微信扫一扫，关注公众号
科技行者
算力行者
见证连接与计算的「力量」
年中盘点｜2020最炙手可热的10家大数据初创企业
当下，众多企业与组织都在努力紧跟大数据发展趋势，但其中的挑战也相当严峻。单单是管理规模庞大的数据集已经颇为艰难，更遑论从中提取出有意义洞见并借此建立竞争优势。
这种对大数据管理能力的实际需求，推动又一波初创企业投身其中，开发下一代数据库软件与数据管理工具。
1、Ahana
联合创始人兼CEO：Steven Mih
总部：美国加州圣马特奥
Presto最初由Faebook公司开发完成，用于查询该公司PB级数据仓库中的数据资产。2013年，Facebook决定将Presto转化为开源项目。
Ahana公司最近告别隐身模式，开始围绕PrestoDB（基于Presto技术的另一个开源项目）开发即席分析软件。今年6月初，该公司表示已经从GV（前Google Ventures）牵头的融资中筹集到225万美元种子资金，这笔款项将主要用于扩大技术团队规模并加快开发工作。
2、Aparavi
CEO：Adrian Knapp
总部：加利福尼亚州圣莫尼卡
文件备份与数据保护方案供应商Aparavi公司于今年3月推出了其首款数据智能与自动化平台，据称该系统将帮助企业高效应对分布式IT世界所带来的数据混乱、风险与识别发展机遇等难题。
该系统还包含适用于分布式数据的分析、机器学习及协作工具，可帮助用户将数据资产切实转化为竞争优势。
3、Cockroach Labs
联合创始人兼CEO：Spencer Kimball
总部：美国纽约
2019年10月，这家初创企业又发布了CockroachCloud，即该数据库的全托管分布式版本。
今年5月，该公司在新一轮融资中筹得8660万美元，历史融资总额则达到1.951亿美元。
4、Equalum
总部：美国加州桑尼维尔
Equalum公司表示其技术拥有“无限的速度与可扩展性空间”，用户无需任何编程经验即可开发出数据管道。
5、Okera
总部：美国旧金山
Okera公司开发出一套平台，供IT管理员自动发现并标记各类敏感数据、制定并执行数据治理策略，并对数据安全性与治理操作进行审计。
今年4月，Okera公司在B轮融资中筹得1500万美元，这也使其历史融资总额增长至2960万美元。这笔款项将主要用于扩大内部工程技术、销售与市场营销团队。该公司还任命了ZoomData前任总裁兼CEO Nick Halsey出任新的CEO。
6、PlanetScale
总部：美国加州山景城
该公司的这套PlanetScaleDB Cloud是一种全托管、多云架构且具备MySQL兼容性的数据库即服务。对于希望自主运行数据库即服务体系的客户，他们还准备了PlanetScaleDB Enterprise。
今年6月，该公司推出PlanetScaleDB for Kubernetes，用于将数据库直接部署至Kubernetes集群当中。
7、Promethium
CEO：Kaycee Lai
总部：加利福尼亚州门洛帕克
”Promethium公司在今年1月筹得600万美元风险资金。
8、Rivery
联合创始人兼CEO：Itamar Ben Hemo
总部：美国纽约
、并加载至云端分析系统（例如Amazon Redshift、Google BigQuery以及Snowflake）当中的整个流程。Rivery公司于2019年11月获得500万美元的种子轮投资。
9、Starburst
总部：美国波士顿
凭借着直接访问数据驻留位置以及无需移动即可直接查询等强大功能，Starburst软件已经成为传统数据仓库系统的一种良好替代方案。
今年6月，Starburst公司在B轮融资中筹得4200万美元。在2019年11月的A轮融资中，他们也筹得2200万美元。
10、Theia
总部：加拿大安大略省渥太华
。该系统还提供一份完善的分析功能目录，涵盖数据发现与治理、搜索、个性化、以及面向客户进行信息发布的外部门户等功能选项。
研究企业Gartner最近将Theia公司评为“Cool Vendor”。
0赞好文章，需要你的鼓励
至顶头条
科技行者
码客人生
奇客Solidot
高飞的电子替身
奇客情报站
推荐文章
当善良声音变身恶意武器：AIM Intelligence团队揭秘音频AI的隐藏危机
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞，开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容，成功率超过86%，完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险，对全球数十亿智能设备构成潜在威胁。
新加坡国立大学团队揭示：让AI既能看又能做的视觉强化学习新突破
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展，涵盖超过200项代表性工作。研究将该领域归纳为四大方向：多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型，分析了从RLHF到可验证奖励范式的政策优化策略演进，并识别出样本效率、泛化能力和安全部署等关键挑战，为这一快速发展的交叉学科提供了完整的技术地图。
浙大团队揭秘：为什么AI机器人在现实世界中总是"掉链子"？OmniEAR基准测试暴露惊人真相
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示，即使最先进的AI在明确指令下能达到85-96%成功率，但面对需要从物理约束推断行动的任务时，成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力，监督学习虽能改善单体任务但对多智能体协作效果甚微，表明当前架构存在根本局限性。
AI模型训练中藏着的秘密巨人：纽约大学和Aimpoint Digital Labs发现Transformer里的"超级激活"如何悄悄控制整个模型
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律，研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是，通过调整模型架构参数如注意力密度、宽深比等，可以在训练前就预测和控制这些关键激活的行为，为设计更高效、量化友好的AI模型提供了全新工具。
当善良声音变身恶意武器：AIM Intelligence团队揭秘音频AI的隐藏危机
新加坡国立大学团队揭示：让AI既能看又能做的视觉强化学习新突破
浙大团队揭秘：为什么AI机器人在现实世界中总是"掉链子"？OmniEAR基准测试暴露惊人真相
