随着科技界逐步接近通用人工智能（AGI）的概念，AI持续民主化进程中呈现出新趋势：一批初创企业正致力于构建技术，降低AI使用门槛，使更广泛的用户和组织能够便捷应用。
其中，Baseten宣布获得2000万美元融资并正式推出工具。该平台旨在帮助企业无需具备专业工程知识，即可将机器学习轻松整合至业务运营、生产和流程中。
核心功能
- 客户端API与预训练模型库：支持部署基于TensorFlow、PyTorch或scikit-learn构建的模型；
- 自定义API构建：支持为自有应用程序构建API接口；
- 可视化UI创建：提供拖放组件，便于为应用程序创建自定义用户界面。
该公司已在封闭私有测试阶段运营约一年，积累了包括斯坦福大学、悉尼大学、Cockroach Labs和Patreon等在内的特色客户群，主要应用于自动化滥用检测（内容审核）及欺诈预防场景。
融资详情与投资阵容
本次2000万美元融资恰逢商业化发布节点，资金分两批到位，投资方阵容强大：
- 种子轮：由Greylock和South Park Commons Fund联合领投，AI Fund、Caffeinated Capital及多位个人投资者跟投。知名个人投资者包括OpenAI联合创始人兼CTO Greg Brockman、Figma创始人兼CEO Dylan Field、DeepMind联合创始人Mustafa Suleyman以及美国前首席科学家DJ Patil。
- A轮：由Greylock领投，South Park Commons、Stripe早期高管Lachy Groom、MongoDB CEO Dev Ittycheria、Bond总裁Jay Simon（Atlassian前总裁）、Plaid CTO Jean-Denis Greze及Stripe前高管Cristina Cordova等参与投资。
Baseten联合创始人兼CEO Tuhin Srivastava表示，本轮融资将主要用于招募技术和产品人才，并加强市场营销与业务拓展。
解决MLOps落地难题
Baseten聚焦于AI演进中的关键痛点：尽管计算成本降低、模型获取便捷且应用场景认知深化，但开发者在集成机器学习时仍需跨越巨大技术鸿沟，企业也需投入大量资源。目前，将ML切实融入工作流仍需开发者和数据科学家掌握大量额外技能。
Srivastava指出：“创立初衷是相信机器学习将对世界产生深远影响，但从模型中提取价值依然困难。”难点在于开发者需具备机器学习运维（MLOps）知识及前后端生产环境管理能力，这也是企业ML项目成功率低的主要原因——投产所需精力过大。
这一洞察源于创始团队的亲身经历。Srivastava与联合创始人Amir Haghighat（CTO）、Philip Howes（首席科学家）曾在Gumroad共事。当时团队希望利用ML协助欺诈检测和內容审核，却发现为了构建模型及配套工具（如通知系统、数据整合），必须掌握大量全栈工程技能或聘请专家。
他们成功构建了相关系统（至今仍处理着“数亿美元的交易”），但也萌生了开发通用工具以减轻行业负担的想法。
市场定位与未来展望
Baseten名称源自“base ten blocks”（十进制积木，常用于低年级数学教学）。CEO解释道：“它让数字系统更具人性化，我们也希望使机器学习不那么抽象。”
其核心客群是那些采用或自研ML模型，但缺乏生产流程集成技能的开发者与数据科学家。作为新兴MLOps解决方案提供商之一，Baseten与Databricks、Clear、Gathr等公司类似，致力于为技术人员提供全套工具，使其能专注于核心任务而非基础设施搭建。
Patreon高级机器学习工程师Nikhil Harithas表示：“Baseten帮我们省去了构建工具的过程，使我们能够专注于建模、评估和解决问题。”目前，Patreon正利用该平台运行图像分类系统，以识别违反社区准则的内容。
展望未来，Baseten计划沿民主化轨迹继续演进，探索为非技术受众构建工具的可能性，顺应无代码/低代码产品赋能数据科学应用的趋势。
Srivastava强调：“非技术受众虽非当前重点，却是未来方向。我们的最高目标是加速机器学习的影响力释放。”