AI公司的爆发式增长将算力需求推向新高度，CoreWeave、Together AI和Lambda Labs等公司凭借分布式计算能力吸引了大量资本。然而，多数企业仍依赖AWS、Google Cloud和Microsoft Azure存储数据，这些云厂商的存储系统设计初衷是将数据保留在自身计算资源附近，而非跨云或跨区域分布。
Tigris Data联合创始人兼CEO Ovais Tariq表示：“现代AI工作负载正选择分布式计算而非大型云服务。我们希望为存储提供同样选项，因为没有存储，计算就毫无意义。”
Tigris由开发Uber存储平台的团队创立，正构建本地化数据存储中心网络，以满足现代AI工作负载的分布式计算需求。Tariq介绍称：“我们的AI原生存储平台随计算移动，允许数据自动复制到GPU所在位置，支持数十亿个小文件，并为训练、推理和智能体工作负载提供低延迟访问。”
TechCrunch独家获悉，Tigris最近完成2500万美元A轮融资，由Spark Capital领投，Andreessen Horowitz等现有投资者参与。这家初创企业正与大型云提供商正面竞争。
Tariq认为，既得利益者不仅提供更昂贵的存储服务，且效率更低。AWS、Google Cloud和Microsoft Azure长期对客户迁移或下载转移数据收取出口费用（即“云税”），这如同停止健身还需额外付费。
Fal.ai工程负责人Batuhan Taskaya表示，这些费用曾占其云支出的大部分。
Tariq指出，除出口费用外，大型云提供商还存在延迟问题。“出口费用只是深层问题的症状：集中式存储无法跟上去中心化、高速发展的AI生态系统。”
Tigris的4000多名客户中，大多数是构建图像、视频和语音模型的生成式AI初创公司，这些模型通常拥有庞大且对延迟敏感的数据集。
Tariq举例道：“想象与进行本地音频处理的AI智能体对话，你需要最低延迟。计算资源和存储都应是本地的。”
他补充称，大型云并未针对AI工作负载优化。跨多区域流式传输海量数据集可能造成延迟瓶颈，降低模型性能。而访问本地化存储意味着更快的数据检索速度，使开发者能可靠且更具成本效益地运行AI工作负载。
Taskaya表示：“Tigris让我们能在任何云中扩展工作负载，因为它从所有位置提供对同一数据文件系统的访问，且不收取出口费用。”
公司将数据靠近分布式云还有其他原因。例如在金融和医疗等高监管领域，采用AI工具的一大障碍是企业需确保数据安全。
Tariq指出另一动机是公司越来越希望掌控自有数据。他提到Salesforce今年早些时候阻止AI竞争对手使用Slack数据，并表示：“公司日益意识到数据的重要性及其如何驱动大语言模型和AI。他们希望更多掌控局面，不愿由他人控制这些数据。”
凭借新资金，Tigris计划继续建设数据存储中心以满足增长需求。Tariq透露，自2021年11月成立以来，该公司每年增长8倍。目前已在弗吉尼亚州、芝加哥和圣何塞拥有三个数据中心，并希望在美国及欧洲、亚洲（特别是伦敦、法兰克福和新加坡）继续扩张。