从事电池、半导体和医疗设备研发的公司产生了海量数据，其中许多分散在电子表格和遗留系统中，难以用于改进产品或分析故障。
总部位于旧金山的初创公司Altara刚刚获得700万美元种子轮融资。该公司构建了一个AI层，旨在弥合数据缺口并将碎片化的技术信息整合至单一平台。本轮由Greylock领投，Neo、BoxGroup、Liquid 2 Ventures及Jeff Dean参与投资。
Altara由Eva Tuecke（右图）和Catherine Yeo（左图）于2025年创立。两人曾在哈佛大学攻读计算机科学时相识：Tuecke此前曾在费米实验室进行粒子物理研究并在SpaceX工作；Yeo曾是Warp的AI工程师。
Yeo表示：“想象一下，如果你是一家正在开发下一代电池的公司，而电池在研发过程中的电芯测试阶段发生故障，工程团队必须手动检查大量不同的数据来源，从传感器日志到温度、湿度数据，还要交叉核对历史故障报告。”
她指出，科学家和工程师往往需要花费数周甚至数月时间在各种数据源中进行“寻宝式”排查，才能诊断并解决故障。
Altara声称其人工智能大幅缩短了该流程所需时间，将原本需要数周的手动数据筛选工作压缩至几分钟内完成。
Greylock合伙人Corinne Riley将Altara在物理科学领域的工作与软件领域的站点可靠性工程师（SRE）角色相类比。她表示，如果系统出现故障，“SRE会介入查看公司的可观测性栈”，确认是否因代码更改导致服务中断。
例如，估值达15亿美元的Greylock支持企业Resolve利用AI诊断软件故障；而Altara的愿景是充当硬件领域的对应角色，精准判断电池或半导体性能失效的具体原因。
Altara并非唯一利用AI加速物理科学开发的初创公司，Periodic Labs和Radical AI等企业也正从基础层面着手攻克科学研究难题。
不过，Altara采取了一种不同且资本密集度低得多的方法。它并非试图取代拥有数十年历史的科研和制造企业，而是提供一个智能层接入现有数据。
事实上，Greylock的Riley认为面向物理科学的人工智能是“下一个重大前沿领域”，并预测该领域即将迎来爆发式发展。