隨著企業要應對越來越多的數據（包括組織內部生成的和從外部來源收集的數據），找到有效的方法來分析和“操作”這些數據以獲得競爭優勢，變得越來越具有挑戰性。

這也推動了數據科學和機器學習領域對新工具和新技術的需求。根據《財富商業洞察》報告顯示，全球機器學習市場規模在2021年就達到了154.4億美元，今年將達到211.7億美元，預計到2029年將增長到至2099.1億美元，復合年增長率為38.8%。

與此同時，根據Allied Market Research的報告顯示，2020年數據科學平臺的全球市場規模為47億美元，預計到2030年將達到797億美元，復合年增長率為33.6%。

“數據科學”和“機器學習”有時會讓人感覺有些混淆，甚至是可以互換使用。實際上這是兩個不同的概念，但兩者又是相關的，因為數據科學實踐是機器學習項目的關鍵。

根據Master’s in Data Science網站的定義，數據科學是一個使用科學方法從數據中提取意義和見解的研究領域，包括制定數據分析策略、準備分析數據、開發數據可視化和構建數據模型。

根據《財富商業洞察》報告，機器學習則是范疇更廣的人工智能領域下的一個子部分，是指使用數據分析來教計算機如何學習（也就是模仿人類的學習方式）使用基于算法和數據的模型。

對數據科學和機器學習工具的需求，催生了一批在數據科學或者是機器學習領域開發前沿技術的初創公司，下面來看看其中這10家：

• Aporia
• Baseten
• Deci
• Galileo
• Neuton
• Pinecone
• Predibase
• Snorkel AI
• Vectice
• Verta

Aporia

Aporia開發了一個全棧的、高度可定制的機器學習可觀察性平臺，數據科學和機器學習可以使用該平臺來監控、調試、解釋和改進機器學習模型和數據。

Aporia成立于2020年，在獲得了500萬美元種子資金的10個月之后，于2022年3月的A輪融資中又獲得了2500萬美元資金。

Aporia將利用這筆融資在2023年初之前將員工規模擴大兩倍，同時擴展在美國的業務，并擴大其技術覆蓋的用例范圍。

Baseten

Baseten是在今年4月正式發布的，提供的產品可以加快從機器學習模型開發到生產級應用的過程。

據Baseten稱，該技術自2021年夏季以來一直處于內測階段，可以自動執行將機器學習模型投入生產所需的許多技能，幫助數據科學和機器學習團隊將機器學習整合到業務流程中，無需后端、前端或者是MLOps知識。

Baseten公司是由首席執行官Tuhin Srivastava、首席技術官Amir Haghighat和首席科學家Philip Howes于2019年創立，他們之前都曾在電子商務平臺開發商Gumroad公司就職。今年4月，Baseten在A輪融資中獲得了1200萬美元，此前早些時候在種子輪融資中獲得了800萬美元。

Deci

Deci開發了一個深度學習開發平臺，用于構建下一代人工智能和深度學習應用。Deci的技術旨在幫助解決“人工智能效率差距”，也就是計算機硬件無法滿足那些規模和復雜性不斷增長的機器學習模型的需求。

Deci的平臺在開發生命周期早期就考慮到了生產方面的問題，從而幫助數據科學家消除這一差距，減少在生產中部署模型時解決問題的時間和成本。據Deci稱，該平臺結合了Deci專有的AutoNAC（自動神經架構構建）技術，提供了“更高效的開發范式”，幫助AI開發人員利用硬件感知的“神經架構搜索”來構建深度學習模型，以滿足特定的生產需求目標。

Deci成立于2019年，在今年7月由Insight Partners領投的B輪融資中獲得了了2500萬美元，就在7個月前，Deci剛剛在A輪融資中獲得了2100萬美元。

Galileo

Galileo針對非結構化數據開發了一個機器學習數據智能平臺，讓數據科學家可以在整個機器學習生命周期中檢查、發現和修復關鍵的機器學習錯誤。

今年11月初，Galileo公司推出了該平臺的免費版本Galileo Community Edition，讓從事自然語言處理的數據科學家們能夠使用更高質量的訓練數據更快速地構建模型。

Galileo在今年5月獲得于510萬美元種子資金的時候走出隱身模式，緊接著在11月1日，在由Battery Ventures領投的A輪融資中獲得了1800萬美元。Galileo公司聯合創始人包括首席執行官Vikram Chatterji，他曾是谷歌的云AI項目管理負責人；Atindriyo Sanyal，曾是蘋果公司和Uber公司的軟件工程師；以及Yash Sheth，曾是谷歌語音識別系統的軟件工程師。

Neuton

Neuton成立于2021年，開發的自動化無代碼“tinyML”平臺和其他工具用于開發微型機器學習模型，這些模型可以嵌入微控制器中，使邊緣設備變得智能。

Neuton的技術正在被廣泛應用，包括壓縮機水泵的預測性維護、防止電網過載、房間占用檢測、手持設備上的手寫識別、變速箱故障預測和水污染監測設備。

Pinecone

Pinecone開發的矢量數據庫和搜索技術主要為人工智能和機器學習應用提供支持。2021年10月，Pinecone公司推出了Pinecone 2.0，將該軟件從研究實驗室帶到生產應用中。

Pinecone成立于2019年，去年正式發布，并在2021年1月的種子輪融資中獲得1000萬美元，今年3月的A輪融資中獲得了2800萬美元。

今年10月，Pinecone推出了結合語義和關鍵字搜索功能的新“矢量搜索”解決方案，對自己的機器學習搜索基礎設施產品組合進行了擴展。

Gartner曾在2021年將Pinecone評為人工智能和機器學習數據領域中的“酷廠商”。

Predibase

今年5月，Predibase憑借低代碼機器學習平臺走出隱身模式，該平臺可以讓數據科學家和非專家快速開發具有“同類最佳”機器學習基礎設施的機器學習模型。該軟件目前在許多財富500強公司那里進行測試使用。

Predibase提供將其技術作為對傳統AutoML的替代方法，開發機器學習模式解決現實中的問題。該平臺使用聲明式機器學習，Predibase稱它讓用戶可以把機器學習模型指定為“配置”或者簡單文件，告訴系統用戶想要什么，并讓系統找出滿足該需求的最佳方法。

Predibase公司是由首席執行官Piero Molino、首席技術官Travis Addair、首席產品官Devvret Rishi以及斯坦福大學副教授Chris Re共同創立的，其中Molino和Addair都曾經在Uber公司工作。在Uber的時候，他們二人開發了用于深度學習模型的Ludwig開源框架，以及用于擴展和分發深度學習模型訓練到海量數據的Horovod開源框架（Predibase就是建立在Ludwig和Horovod之上的。）

今年5月，Predibase在由Greylock領投的種子輪和A輪融資中獲得了1650萬美元。

Snorkel AI

Snorkel成立于2019 年，起源于斯坦福大學人工智能實驗室，該公司的五位創始人都曾在那里研究解決機器學習開發缺乏標記訓練數據問題的方法。

Snorkel開發了以Snorkel Flow以數據為中心的系統，并在今年3月全面投入市場，該系統通過使用程序化標簽（這是數據準備和機器學習模型開發和培訓的關鍵步驟）來加速人工智能和機器學習的開發。

2021年8月，Snorkel公司的估值達到10億美元，當時這家初創公司在C輪融資中獲得了8500萬美元，使用這筆資金發展其工程和銷售團隊并加速平臺開發。

Vectice

Vectice開發了一種自動化的數據科學知識捕獲和共享解決方案。Vectice的技術可以自動捕獲數據科學團隊為項目創建的資產，包括數據集、代碼、模型、筆記本、運行和插圖，并在整個項目生命周期（從業務需求到生產部署）中生成文檔。

據稱，Vectice的軟件旨在幫助企業管理透明度、治理以及與AI和機器學習項目保持一致，并提供一致的項目結果。

Vectice是由首席執行官Cyril Brignone和首席技術官Gregory Haardt于2020年創立的，在今年1月的A輪融資中獲得了1260萬美元，總融資額達到1560萬美元。

Verta

Verta開發了人工智能/機器學習模型管理和操作軟件，讓數據科學和機器學習團隊使用這些軟件在整個人工智能和機器學習模型生命周期中部署、操作、管理和監控固有的復雜模型。

今年8月，Verta公司增強了其MLOps平臺的企業功能，包括增加原生集成生態系統、圍繞企業安全、隱私和訪問控制以及模型風險管理的附加功能。

Verta成立于2018年，于2020年正式發布，今年被Gartner評為核心AI技術領域的“酷廠商”。