Eventual：打造多模态AI时代的“SQL级”数据引擎
当 Eventual 创始人 Sammy Sidhu 和 Jay Chia 在 Lyft 自动驾驶项目担任软件工程师时，他们敏锐地察觉到一个正在酝酿的数据基础设施痛点——随着人工智能的兴起，这一问题愈发严峻。
自动驾驶汽车会产生海量非结构化数据（涵盖3D扫描、照片、文本及音频等）。然而，Lyft 工程师此前缺乏能同时理解并处理这些异构数据的统一工具。这迫使他们不得不通过冗长流程拼凑开源方案，且可靠性难以保障。
Eventual CEO Sidhu 在接受 TechCrunch 采访时指出：“我们拥有众多顶尖博士和行业精英从事自动驾驶研究，但他们约80%的时间耗费在基础设施上，而非核心应用构建。”他强调，团队面临的大多数挑战均源于数据基础设施。
为此，Sidhu 和 Chia 为 Lyft 开发了内部多模态数据处理工具。此后 Sidhu 在求职时发现，面试官反复询问他能否为公司构建类似解决方案，Eventual 的理念由此诞生。
Eventual 推出了原生 Python 开源数据处理引擎 Daft，旨在高效处理文本、音视频等多种模态数据。Sidhu 表示，其愿景是让 Daft 对非结构化数据基础设施产生变革性影响，如同 SQL 当年对表格数据集的影响一般。
该公司成立于2022年初（早于 ChatGPT 发布近一年），彼时业界尚未充分意识到该领域空白。2022年 Daft 首个开源版本上线，企业版产品计划于第三季度推出。
Sidhu 坦言：“ChatGPT 的爆发让我们看到，越来越多开发者正利用多模态构建 AI 应用，集成图像、文档和视频等内容。正是在这一阶段，Daft 的使用量急剧增长。”
尽管 Daft 最初源于自动驾驶需求，但机器人技术、零售科技和医疗保健等众多行业同样面临多模态数据处理挑战。目前，Amazon、CloudKitchens 和 Together AI 等均已成为其客户。
Eventual 在八个月内完成两轮融资：首轮为由 CRV 领投的750万美元种子轮；近期又完成由 Felicis 领投的2000万美元 A 轮融资，Microsoft M12 和 Citi 跟投。新资金将用于增强开源产品并打造商业版，助力客户基于处理后数据构建 AI 应用。
Felicis 普通合伙人 Astasia Myers 透露，她是通过一项寻找多模态 AI 模型数据基础设施的市场映射活动发现 Eventual 的。她认为，Eventual 作为先行者脱颖而出，且创始团队具备亲身解决此类问题的实战经验，正应对着一个日益严峻的行业难题。
据 MarketsandMarkets 预测，2023至2028年间多模态 AI 行业复合年增长率将达35%。Myers 补充道：“过去20年年度数据生成量增长千倍，全球90%数据产生于近两年，且绝大多数为非结构化数据。Daft 契合了生成式 AI 围绕图文音视构建的宏观趋势，市场亟需原生支持多模态的数据处理引擎。”