TensorChord获数百万美元种子轮融资，高瓴创投领投

投资界（ID：pedaily2012）11月28日消息，近日，机器学习基础设施领域（简称：MLOps）创新企业「TensorChord」宣布完成数百万美元的种子轮融资。本轮融资由高瓴创投（GL Ventures）领投，云九资本跟投。本轮募集资金将用于产品研发与开源社区的构建。本项目属于Aseed+高瓴种子计划，除投资外，该计划还会为早期初创企业提供创新平台支持、产学顾问、产业资源对接、融资服务等在内的高瓴种子共创服务。

TensorChord在 2022 年 6 月成立。谈到公司成立的背景和契机，TensorChord 的联合创始人高策表示，日益增长的机器学习需求和落后的基础设施之间之间的矛盾已经越来越突出。上一代的机器学习落地与变革是由微软、谷歌、Meta 等大公司的核心业务团队主导，他们具有成熟的算法和工程团队，能够充分面向自身需求进行优化。而当下，随着机器学习的发展和进一步普惠化，相关从业者数量激增，落地场景不断深入各行各业，这一问题越来越急迫。

作为一直在 AI 基础设施领域从业的工程师，TensorChord 创始团队充分理解这一场景的困难与挑战，选择了深度学习场景下的开发环境构建和管理作为切入点。对于不同背景的AI从业者来说，环境的构建是一切工作流程的开始。以往，算法团队需要为不同项目维护复杂的 Dockerfile，或需要依赖与工程团队的频繁沟通来解决这一问题；而在使用环境时，开发场景下的 GPU 利用率也差强人意。TensorChord 的开源项目 envd 大大简化了不同背景的 AI 从业者构建和使用环境的流程，让本地和远程集群开发保持相同的体验，同时能够在环境空闲时及时回收，提高硬件利用率。自 2022 年 7 月开源以来的 5 个月时间内，获得了 1200 GitHub stars，并受到了来自 Volvo Cars、Apple、Union.ai 等海内外公司 MLOps 团队的关注。

高瓴创投合伙人李强表示：在机器学习工程化实践中，如何将数据、算法、模型和实际场景相结合，推动更复杂和有效的解决方案落地，一直以来都是核心问题。MLOps作为机器学习工程化的重要内容，已连续两年进入Gartner数据科学技术成熟度曲线，是促进机器学习规模化落地的有力保障，我们非常看好它的未来。TensorChord团队在该领域拥有强大的技术优势、经验和持续学习能力。作为它的种子轮投资人，我们相信TensorChord将成为MLOps方向上领先的创新公司，为企业们创造真实价值。

对于市场前景，高策介绍，从行业从业者的角度出发，2016 年到 2021 年的 5 年时间里 LinkedIn 上带有机器学习技能标签的简历数量从 26 万增长了 15 倍，到了接近 300 万。从 AI 市场支出的角度出发，Forbes 等咨询机构对于 AI 软硬件的支出的年增长率也给出了超过 30% 的预测。公司相信 MLOps 在未来会发展成为与 DevOps 领域同等量级的崭新市场空间，其中也存在着巨大的市场机会。

谈及目标用户，高策表示，在大中小企业内都有 AI 管理难的问题。根据创始团队与领域内相关从业者的交流，不管大公司还是小团队，均有约 30% 的资源花费在构建和维护 AI 基础设施上。TensorChord 从开发环境的构建与管理作为切入点，也在积极扩展业务范围。在机器学习落地的过程中，还有非常多的需求没有被满足，比如指标跟踪，数据管理，模型管理，性能 Profiling，模型可解释性等。这些都是 TensorChord 未来可能探索的方向。公司的愿景是通过基础架构的创新帮助 AI 在更多行业发挥作用。

TensorChord 的创始团队在 MLOps 领域有着深厚的积累。联合创始人兼CEO 高策作为 MLOps 开源项目 Kubeflow 的社区联席主席，曾是 Kubeflow 全球贡献前二的贡献者。联合创始人兼 CTO 周金晶曾负责机器学习开源项目 Deep Graph Library 核心功能及分布式框架开发，对机器学习性能优化，硬件优化，框架开发，云服务等有着丰富的经验。

未来， 公司会将本轮募集的资金用于开源项目 envd 的研发，并且通过开源的方式进行全球化的社区运营，帮助 envd 的用户更好地构建 AI 基础设施。

本文转自投资界，如需转载请至投资界官网申请授权。