在大多数人开始思考大语言模型之前很久，DataCebo的联合创始人Kalyan Veeramachaneni和Neha Patki就已经创建了一个名为Synthetic Data Vault（简称SDV）的开源库。该公司的根源可追溯至2016年，当时两人均在MIT数据到人工智能实验室工作。他们有一个理念：除了生成文本、图像和代码之外，还可以利用生成式AI来创建数据。
对于需要使用高质量商业数据来训练大型语言模型（以及用于其他目的），但未必能直接使用个人身份信息（PII）的企业来说，这是一个颇具吸引力的想法。如今，该公司在花了几年时间构建 SDV 的企业商用版本后正式亮相，并获得了 850 万美元的种子轮融资。
公司首席执行官 Veeramachaneni 表示，能够从关系型和表格型数据库中创建合成数据的能力，使该公司区别于其他生成式 AI 创作工具。“我们的软件允许客户在本地部署自定义的生成式 AI 模型。然后，他们可以将这些合成数据用于各种用例，”他告诉 TechCrunch。这在医疗保健、金融服务或任何需要隐藏敏感数据以进行测试和模型构建的场景中都可能发挥作用。
他表示，企业传统上必须手动创建合成数据，这是一个高度繁琐的过程，难以扩展且容易出错。通过将生成式 AI 应用于该问题，你只需描述所需的数据类型，软件就会查看实际数据集的特征，然后为测试目的创建一个高质量的虚假数据集，而不会暴露任何敏感信息。
创始人们最初开发了一款开源工具，该工具极受欢迎，帮助他们测试了软件的各个核心部分。“我们已获得超过一百万次下载，社区中有很多活跃用户，”产品副总裁 Patki 说。
“通过这种方式，我认为我们首先获得了对核心算法的大量验证。我们有信心它运作正常，如果存在任何错误或问题，我们的公开开源用户会立即发现，我们能够解决这些问题，”她说。
开源版本与商业企业版之间的主要区别在于规模。企业版最多可处理 100 张表，而开源版仅设计用于处理少数几张表。目前，客户正在基于多达 20 到 30 张表构建模型。
该公司目前有 11 名员工，计划在未来一年内招聘新员工，使团队规模达到约 20 人，具体取决于业务的增长情况。
这家初创公司的 850 万美元种子轮融资由 Link Ventures 和 Zetta Venture Partners 领投，Uncorrelated Ventures 跟投。