Unbound籌集400萬美元，為AI革命帶來企業級控制

隨著生成式AI在工作場所的普及，一種新的基礎設施正在出現，以控制混亂。 Unbound，一家總部位於舊金山的初創公司，已籌集400萬美元的種子輪資金，幫助企業以安全、可觀察和成本有效的方式接受AI。

本輪融資由 Race Capital 領投，獲得 Wayfinder Ventures、 Y Combinator、 Massive Tech Ventures 和一批著名天使投資人（包括谷歌董事會成員Ram Shriram和Cloudflare和Palo Alto Networks的網絡安全專家）的支持。該公司將自己定位在AI治理的前沿——這是一個日益緊迫的領域，因為企業在大規模採用AI的同時也面臨著治理的挑戰。

AI的暗影IT危機

從市場部門使用ChatGPT到工程師運行代碼通過Copilot，AI工具已經成為不可或缺的工具——往往也沒有受到監管。這種“暗影AI”採用引入了真正的風險：洩露專有數據，產生無監控的成本，並引入第三方模型而沒有進行安全審查。IT團隊往往被留在黑暗中，無法執行政策或保護敏感數據。

Unbound就是為了解決這個問題而成立的。該平台作為AI閘道，安全的中間件層，直接與流行的企業AI工具（如Cursor、Roo和內部文檔Copilot）集成。Unbound不會阻止訪問生成模型，而是引入細粒度控制，實時刪除，模型路由和強大的使用分析——所有這些都沒有破壞現有的工作流程。

AI刪除和模型路由——解釋

Unbound的一個最創新功能是 實時提示刪除。當用戶與AI工具交互時，Unbound掃描請求中敏感內容（如密碼、API密鑰或個人數據）。與傳統的數據丟失防護工具不同，系統自動刪除機密並將敏感提示路由到內部模型（這些模型位於Google Vertex AI、AWS Bedrock或企業安全環境中的私有LLM上）。

這一架構決策反映了一個日益增長的趨勢：將AI流量視為網絡流量，具有路由、故障轉移、可觀察性和成本控制。

Unbound的路由邏輯由使用模式和模型性能指標驅動。例如，高風險請求（如基礎設施代碼生成）可以路由到頂級模型（如Gemini 2.5），而輕量級任務（如語法編輯）可以卸載到開源LLM——從而降低不必要的高級許可使用。

在實踐中，這個能力轉化為可衡量的結果。技術和醫療領域的早期採用者使用Unbound來：

• 防止超過 7,000個潛在的數據洩露，包括機密、憑證和個人身份信息（PII）。
• 實現 高達90%的敏感內容檢測準確率。
• 降低 AI座位許可證成本高達70%，感謝智能路由和模型優化。

與其購買整體許可，公司可以選擇性地提供訪問，確保模型使用與業務優先級保持一致。

具有深厚安全和基礎設施DNA的創始人

在這個平台背後是聯合創始人 Rajaram Srinivasan（CEO）和 Vignesh Subbiah（CTO）——兩位企業軟件和安全的老手。Srinivasan此前曾在Palo Alto Networks和Imperva領導數據安全產品團隊，而Subbiah曾在Tophatter和Shogun從種子階段到成長階段擴展平台，後來加入Adobe。

他們的使命很明確：建立一個能夠在不妥協企業級安全的情況下實現AI創新的系統。 “對AI工具的全面禁令已經過時，”Subbiah說。 “通過Unbound，我們為每個AI請求提供外科手術級別的安全控制——使企業能夠快速移動，而不會破壞信任。”

從混亂到協調的AI堆棧

更廣泛的市場正在驗證Unbound的願景。隨著企業AI使用的增長，對集中管理、透明度和故障安全的需求也在增加。最近的研究估計，全球 AI治理行業將從2024年的8.9億美元增長到2029年的58億美元——複合年增長率為45%。

Unbound將自己定位為這個新堆棧中的任務關鍵基礎設施。如冗余路由在LLM停機期間（當提供商如OpenAI或Anthropic出現節流時）、團隊級別的使用分析和每個請求的模型編排等功能，將AI採用從無序狀態轉變為控制和智能系統。

“把我們想象成企業AI的反向代理，”Srinivasan說。 “我們坐在用戶和模型之間，確保隱私、性能和成本效率——而不會引入摩擦。”

Unbound的下一步

通過這次融資，Unbound計劃：

• 在50多個企業AI應用中擴展集成。
• 添加更深入的可觀察性功能，以實現團隊和部門級別的洞察。
• 支持在保密計算環境中對內部和開源模型進行全面的編排。

在每個部門都成為AI強大使用者的世界中，Unbound提供了基礎設施，以保持這種力量的控制——並與業務目標保持一致。

“我們很自豪地支持Rajaram、Vignesh和團隊，”Race Capital的合夥人Edith Yeung說。 “Unbound正在建立企業迫切需要的AI治理層——安全、可觀察和適合現實世界。”

隨著生成式AI繼續擴展到企業工作流程中，管理其風險的工具需求也在同步增長。Unbound的400萬美元種子輪融資反映了行業向建造基礎設施的轉變，以為AI採用帶來可視性、控制和治理。隨著對安全、適應性AI框架的興趣日益增長，Unbound加入了一批日益增長的初創公司，共同解決在大規模採用AI時責任感的複雜挑戰。