Kumo，一家提供AI驱动平台以解决商业预测问题的初创公司，今日宣布完成由红杉资本领投、A Capital、SV Angel及多位天使投资人参与的B轮融资，融资金额为1800万美元。联合创始人兼首席执行官Vanja Josifovski表示，这笔新资金将用于Kumo的招聘工作及其平台和服务的研发，这些服务包括数据预处理、数据分析以及模型管理。
Kumo的平台专门处理图神经网络，这是一类可处理以图序列形式表示数据的AI系统。在此语境下，图指的是由顶点（也称节点）通过边（或连线）连接而成的数学结构。图可用于模拟社会、IT乃至生物系统中的关系与过程。例如，网站的链接结构可以用图来表示，其中顶点代表网页，边则代表从一个页面到另一个页面的链接。
图神经网络具有强大的预测能力。在Pinterest和LinkedIn上，它们被用来向数亿活跃用户推荐帖子、人物等内容。但正如Josifovski所指出的，运行图神经网络计算成本高昂——这使得大多数公司难以承担其费用。
他在接受TechCrunch电子邮件采访时说：“如今许多试图尝试图神经网络的企业，往往无法扩展至超出单个加速器（即单块GPU中的内存）所能容纳的训练数据集范围，这极大地限制了他们利用这些新兴算法方法的能力。”“通过基础架构和算法方面的根本性进步，我们已将可扩展性提升至数十TB级别的数据集，从而使图神经网络能够应用于拥有更大、更复杂企业图谱的客户，例如社交网络和多方市场平台。”
使用Kumo，客户可以连接数据源以创建图神经网络，然后通过结构化查询语言（SQL）对其进行查询。在后台，该平台会自动训练神经网络系统，评估其准确性并准备将其部署到生产环境中。
Josifovski表示，Kumo可用于新客户获取、客户忠诚度与留存、个性化推荐及下一步最佳行动建议、滥用行为检测以及金融犯罪检测等应用场景。作为Pinterest前首席技术官和Airbnb Homes前CTO，Josifovski与Kumo的其他联合创始人——前Pinterest首席科学家Jure Leskovec和Hema Raghavan——合作，在斯坦福大学和多特蒙德大学的研究实验室中开发了这项图技术。
Josifovski说：“企业在存储TB级数据方面花费数百万美元，却只能有效利用其中一小部分来生成推动前瞻性商业决策所需的预测结果。造成这一现象的主要原因是数据科学人才能力的巨大缺口，以及将预测成功投入生产所需的大量时间和精力。”“我们使企业能够转向一种新的范式，使预测分析从一种稀缺且谨慎使用的资源，转变为像编写SQL查询一样简单的操作，从而让预测几乎无处不在——在更短的时间内更广泛地应用于企业各类用例中。”
Kumo仍处于试点阶段，但Josifovski表示，它已有“十几家”早期企业采用者。迄今为止，该公司已筹集了3700万美元的资金。