作为功能更丰富的AI和机器学习开发平台之一，Weights & Biases获得前GitHub CEO Nat Friedman与前Y Combinator合伙人Daniel Gross的新一轮注资。
Friedman、Gross联合Coatue、Insight Partners等现有投资者，在战略轮次中向Weights & Biases投资5000万美元。此次融资后公司估值达12.5亿美元，总融资额升至2.5亿美元；正值公司准备推出新产品Prompts之际，该产品旨在帮助用户监控和评估大型语言模型（LLM）性能，对标OpenAI GPT-4。
相比此前约1.35亿美元的C轮融资，本轮5000万美元规模较小。但Weights & Biases增长副总裁Lavanya Shukla表示，此次投资具有机会主义色彩。
Shukla在接受TechCrunch邮件采访时指出：“为员工提供机器学习工具应成为CTO及其团队的基本标配。”“通过解决测试、安全性和可靠性问题，Weights & Biases处于成功开发机器学习模型的关键环节。”
创始背景与MLOps赛道崛起
Lukas Biewald和Chris Van Pelt于2017年联合创立Weights & Biases，此前两人曾创办Figure Eight（原名CrowdFlower），为机器学习算法提供众包数据标注服务（2019年被Appen以1.75亿美元收购）。
Shukla表示：“两人发现机器学习从业者缺乏完善的实验记录系统，这种高度实验性且至关重要的科学工作，当时正被记录在电子表格和模糊截图中。”
为此，Biewald、Van Pelt与第三位联合创始人、谷歌前员工Shawn Lewis联手，构建了支持机器学习开发生命周期的最小可行产品（MVP）。
Weights & Biases属于MLOps（机器学习运维）平台，助力数据科学家创建新模型并通过可重复自动化工作流部署至生产环境。随着AI需求增长，Allied Market Research估计到2023年MLOps细分市场价值将达231亿美元。
尽管Seldon、Arize等新平台及Azure、AWS等云巨头纷纷入局，Shukla声称Weights & Biases的独特之处在于其对MLOps的方法论：
- 共创设计：所有产品均与合作伙伴和客户共同设计，确保满足实际需求。
- 数据审查：强调训练数据集审查工具，允许客户在生产前检查偏见和个人身份信息等问题。
Shukla表示：“我们构建轻量级、可互操作的工具，用于快速跟踪实验、版本控制数据集、评估模型性能及复现结果。这使得工程师能在可靠的记录系统中自信地快速迭代ML管道。”
先发优势与生态壁垒
无论其他优势如何，先发优势无疑是核心之一。Shukla透露，该平台已集成至超2万个开源代码库，被数百篇学术论文引用，并成为OpenAI、Anthropic、Hugging Face等知名生成式AI公司的首选工具集。
“OpenAI在所有模型训练中均使用Weights & Biases。面对数千项实验，他们必须能快速测试、识别问题并调试模型，”Shukla称，“得益于该平台，他们得以在小数据集上高效运行大量训练，从而更快训练出GPT-4。”
除生成式AI领域外，Weights & Biases用户数已从2021年的10万增至70万，付费用户超1000人；团队规模扩至200余人，主要位于旧金山总部。
新品Prompts拓展客户群
Weights & Biases希望通过新产品Prompts进一步扩大客群。该产品允许用户查询LLM输出并对模型进行微调。
Shukla解释道：“大语言模型虽减少了基础培训人员需求，但增加了需进行微调、交互和应用构建的人员数量。Prompts旨在服务新一类用户，改变大型实验室构建模型的方式，为研究人员和企业提供更多改进模型的工具。”
展望未来，Weights & Biases将有理由继续完善其MLOps套件。