PuppyGraph привлекла $10 млн в раунде Series A после семикратного роста годовой регулярной выручки

PuppyGraph объявила 10 ноября 2026 года о привлечении $10 млн в раунде Series A, который возглавила Particle Future при участии defy.vc. Средства пойдут на расширение инженерной команды и развитие продаж корпоративным клиентам. Общий объем финансирования разработчика движка запросов к графам достиг $15 млн.

Раунд состоялся после выхода PuppyGraph 1.0 в общий доступ. По данным компании, за последний год годовая регулярная выручка выросла в семь раз. Среди клиентов — AMD, Palo Alto Networks, Coinbase, Trend Micro, Datadog и Sola Security.

Запросы к корпоративным данным без их перемещения

PuppyGraph предназначена для ИИ-агентов, которые исследуют бизнес-вопросы в разных подразделениях, а не просто составляют SQL-запросы к известному набору данных. Агенту может потребоваться проследить связи между клиентами, продуктами, компонентами и поставщиками. По мере роста числа таблиц описания их схем занимают все больше места в контекстном окне агента, а число возможных путей соединения таблиц увеличивается.

Движок выполняет графовые вычисления непосредственно в поддерживаемых базах данных, хранилищах и озерах данных. Записи остаются в таких системах, как Apache Iceberg, Databricks, Snowflake, PostgreSQL и Microsoft Fabric, поэтому не нужны отдельная графовая база данных, копия графа и связанные с ними конвейеры загрузки. Приложения по-прежнему могут использовать SQL для фильтрации и агрегирования данных, а для вопросов, требующих анализа множества связей, — графовые запросы.

Онтология задает утвержденные бизнес-сущности и связи между ними, предоставляя агентам допустимые пути для исследования. Конструктор схем PuppyGraph с поддержкой ИИ предлагает такую модель на основе существующих таблиц, однако команды по работе с данными проверяют и утверждают ее бизнес-смысл. Совместимые ИИ-инструменты подключаются через MCP; пользователи также могут работать со встроенным агентом PuppyGraph.

Движок отклоняет ссылки на сущности или связи, отсутствующие в онтологии, и возвращает структурированные сообщения, помогающие исправить запрос. Это позволяет избежать незаметных ошибок, возникающих, когда агент выдумывает связь и принимает полученный результат за доказательство. PuppyGraph предупреждает, что проверка не гарантирует правильного вывода: агент все еще может выдвинуть неудачную гипотезу или провести неполный анализ.

Производительность и средства управления доступом

По данным PuppyGraph, ее движок поддерживает выполнение графовых запросов менее чем за секунду для подходящих нагрузок и позволяет агентам обращаться к 3 000 корпоративных таблиц как к единому графу. В отдельном тестировании компании кластер из четырех машин выполнил запрос с глубиной обхода в 10 переходов по графу с миллиардами ребер за 2,26 секунды; производительность зависит от нагрузки.

Скорость влияет на ход исследования: агенты проверяют несколько гипотез, а медленный запрос может задержать следующий этап анализа, если тот зависит от предыдущего результата. Поэтому результаты тестирования важны для оценки того, можно ли интерактивно искать глубокие связи, а не только измерять максимальную пропускную способность запросов.

PuppyGraph 1.0 также применяет настроенные разрешения на уровне строк на всех этапах обхода графа, включая промежуточные. Управление доступом на основе ролей и подмена пользователя связывают права доступа с личностью пользователя. Поддерживается единый вход, а в журналах аудита административных действий фиксируются операции по управлению системой. Механизм выдачи учетных данных получает краткосрочные учетные данные с учетом личности пользователя для таких платформ, как Snowflake и Databricks, избавляя пользователей от необходимости раскрывать или самостоятельно управлять долгосрочными учетными данными.

Внедрение и приоритеты развития

Технический директор Sola Security Леон Голдберг заявил: «Мы ежедневно запускаем ИИ-агентов для работы с тысячами таблиц и миллиардами ребер». Директор по разработке Palo Alto Networks Ран Ся отметил, что компания выполняет многошаговые обходы графа на существующей платформе данных, не перемещая и не дублируя строки, что позволяет отказаться от обслуживания соответствующих конвейеров ETL. Старший штатный инженер-программист Coinbase Синьюй Лю рассказал, что Coinbase подключается напрямую к таблицам, которые хранятся в Snowflake и Databricks, и использует MCP для запросов на естественном языке о связях между данными.

AMD начала с ИТ-нагрузок и теперь расширяет применение системы на данные в сфере информационной безопасности и цифрового маркетинга, сообщила PuppyGraph. Этот переход показывает, как работает более широкая модель компании: когда карта связей охватывает новые подразделения, агенты могут исследовать вопросы, которые прежде оставались за пределами организационных границ.

Компания планирует направить привлеченные средства на сокращение трудозатрат на настройку графовых моделей, практическое применение запросов о связях в масштабах крупных предприятий и помощь клиентам в переводе агентов в промышленную эксплуатацию. Главная задача — расширить возможности таких исследований, не ослабляя контроль со стороны людей за онтологией и разрешениями, которые определяют, какие связи считаются допустимыми и какие данные доступны каждому пользователю.