摘要：AI蓬勃发展，已经是客厅里的大象，没办法忽视。最近获得资本青睐的数据公司，无一例外都是声明自己已经集成了AI或者即将集成AI。介绍几家近期有融资或者并购动作的数据公司，看看他们都提供了什么产品或服务。都是国外toB的基础服务的数据公司，和国内有比较大的不同，国内还是在垂直领域会更多一些。

01

—

色列初创公司 Avalor

美国网络安全巨头 Zscaler 将以 3.5 亿美元收购以色列初创公司 Avalor。该公司拥有约 80 名员工，总部位于拉马特甘。

Avalor的解决方案整合了来自遗留系统、数据湖、数据仓库、SQL数据库、应用程序或任何数据源的不同数据，提供了对业务绩效的全面视图。Avalor的平台使团队能够通过对所有组织数据进行分析来优先处理风险，不仅限于安全数据。它与业务目标保持一致，通过识别和报告在业务环境中解决弱点的优先顺序，利用关键绩效指标（KPI）指标。该平台允许进行完整和准确的数据分析，确保使用组织各个部分的数据迅速准确地回答与业务相关的问题。它还通过应用标签和数据流调查为安全团队和内部组织合作伙伴提供实时透明度，提供对数据源的可见性。

Avalor 将作为 Zscaler 内的独立部门运营，并继续开发其数据解决方案，以增强 Zscaler 的云安全平台零信任交换，使其能够处理大量数据并提供对威胁的洞察。Avalor 的 Data Fabric 为 安全检测、标准化和统一企业安全和业务系统中的数据，以提供可操作的见解、分析和运营效率。通过使用以安全为中心的数据结构扩展 Zscaler 的零信任交换平台，Zscaler 使企业能够实时显着增强并完全自动化人工智能驱动的分析和决策，而无需复杂的数据聚合和收集.

02

—

商业智能平台Omni‍

美国商业智能平台Omni已从Theory Ventures筹集了2000万美元。

Omni 是一个商业智能平台，它将共享数据模型的一致性与 SQL 的自由性相结合。

不必在受控模型和敏捷分析之间进行选择。专注于回答数据问题，Omni 将随时构建数据模型，从而实现可重用性、治理和性能优化。

大多数公司都需要基于 SQL 的仪表板工具来深入挖掘和标准化业务数据和真实来源的用户数据 - Omni 采取了一种全新的方法来构建该用例。虽然知道 SQL 总是有帮助，但 Omni 使最终用户无需编写查询即可创建漂亮的图表和仪表板。可视化灵活性以及安排仪表板交付方面的功能。使得在整个组织内传播数据变得非常容易。

Omni 是一款功能极其齐全、成本非常合理的 BI 解决方案。该平台提供了 Omni 独有的多项很重要的功能：

持续的仓库同步：Omni 可以重新检查您的仓库，并通知您因仓库更改而损坏的建模，并提供有用的错误消息来帮助指导您进行更正

有吸引力的 UI 层：Omni 的视觉设计优于竞争对手

服务：Omni 提供真正令人难以置信的个人服务水平，而竞争对手似乎几乎没有提供。他们的团队随时为您提供实时服务，从解决棘手问题到帮助您让仪表板看起来更好。如果您还不是 BI 专家，那么这是宝贵的资源。

这类BI产品国内也有很多，但感觉活的都不如国外的好。

03

—

数据产品管理公司 Mindfuel

德国数据产品管理公司 Mindfuel完成由 Project A Ventures 领投的 375 万欧元种子轮融资。

每个组织都希望有一天能够将其数据货币化。但许多组织难以管理、引导和监控所有业务职能的数据计划，导致数据缺乏可衡量且有意义的业务影响。

数据领导者缺乏对数据投资的全面概述和透明度，这使得他们很难识别和优先考虑最有价值的计划并证明投资回报的合理性。

Mindfuel 的软件 Delight 将产品管理融入到数据价值创造过程中。借助 Delight，人工智能和数据专业人员可以从可衡量的财务影响角度积极管理他们的数据计划，并促进数据和业务团队之间以目标为导向的对话。

人工智能驱动的产品组合管理为数据团队提供了所有数据产品的清晰概览，支持战略优先级划分和治理。

“从数据中创造可衡量的价值并将其货币化是许多数据领导者在 2024 年的首要任务。Mindfuel 推动了这一领域的发展，并提供必要的专业知识，以增强数据领导者在首席领导层角色和董事会中的能力。”

Mindfuel 支持保险、电信、消费品和出版行业的客户（例如 Vodafone、HelloFresh 和 Cornelsen）充分利用其数据产品。

04

—

数字经济数据提供商 Sensor Tower

美国 领先的数字经济数据提供商 Sensor Tower 已收购市场情报平台 data.ai，收购金额未公开。此次收购将使 Sensor Tower 进一步拓宽并创建营销情报领域的行业标准解决方案。

业界首个也是唯一的统一数据 AI 平台，能够将用户的第一方数据与全面的市场估算相结合，提供专业的强大分析体验。借助及时且有意义的 AI 洞察，用户可以快速轻松地制定胜券在握的投资、上市、竞争、活动以及广告策略。我们的客户正在对用户获取成本（CAC）、生命周期总价值（LTV）、广告支出回报（ROAS）以及投资回报率（ROI）。

data.ai 的优势，利用统一数据和 AI 将消费者数据和市场数据估算结合在一个 AI 驱动的平台上，以便获得洞察，制定策略和开展行动。

数据科学存在于我们的 DNA 内。作为第一家统一数据 AI 公司，我们正在引领下一代 AI 游戏统一消费者+市场数据。

100 万款 APP 接入。我们的数据源包括：来自逾 100 万 App、庞大消费者调查样本、顶级广告网络平台等的匿名数据与聚合数据。

1000+ 连接。我们是第一个同时提供市场数据和发行商自有数据分析，以最大化投资回报率的公司。

200 多位研发人员。我们不断加大产品投资，力求时刻站在 App 数据和技术创新的最前沿。

行业标准。我们的品牌声誉源自客户对我们的信赖。Apple、EA、Softbank、腾讯及其他行业领导者经常在招股书、财务和收益报告中援引 data.ai 的分析数据。

全球支持。我们的产品支持 7 种语言，我们的员工分布在 15 个国家和地区。无论您的业务在何处运营，data.ai 都能提供本地专业知识。

05

—

美国 BigID

美国 BigID是利用人工智能增强数据安全、合规和隐私领域的先驱，今天宣布完成了由 Riverwood Capital 领投、参投的6000 万美元增长轮融资。

随着生成式人工智能的强劲发展势头，企业纷纷采取新举措，利用文档、图像、代码、聊天和其他类型的“非结构化”和结构化数据来提高新颖用例背后的生产力。在 BigID 于 2018 年推向市场之前，数据安全产品是专门针对特定数据类型而构建的。此后，该公司率先提出了跨公共云、SaaS 和本地数据中心环境中任何数据类型（包括结构化、非结构化和半结构化）的通用数据安全、合规性和隐私概念。鉴于 BigID 的可扩展平台，它有助于在企业构建现代数据基础设施时提高客户投资回报率。

基于其在非结构化数据的分类、合规性和情境化方面的深厚领域经验，BigID 最近为生成 AI 数据管道（从发现到分段和丰富）引入了新的数据卫生功能，以及用于检测和跟踪模型对敏感信息的访问的新控件。数据。通过这笔最新资金，BigID 旨在加速人工智能数据安全性和合规性的有机和无机扩展。

06

—

以色列AI驱动的数据治理平台初创公司 Euno

以色列AI驱动的数据治理平台初创公司 Euno 筹集 625 万美元的种子资金，并将为大型和规模化组织的数据团队推出动态治理解决方案。

Euno 通过 BI 应用程序的 API 利用逻辑爬虫，与 BI 应用程序（例如 Looker）无缝集成。该爬虫扫描 BI 应用程序以识别新的逻辑创建，Euno 生成修改共享 dbt 数据模型的建议和建议，以便将该逻辑向上游转移。用户可以通过 Euno Web 应用程序访问这些建议，拥有必要权限的人可以认可这些建议。这会生成自动生成的 dbt 代码，通过与 git 托管应用程序的集成直接推送到 dbt 存储库。

将 dbt 代码推送到存储库后，当通过 dbt Cloud 集成将更改应用到仓库时，用户会收到自动通知。应用更改后，用户可以利用 Euno 的 Web 应用程序将新模型更改同步回 BI 应用程序，从而有效地完成工作流程。

07

—

美国 Databricks‍‍‍‍‍‍

美国 Databricks收购总部位于波士顿的 Lilac AI，以帮助企业探索和使用其非结构化数据来构建基于人工智能的生成应用程序。

Lilac 是一款开源工具，使数据和人工智能从业者能够通过改进数据来改进他们的产品。

Lilac能做什么？

通过强大的搜索和过滤功能了解您的数据。

与您的团队在单个集中数据集上进行协作。

应用数据管理的最佳实践，例如删除重复项和 PII，以减少数据集大小并降低培训成本和时间。

使用差异查看器了解您的管道如何影响您的数据

Lilac提供的功能：聚类、语义和关键词搜索、编辑和比较字段、PII、重复项、语言检测或自定义信号、模糊概念细化搜索

08

—

美国 Activeloop

美国 Activeloop 融资 1100 万美元，用于扩大其用于 AI 训练和推理的专用tensor数据库（tensor不知道怎么翻译）。A 轮融资由 Streamlined Ventures 领投，Y Combinator、Samsung Next、Alumni Ventures 和 Dispersion Capital 参与其中。

Activeloop创建了一个叫Deep Lake的专业数据库，专业数据库，旨在简化非结构化信息（例如音频、视频、图像、文本文件和嵌入）到机器学习和大语言中的流动。它还提供数据存储和知识检索功能，用于管理人工智能的复杂数据集。 Deep Lake是一个开源平台，下载量已经超过100万。

Deep Lake 解决了为 AI 解锁多模态数据的问题，而这对于传统数据库来说基本上是无法访问的。它通过以所谓的“tensor”存储非结构化数据文件来实现这一点，“tensor”是机器学习本机的数学表示形式，使人工智能算法可以轻松获取这些信息。这种格式还使用户能够查询复杂的数据，就像使用 SQL 查询结构化表一样，Activeloop 提供了一种可视化大型数据集、管理数据集版本（如 Git）以及使用类似 SQL 的张量查询语言对其进行查询的方法。

Activeloop 还开发了一种更快速的数据加载器，使信息能够有效地传输到图形处理单元，从而更快地训练人工智能模型。他表示，这是一项关键创新，因为当用户处理人工智能训练所需的庞大数据集时，不可能一次性将所有这些信息放入 GPU 中。相反，有时所做的是将数据从存储物理复制到 GPU 的位置，这对于 100 GB 来说可能需要几个小时的 GPU 空闲时间，Activeloop 使公司能够传递足够的数据来进行计算，以便充分利用GPU。

Activeloop 开发的另一项创新是其tensor查询语言，它使公司能够更快地迭代他们收集的非结构化数据。提供了传统数据湖的优势，但有一个关键区别：以tensor的形式存储复杂数据，促进数据快速流式传输到tensor查询语言和浏览器内可视化引擎，而无需牺牲 GPU 利用率。

以上是8家最近获取融资的AI数据公司，主要集中在在数据安全、数据分析、数据价值货币化、利用AI获取数据洞察实现数据情报、人工智能增强数据安全、合规和隐私领域、AI驱动数据治理、AIGC训练的非结构化数据存储和检索等方向。希望对大家有所帮助。‍‍‍‍‍‍‍‍‍‍‍‍‍