuàng)始人當時都是在這個實驗室研究解決機器學習開發(fā)缺乏標記訓練數(shù)據(jù)的問題。

Snorkel在今年3月推出了Snorkel Flow，這個數(shù)據(jù)為中心的系統(tǒng)通過使用程序化標簽來加速人工智能和機器學習的開發(fā)，而程序化標簽也是數(shù)據(jù)準備和機器學習模型開發(fā)和訓練過程中的一個關鍵步驟。

Snorkel的估值在2021年8月就突破了10億美元，當時這家初創(chuàng)公司在C輪融資中獲得了8500萬美元，用于擴大工程和銷售團隊以及加速平臺開發(fā)。

8、Striveworks

• 首席執(zhí)行官：James Rebesco
• 總部：美國德克薩斯州奧斯汀
• 網(wǎng)站：https://striveworks.us/

Striveworks創(chuàng)立于2018年推出，主要為那些受高度監(jiān)管的行業(yè)開發(fā)MLOps技術。

Striveworks的旗艦產(chǎn)品Chariot Platform主要用于運營數(shù)據(jù)科學，可減輕創(chuàng)建人工智能或機器學習解決方案的負擔。該系統(tǒng)可監(jiān)督數(shù)據(jù)獲取和準備的過程，以及機器學習模型的訓練、驗證、部署和監(jiān)控，而且所有這些都在云端、本地或網(wǎng)絡邊緣進行的。

9、Tecton

• 聯(lián)合創(chuàng)始人、首席執(zhí)行官：Mike Del Balso
• 總部：美國舊金山
• 網(wǎng)址：https://www.tecton.ai/

Tecton開發(fā)了一個機器學習功能庫平臺，可以將機器學習應用的部署速度從幾個月縮短到幾分鐘。Tecton的技術可以自動轉換原始數(shù)據(jù)、生成訓練數(shù)據(jù)集、提供大規(guī)模在線推理功能。

Tecton創(chuàng)立于2019年，創(chuàng)始人曾開發(fā)了Uber Michelangelo機器學習平臺，后來公司在2020年4月走出隱身模式。

10、Verta

• 首席執(zhí)行官：Manasi Vartak
• 總部：美國加州門洛帕克
• 網(wǎng)址：https://www.verta.ai/

Verta的平臺可被數(shù)據(jù)科學和機器學習團隊用于在整個人工智能和機器學習模型生命周期中部署、操作、管理和監(jiān)控模型。

Verta本月Gartner評為核心AI技術的“Cool Vendor”。