97
0本期亮点：
为什么最顶尖的AI工程师80%的时间不是在写AI模型，而是在“修水管”？当自动驾驶、生成式AI全面普及，旧的数据处理系统却拖了后腿。Eventual 联合创始人亲历痛点，在Lyft自动驾驶项目中决定“重构”整个AI数据处理体系，打造了 专为多模态AI工作负载设计的基础设施引擎——Daft。
本期播客带你拆解 Eventual 获得 3000 万美元融资背后的真实价值，探索多模态数据的未来、AI Infra 的新范式，以及一场“从SQL之于表格数据，到Daft之于非结构化数据”的系统性革新。
💡 本期关键词：
- AI工程师为何沦为“数据水管工”？
- 从Lyft出发：多模态数据处理的真实痛点
- Daft = 多模态数据世界的“SQL”？
- Python原生 + Rust 性能 + 分布式弹性，技术栈拆解
- 为什么Daft对AI推理场景的GPU效率提升能达5-6倍？
- Eventual Cloud的商业化逻辑与开源生态策略
- 投资人视角：为什么这类Infra创业会爆发？
- AI时代基础设施演进趋势：从通用处理到原生多模态
👥 适合谁听：
- AI Infra/Infra创业者与工程师
- 对AI数据处理和大模型部署感兴趣的技术从业者
- 关注Infra赛道投资机会的VC/天使投资人
- 企业中负责数据平台/数据团队架构的负责人
- 正在思考AI工作负载底层重构的产品经理和CTO
📌 相关链接：
- Eventual 官网：www.eventual.ai
- Daft 开源项目地址：github.com
- 提到的相关文章：《AI agent基建持续火热》《双胞胎兄弟打造视频AI agent》《语音数据比文本珍贵1000倍》《AI时代的Stripe》
订阅「深思圈播客」，每期聚焦一家全球顶尖AI创业公司，拆解其产品、技术与市场打法，帮助你看清AI时代的下一个机会。关注深思圈，发现一个更大的世界。
