肯·范·哈伦和克里斯·斯坦利分别是谷歌和Square的数据科学家。因大量时间被基础设施而非真正的数据科学工作占据，二人在调研后发现这是行业普遍痛点：数据科学家超半数时间用于清洗和组织数据，其余大部分时间则耗费在数据集收集上。
为简化繁琐流程，范·哈伦和斯坦利推出了Patterns——一个抽象化AI模型工程的平台。该平台获Y Combinator及天使投资人伦尼·拉奇茨基支持，近期已完成250万美元种子前轮融资。
“Patterns是助力高管应对AI新时代、保持业务领先并在产品运营中构建核心AI功能的平台，”范·哈伦在接受TechCrunch邮件采访时表示，“我们帮助企业适应AI的惊人发展速度，包括快速跟进新模型与新范式。”
Patterns允许用户利用模块化组件，结合AI构建集成、自动化及工作流。本质上，它是在软件层封装了工作流逻辑与基础设施。
使用流程上，客户先通过预建连接器库将应用接入Patterns；随后在基于Web的IDE中编写代码构建用例，借助平台提供的分析与调试工具交付产品，并可选择监控性能。
Patterns能构建什么？范·哈伦分享了实验案例：利用类ChatGPT大语言模型，他基于CrunchBase数据库构建了自由形式问答机器人；另一演示中，他对OpenAI GPT-3模型在超650万条Hacker News评论数据集上进行微调，旨在“将HN社区的集体智慧浓缩至机器人中”。
“人们对AI充满热情，渴望超越沙盒试玩阶段，”范·哈伦表示，“Patterns提供了快速强大的方式，将AI开发并部署于解决实际问题。”
Patterns具备MLOps（机器学习运维）平台属性，即支持ML模型的构建、测试及生产环境部署。作为新兴领域，MLOps正吸引众多供应商争夺市场份额与风投资金。
据估算，到2025年MLOps市场规模或达40亿美元。
现有竞品包括AI模型开发平台Galileo、融合ML工程与数据管理的全托管平台Qwak，以及面向企业的Diveplane、Tecton、Arize、Iterative、Comet和Weights & Biases等。
尽管竞争激烈，范·哈伦称Patterns获客顺利，用户基数已增至约1,500人。（虽未透露付费客户比例，但他确认预计年内将签署一份政府合同。）
Patterns近期计划扩充团队，目前全职员工共四人（含范·哈伦和斯坦利）。