上周传出杰夫·贝佐斯正组建1000亿美元基金以整合并自动化工厂的消息，使“原子而非比特”——这一反映硅谷日益痴迷实体制造的短语——的呼声达到白热化。
但工厂自动化并非纯粹的硬件问题，其越来越依赖复杂软件和AI工具，这一转变正在重塑物理制造基础设施公司。
Sift：从遥测数据管理到AI数据基建
位于加州埃尔塞贡多的Sift CEO卡提克·戈拉普迪（Karthik Gollapudi）正感受行业剧变。该公司工具支持航天器、汽车等复杂机器的设计制造，他表示过去六个月这些变化已重塑公司关注重点。
戈拉普迪与联合创始人兼CTO奥斯汀·斯皮格尔于2022年创立Sift。此前两人在SpaceX从事软件工具开发，用于管理测试、制造及发射期间物理组件传感器实时流式传输的海量遥测数据。
尽管多数先进机器制造商使用现成数据库或自写Python脚本，Sift仍凭借一流工具赢得联合发射联盟（United Launch Alliance）、其他国防承包商及机器人、电网管理初创企业等客户。
然而，数据分析领域AI工具的兴起迫使业务转型。曾经作为标志性服务的定制化工作流，在AI和深度学习模型普及后已成基本要求；但公司管理数据基础设施的能力反而更具价值。
“我们五年前的长期愿景，实际上在今年就得以实现。”戈拉普迪对TechCrunch表示。
为AI代理构建可读的数据基础
这意味着需管理当今高度依赖软件的机器产生的海量数据流。部分合作车辆拥有超150万个传感器，同时以多种格式和时间尺度传输数据。
为AI应用组织和存储这些数据是核心目标。“很多价值在于使这些数据能够被机器读取”，戈拉普迪说。若AI代理要做出制造决策或分析测试数据标记潜在问题，Sift的目标就是让数据可供其使用。
Astranis是一家利用Sift管理测试、制造和运营流程的卫星公司。其软件副总裁杰夫·德克斯特表示，对于日均进行千万次自动化软件测试的公司而言，良好的数据基础设施至关重要。
“不可避免地，数据存储成本会达每月数百万美元，”德克斯特说，“有了Sift这样的技术，我不再担心数据量有多大。”
戈拉普迪透露，Sift于2025年完成4200万美元B轮融资，由StepStone领投，GV（谷歌风投部门）、Riot Ventures、Fika Ventures和CIV参与，投后估值2.74亿美元。