PuppyGraph sikrer sig 10 mio. dollars i en serie A-finansieringsrunde efter syvdobling af den årlige tilbagevendende omsætning

PuppyGraph meddelte den 10. november 2026, at virksomheden havde rejst 10 millioner dollars i en serie A-finansieringsrunde ledet af Particle Future med deltagelse af defy.vc for at udvide ingeniørarbejdet og indsatsen for at nå ud til erhvervskunder. Finansieringen bringer den samlede kapital, som udvikleren af grafforespørgselsmotoren har rejst, op på 15 millioner dollars.

Finansieringsrunden følger efter, at PuppyGraph 1.0 blev generelt tilgængelig. PuppyGraph oplyste, at den årlige tilbagevendende omsætning blev syvdoblet i løbet af det seneste år, og at kunderne blandt andet omfatter AMD, Palo Alto Networks, Coinbase, Trend Micro, Datadog og Sola Security.

Forespørgsler på virksomheders data dér, hvor de ligger

PuppyGraph er rettet mod AI-agenter, der undersøger forretningsspørgsmål på tværs af afdelinger, frem for blot at generere SQL til et kendt datasæt. En agent kan have brug for at følge relationer mellem kunder, produkter, komponenter og leverandører. Efterhånden som antallet af tabeller vokser, optager skemabeskrivelser en større del af agentens kontekstvindue, og antallet af mulige join-stier øges.

Motoren udfører grafberegninger direkte på understøttede databaser, datavarehuse og datasøer. Dataene forbliver i systemer som Apache Iceberg, Databricks, Snowflake, PostgreSQL og Microsoft Fabric, så man undgår en dedikeret grafdatabase, en separat grafkopi og de tilhørende indlæsningspipelines. Applikationer kan stadig bruge SQL til filtre og aggregeringer og samtidig vælge grafforespørgsler til spørgsmål, der i høj grad handler om relationer.

En ontologi angiver godkendte forretningsenheder og relationer og giver agenterne gyldige veje at følge i deres undersøgelser. PuppyGraphs AI-assisterede skemaværktøj foreslår en sådan model ud fra eksisterende tabeller, men datateams gennemgår og godkender dens forretningsmæssige betydning. Kompatible AI-værktøjer kan oprette forbindelse via MCP, og brugerne kan også arbejde gennem PuppyGraphs indbyggede agent.

Motoren afviser henvisninger til enheder eller relationer, der ikke findes i ontologien, og returnerer struktureret feedback, så forespørgslen kan rettes. Det imødegår uopdagede fejl, der opstår, når en agent opfinder en forbindelse og behandler resultatet som dokumentation. PuppyGraph understreger, at validering ikke garanterer en korrekt konklusion, fordi en agent stadig kan forfølge en dårlig hypotese eller foretage en ufuldstændig analyse.

Ydeevne og styring

PuppyGraph oplyste, at motoren understøtter grafforespørgsler på under et sekund for understøttede arbejdsbelastninger og gør det muligt for agenter at forespørge på tværs af 3.000 virksomhedstabeller som én samlet graf. I en separat benchmarktest udført af virksomheden gennemførte en klynge med fire maskiner en forespørgsel med 10 hop på tværs af milliarder af kanter på 2,26 sekunder. Ydeevnen afhænger af arbejdsbelastningen.

Hastigheden påvirker, hvordan undersøgelser forløber: Agenter afprøver flere hypoteser, og en langsom forespørgsel kan forsinke det næste analysetrin, når det afhænger af det foregående resultat. Benchmarktesten siger derfor noget om, hvorvidt dybdegående søgninger efter relationer kan foregå interaktivt, snarere end blot at måle den rå forespørgselskapacitet.

PuppyGraph 1.0 håndhæver også konfigurerede tilladelser på rækkeniveau gennem hele grafgennemløb, herunder i mellemliggende trin. Rollebaserede kontroller og brugerimitation knytter adgangen til brugerens identitet. Enkeltlogon understøttes, mens administrative revisionslogfiler registrerer administrationsaktivitet. Credential vending henter kortlivede legitimationsoplysninger, der tager højde for identitet, til platforme som Snowflake og Databricks, uden at brugerne behøver at eksponere eller administrere langlivede legitimationsoplysninger.

Implementeringer og prioriteringer for udvidelse

Sola Securitys teknologidirektør Leon Goldberg sagde: »Vi kører AI-agenter på tværs af tusindvis af tabeller og milliarder af kanter hver dag.« Ran Xia, ingeniørdirektør hos Palo Alto Networks, sagde, at virksomheden udfører gennemløb med flere hop på sin eksisterende dataplatform uden at flytte eller kopiere rækker, hvilket fjerner behovet for at vedligeholde de tilhørende ETL-pipelines. Xinyu Liu, senior softwareingeniør hos Coinbase, sagde, at Coinbase opretter direkte forbindelse til tabeller, der vedligeholdes i Snowflake og Databricks, og bruger MCP til forespørgsler på relationer i naturligt sprog.

AMD begyndte med IT-arbejdsbelastninger og udvider nu til data inden for informationssikkerhed og digital markedsføring, oplyste PuppyGraph. Udvidelsen illustrerer virksomhedens bredere model: Når et relationskort forbinder flere afdelinger, kan agenter undersøge spørgsmål, som tidligere ikke kunne forfølges på tværs af organisatoriske grænser.

Virksomheden vil bruge den nye kapital til at mindske arbejdet med at opsætte grafmodeller, gøre relationsforespørgsler praktiske i stor virksomhedsskala og hjælpe kunder med at sætte agenter i produktion. Den centrale udfordring er at udvide disse undersøgelser uden at svække den menneskegodkendte ontologi og de adgangskontroller, der afgør, hvilke relationer der er gyldige, og hvilke data hver bruger kan se.