让3000万开发者低门槛使用AI能力，MindsDB种子轮融资5410万美元

如果说大语言模型推动了计算机工作范式的转变，那么MindsDB则推动了数据分析范式的转变。通过直接在数据库中进行建模，MindsDB使得开发者不需要AI技能， 企业不需要为AI能力专门招募AI人才，而是直接让原有的工程师上手AI。

企业使用AI能力的门槛正在进一步降低，可商用的开源大模型让企业省去了模型训练的成本，AI部署平台让企业省去了搭建AI算力基础设施的麻烦，而一家叫MindsDB的创业公司让企业连专业的AI技术人才都不需要招募，原有的IT工程师们就能直接上手AI。

MindsDB将AI模型抽象成一个叫“AI表（AI Table）”的东西，开发者直接使用SQL语句与AI表交互，就能在不改变传统的软件和数据堆栈的情况下，方便地使用AI的能力构建应用。

MindsDB由一个开源软件开始创业，目前有超过500个代码贡献者，Github平台17700颗星，以及超过15万次的安装实例。

从2017年创立到2021年，MindsDB处于积累阶段，陆续获得了760万美元的早期融资，投资人包括YCombinator、OpenOcean（专投开源项目）、加州大学伯克利分校SkyDeck基金。

但是在2023年，乘着生成式AI的东风，MindsDB连续获得3次融资，分别是2月由Benchmark投资的1650万美元，6月由Mayfield领投的2500万美元，以及8月由英伟达旗下NVentures投资的500万美元，目前其种子轮的总融资额达到5410万美元。

除了亮眼的融资经历外，MindsDB也获得了权威机构和顶级合作伙伴的认可，它是《福布斯》2021年度AI 50，CBinsights 2023 AI 100，以及Gartner 2022年数据和AI的Cool Vendor，Snowflake、SingleStore和基于Apache Cassandra™的DataStax也与它建立了深度的合作伙伴关系。

让软件开发者“不懂”AI也能使用AI的能力

MindsDB的两位联合创始人Jorge Torres和Adam Carrigan是连续创业者，他们的上一家创业公司Real Life Analytics做的是软硬件结合的数字营销业务，但是按照Torres的说法，这次创业“失败得很彻底”。

将AI引入数据分析并不是新鲜事，但是传统的AI建模需要数据预处理、模型构建、模型上线等步骤，相对复杂。而且对于数据分析师和开发人员也提出了较高要求（需要懂业务，懂数据，懂AI）。显然，中小企业承担这样的成本比较困难，大型企业做起来也不容易。

Jorge Torres和Adam Carrigan的创业初心就是简化AI的上手难度，让普通软件开发者也能方便使用AI的能力。

“目前，全球大约有3000万软件开发者，但只有不到五分之一的开发者熟悉AI/ML工程技术。然而，我们正面临一个新的转型，未来大部分软件会以AI为核心。我们利用AI数据库，帮助普通开发者在现有的软件技术栈上构建AI能力。”MindsDB联合创始人兼首席执行官Jorge Torres说。

MindsDB最初的创业发展并不顺利，在开源软件开发的最初六个月，不少人都对他们的想法表示怀疑。

但是随着时间的推移，MindsDB的创业之路越走越顺，这主要得益于Y Combinator的帮助和开源社区的力量。Y Combinator的董事总经理Michael Seibel邀请它们进入其2020年冬季的批次中，经过多次的“辅导”，Jorge Torres表示：“我们现在是真正的公司了。”

Jorge Torres认为MindsDB的成功离不开开源社区：“自开发开源软件5年来，社区的开发者们不断测试和完善MindsDB的技术，使它逐渐成为市场上最成熟的解决方案之一。

MindsDB一开始只集成少数数据源，但自生成式AI热潮到来，我们的数据源呈指数级增长，这些都来自开源社区的帮助。而且我们很多的付费用户，都是通过试用开源产品后，再与我们合作的。”

MindsDB是截止2022年，Github平台，星星数增长速度最快的开源机器学习平台。目前，它在开源社区有超过500个代码贡献者，17700颗星，以及超过15万次的安装实例，它还有超过130个平台集成，包括OpenAI、Hugging Face这样的大模型公司，以及Snowflake、MongoDB、Databricks这样的数据巨头。

MindsDB的投资人Mayfield在云计算和数据领域深耕，曾经投资了HashiCorp，它的管理合伙人Navin Chaddha表示“我们对MindsDB在开源生态中的成功，以及其与数据库和AI生态系统的广泛合作印象深刻。我相信整个软件技术栈将为AI优先时代而重构。作为业界第一个为AI逻辑提供服务的“数据云服务”，MindsDB的创新平台提高了组织内部的AI可用性，加速了企业对AI的采用。”

利用“AI表”连接和操控数据与AI模型

MindsDB将自己定义为AI数据库，它可被用于部署和管理AI模型（无论是先进的生成式AI模型还是经典的机器学习模型），它还能自动化连接AI模型与企业数据库的工作流。

MindsDB的核心技术，“AI表”

MindsDB的产品使组织能够通过将AI模型抽象为“AI表”（AI Table），这种抽象使企业的软件开发团队能够使用他们现有的SQL技能构建由AI驱动的应用程序。“AI表”能够从输入数据中学习，并在被查询时根据底层模型生成预测结果。

从这张图可以很直观的理解，左边是各种数据源，右边是AI模型，MindsDB通过整合数据源和AI模型，弥合了AI和数据之间的鸿沟。

“AI表”本质上将AI模型抽象成虚拟数据库表，能够根据给定的输入产生开发者和企业需要的输出。通俗些说，它不仅连接了数据源和AI模型，而且像编辑器一样，让开发者很方便的操控AI模型。

用MindsDB创始人Torres的话说：“我们的平台是连接数据源和AI模型的中央枢纽，使得创建有用的AI驱动的解决方案成为可能。”

从这张图可以更详细的了解MindsDB在整个技术堆栈中的位置和作用。这是一个数据分析的例子。

首先，ETL工具（Airbyte）从数据源（intercom）中提取和整理数据到数据仓库（Google BigQuery）。

然后，MindsDB作为AI数据库与GPT-4连接，并将数据从数据仓库中提取，定义好分析逻辑后，将数据输入GPT-4中处理。接着，再把经过处理的数据传回数据仓库。

最后，BI工具从数据仓库中提取GPT-4处理好后的数据，进行深度的分析。

从这个例子中，我们可以看到MindsDB作为“控制器”将开发者定义的逻辑和规则输入到大模型中，在不增加开发者和数据分析师负担的前提下，充分利用了大模型的能力。

MindsDB有用丰富的数据源和功能集成，目前它的平台有超过130种的AI集成功能，并且能够使用来自OpenAI、Anthropic、Hugging Face、Langchain和Nixtla的多种高级机器学习框架和生成式AI模型。

在数据源方面，它与Amazon Redshift、Google BigQuery、MySQL、Postgres、MongoDB和Snowflake等数据平台兼容，能够从这些数据库和数据仓库中提取数据。

每年帮客户节省500000美元

金融服务平台Domuso使用MindsDB创建并实施了一个可靠的ML模型，该模型使用MindsDB的AutoML解决方案，并得到了机器学习专家的支持。

Domuso设计了分析规则并将它们转变为实时操作，使用其现有的团队和技术资源完成了这一任务。MindsDB帮助Domuso在两个月内退单费用减少了95000美元，每年可能节省大约500000美元。

除了以上两个数据分析类型的用例，MindsDB的用例还包括，搭建虚拟角色聊天机器人，打造基于工作流的AutoPilot等。

如果客户不满足于MindsDB提供的AI模型，他们也能上传或部署自己的模型使用，在MindsDB平台，客户还能微调自己的AI模型。

按需收费的MindsDB Pro云服务

因为起源于开源软件，所以MindsDB可以本地部署。此外，它也有自有云服务MindsDB Pro和第三方云服务（主要由AWS提供），它的云服务专为AI/ML项目的实验和部署而设计，这个服务可以让客户无缝地集成并使用AI模型，消除了复杂的基础设施设置和管理的需要。

此外，它与企业数据库的集成拥有强大的数据治理和安全性。通过利用现有的数据库安全措施，MindsDB使客户能控制AI模型的访问、权限和审计。这种集成还确保了与数据隐私法规的符合性，为AI驱动的应用提供了一个安全和可信赖的环境。

在价格方面无论是自有的MindsDB Pro还是AWS，都是按需收费，每小时0.7美元。

企业无需招募专业AI人才也能使用AI的能力

MindsDB的核心价值，在于创始人创立公司的愿景“AI普惠”，它直接服务的对象是软件开发者和数据科学家，MindsDB让他们可以用自己已经熟悉的SQL技能操控最新的生成式AI的能力。

对于企业，MindsDB的价值在于成本的节省和效率的提高，有了MindsDB，企业不用自己部署和训练AI模型，也不需要专门雇佣或培养懂AI的高端人才，直接就可以解锁生成式AI的巨大力量。

核心关注开发者的MindsDB选择从开源软件起步也是一个很好的选择，因为开源社区可以帮助他们不断地测试和改进自己的软件，用很低的成本完成软件的快速迭代和完善。而且当客户使用了开源版本软件后，再进行商业化拓展时，就已经跨过了“这个软件能不能用，好不好用”的客户教育过程。MindsDB的发展过程可以说“从开发者中来，到开发者中去。”

目前海外已经越来越多出现这种以开源软件出发，再进行商业化的创业模式，数据科学领域的巨头Databrick和MangoDB，还有AI领域的Hugging Face都是如此。中国也拥有开源软件，但是很多是大公司开源自己的软件，比如阿里云将通义千问的模型和AliSQL数据库。而且中国的开源软件生态比较碎片化，不少还是由大公司运营，由开源软件进而商业化创业的路径还不明确。

在AI领域，越来越多的公司在帮助人们降低使用AI的门槛，那么利用AI能力进行浅表层应用创业会越来越容易。应用创业当然可以瞄准某一个行业或某一个具体领域，但像MindsDB这样瞄准某一个特定群体创业，也是很好思路。

本文来自微信公众号“阿尔法公社”（ID：alphastartups），作者：发现非凡创业者的，36氪经授权发布。