数据科学团队常因组织混乱受阻，影响AI与分析项目的及时部署。调查显示，44%的美国企业“数据高管”表示招聘不足、部门孤立且角色不明。受访者最担忧AI系统失效导致收入或声誉受损，以及追求短期回报的大规模投资趋势。
这些本质是组织挑战，但Predibase联合创始人皮耶罗·莫利诺（Piero Molino）指出，工具不足往往加剧了这些问题。
莫利诺表示：“机器学习项目周期长、内部访问权限有限，导致任务受制于拥挤的中心化团队。企业被迫在两种有缺陷的方法间选择：一是使用低级API自建系统，灵活但复杂；二是采用现成‘AutoML’黑盒方案，简单但牺牲控制力。”
合成数据市场比你想象的要大
尽管2019年全球AI支出达358亿美元，但近80%的公司因数据质量及信心问题导致项目停滞。莫利诺认为，Predibase正是解决这一痛点的方案。
Predibase今日结束隐身模式，完成由Greylock领投、The Factory等参与的1625万美元A轮融资。该平台允许用户通过指定文件描述需求（如图像识别），平台自动寻找实现路径。这种“声明式”方法借用了计算机科学术语，旨在简化开发流程。
“传统机器学习项目耗时6至12个月，我们希望通过低代码、高上限的工具大幅缩短周期。”莫利诺称，“Predibase让工程师和分析师能直接构建运营模型，摆脱对稀缺数据科学资源的依赖。”
Predibase基于Uber开发并移交Linux Foundation治理的开源技术Horovod（训练框架）和Ludwig（工具套件）构建。
莫利诺通过收购Geometric Intelligence加入Uber，并于2019年协助创建Ludwig。另一位联合创始人特拉维斯·阿代尔（Travis Addair）曾任Uber高级软件工程师，是Horovod的主要维护者。
为推出Predibase，两人联合前Google Cloud AI产品经理Devvret Rishi及斯坦福教授Chris Ré（Lattice.io联合创始人，该公司于2017年被苹果收购）共同创立。
Predibase支持开发者用几行代码定义AI管道，扩展至数千台机器处理PB级数据。例如，仅需六行代码即可创建文本分析系统；若需定制，可在配置文件中添加参数以获得更细粒度的控制。
平台集成Snowflake、Google BigQuery和Amazon S3等数据源用于训练。用户可通过界面或编程方式训练模型，并将其托管、服务化或部署至本地生产环境。
莫利诺强调：“除缩短价值实现时间外，Predibase还支持多模态数据处理。用户可利用同一工具集进行图像分类、文本分诊、表格检测回归及音频处理，无需深厚的内部技术积累。”
无代码开发平台正日益兴起，Union.ai、Prophecy以及SageMaker、Vertex AI等均是其竞争对手。莫利诺认为，竞品虽满足简单需求但以牺牲灵活性为代价，易致客户流失。
他表示：“如同‘基础设施即代码’简化IT，我们的平台让用户专注模型‘做什么’而非‘怎么做’，通过可扩展配置突破低代码限制，并开箱即用地提供模型可解释性。目前已有财富500强公司在使用，包括领先科技公司、大型银行及医疗保健机构。”
该理念吸引了Kaggle CEO Anthony Goldbloom、前Intel AI COO Remi El-Ouazzane、Kaggle CTO Ben Hamner及剑桥大学/Zoubin Ghahramani等知名天使投资人。
Molino表示，本轮融资将用于把Beta产品推向更广泛市场，扩充机器学习工程师团队及市场进入组织，以扩展现有的21人团队。