这家分布式数据存储初创企业欲挑战大型云服务商

随着人工智能公司数量激增，计算需求达到前所未有的高度。CoreWeave、Together AI和Lambda Labs等公司凭借提供分布式计算能力，成功抓住这一机遇，吸引了大量关注与资本投入。

传统云存储的局限

目前绝大多数企业仍将数据存储在三大云服务商（AWS、谷歌云和微软Azure）的系统中。这些存储系统的设计初衷是将数据紧邻自有计算资源存放，而非跨越多云或多区域分布。

Tigris Data联合创始人兼首席执行官奥瓦伊斯·塔里克指出：“现代AI工作负载和AI基础设施正转向分布式计算，而非依赖单一大型云服务。我们希望为存储提供同等选择——因为没有存储，计算将失去意义。”

分布式存储的创新方案

由开发优步存储平台的团队创立的Tigris，正在构建本地化数据存储中心网络。该公司声称其AI原生存储平台能随计算资源动态迁移，自动将数据复制至GPU所在位置，支持数十亿个小文件，并为训练、推理和智能体工作负载提供低延迟访问。

为达成这一目标，Tigris近期完成了2500万美元的A轮融资。本轮由Spark Capital领投，现有投资者Andreessen Horowitz等跟投。这家初创公司正挑战被塔里克称为“大云”的行业巨头。

传统云服务的双重痛点

塔里克认为，传统云服务商不仅收费高昂，效率也显不足。AWS、谷歌云和微软Azure长期向迁移至其他云服务商或需要下载转移数据的客户收取“流出费”（业内称为“云税”）。这好比健身会员终止合约时还需额外付费。

据Tigris客户Fal.ai工程负责人巴图汉·塔斯卡亚透露，这类费用曾占其云支出的最大比重。

除费用问题外，塔里克指出大型云服务商还存在延迟缺陷：“流出费只是深层问题的表象——集中式存储无法跟上去中心化高速AI生态的步伐。”

精准满足AI企业需求

Tigris的4000多家客户多为开发生成式AI模型的初创企业，这些涉及图像、视频和语音的模型通常需要处理庞大且对延迟敏感的数据集。

塔里克举例说明：“设想与处理本地音频的AI智能体对话，你需要最低延迟。既要求计算本地化，也要求存储本地化。”他补充道，传统大云并未针对AI工作负载优化，在跨区域流式传输大规模训练数据或运行实时推理时，会产生延迟瓶颈，拖慢模型性能。

分布式存储的实践价值

通过就近存取数据，开发者能更可靠、更经济地在分布式云环境中运行AI工作负载。塔斯卡亚证实：“Tigris让我们能在任何云端扩展工作负载，通过统一文件系统实现跨平台数据访问，且不收取流出费。”

企业选择就近存储数据还存在其他动因：在金融、医疗等强监管领域，数据安全是采用AI工具的重要前提；同时，越来越多的企业希望掌控自身数据所有权——正如Salesforce今年初禁止AI竞争对手使用Slack数据所展现的趋势。

塔里克强调：“企业日益认识到数据作为AI和大语言模型燃料的重要性，他们希望加强控制权，而非交由他人掌控。”

未来发展规划

获得新资金后，Tigris将继续扩建数据存储中心以满足增长需求。这家自2021年11月成立以来年均增长达8倍的初创公司，目前已在美国弗吉尼亚、芝加哥和圣何塞设立三处数据中心，并计划在美国、欧洲和亚洲的伦敦、法兰克福及新加坡继续扩展。