Edelbyte 获 7000 万美元融资，推出数据分析平台

11 月 11 日，总部位于特拉维夫的数据分析平台开发商 Edelbyte Ltd. 正式亮相，并宣布累计获得 7000 万美元融资。融资分两轮完成，由 Sequoia 与 Quiet Capital 领投，Greenoaks 和 Swish Ventures 参投。据以色列科技媒体 CTech 报道，公司估值为 5 亿美元。Edelbyte 称，其平台面向 AI 智能体的数据查询与分析需求设计，并把自身定位为 Snowflake 和 Databricks 的替代方案。

融资与团队背景

Edelbyte 成立于去年，总部设在特拉维夫。四位创始人是 Avner Aharoni、Evgeney Ryzhyk、Alexander Sloutsky 和 Yoni Leibowitz，均为前微软高管。四人在微软期间参与开发了 Azure Data Explorer，这是一款用于分析实时信息流的工具，客户常以 Kusto 称呼它，名字来自该工具使用的同名查询语言，用途是在大量数据中找出模式。

7000 万美元分两轮募集。除领投方 Sequoia 与 Quiet Capital 之外，Greenoaks 与 Swish Ventures 参与了投资。CTech 给出的估值为 5 亿美元。两轮融资各自的完成时间、单轮金额与投资条款均未公开。

按公司说法，新资金将用于扩大已安装客户基础，并招聘更多员工。Edelbyte 称已有多家财富 500 强企业客户使用其平台支撑 PB 级数据环境，但没有给出客户名称、客户数量与合同规模，也没有披露收入情况。

产品发布与融资消息同日公布。公司对外给出的依据，是这些客户已经在实际数据环境中使用平台，而不是处于测试或概念验证阶段。

平台的技术细节

按公司披露，平台单次部署可存储高达数百 PB 数据，并能同时保存标准记录与向量两类数据。向量是 AI 智能体保存知识时使用的数学结构，它不只存下产品列表这类数据片段，还存下便于查找相似项的信息。对 AI 应用而言，这两类数据对应两种不同的取数方式：一类按条件精确定位记录，另一类按相似程度召回内容。

查询能力的覆盖面比较宽。搜索引擎可以用它查找用户所需的记录，商业智能工具可以在其上运行分析计算。平台还支持图处理，即研究彼此存在关联的数据点，例如因在同一系统中创建而产生关联的数据。图处理通常用于回答实体之间是否存在路径、关系有多近这类问题，与传统按行按列聚合的查询方式不同。

性能方面，Edelbyte 声称可在低于 100 毫秒的延迟下查询多 PB 级数据集，底层使用了多种优化方法。公司没有公布与之对应的基准测试方法、数据集规模与硬件配置。

分析一份数据集，通常的做法是先把数据迁移到专门的处理环境中再执行查询。Edelbyte 采用一种叫查询联邦的技术跳过这一步：它不要求用户把所有数据加载进平台，而是直接在数据原本存储的系统里运行查询。这样做的直接效果是缩短处理时间，同时减少在环境之间搬运数据所消耗的带宽。

查询优化的另一部分来自索引。索引是大型数据集中便于查找特定条目的快捷方式集合，只有在针对使用它的应用的数据访问模式做过定制时才有效。Edelbyte 称，平台把索引定制流程中的一部分人工工作自动化了。创始团队在 Azure Data Explorer 上的经验与这套思路存在对应关系：该工具面向实时信息流，强调在持续写入的海量数据上做快速查询，而索引与访问模式的匹配程度，直接影响这类系统能跑多快。

市场定位与竞争语境

Edelbyte 明确把平台定位为 Snowflake 和 Databricks 的替代方案。这两家公司分别对应云数据仓库与湖仓一体两条技术路线，是目前企业分析型数据负载的主要承载者之一。

首席执行官 Avner Aharoni 的表态给出了公司的判断依据。他说，企业目前依赖的搜索与分析系统是在 AI 之前的世界里构建的；随着 AI 成为企业运营的核心，数据查询的量与复杂度会超出传统基础设施的设计能力，因此在搜索与分析领域存在产生新的市场领导者的机会。

从产品形态看，Edelbyte 把向量检索、结构化查询与图处理放在同一套系统里，用户不必在向量数据库和分析型数据库之间再做一次数据同步。这类统一化设计对应的是 AI 应用里常见的一条请求链路：智能体先按语义召回相关上下文，再对召回结果做结构化过滤与聚合。

定价模式、正式可用时间、部署形态、所支持的数据源与云平台，以及安全与合规认证情况，均未在发布信息中说明。与两家竞品的性能对比，目前只有公司自身给出的延迟声明，没有第三方基准数据。

观察

数据分析平台的竞争点，正从存储与计算弹性转向能否同时承接传统分析与 AI 应用的检索需求。Edelbyte 的路径是用一套系统覆盖标准记录、向量与图数据，并以查询联邦减少数据搬迁。这套思路能否成立，取决于两点：联邦查询在客户既有系统上的实际延迟能否稳定在声明水平，索引自动化能否覆盖足够多的访问模式。客户规模、付费情况与替换成本目前都缺少公开数据，5 亿美元估值对应的收入基础也无从核对。Snowflake 与 Databricks 是否会被这类新架构分流，业内看法并不一致。

本文编译自 SiliconANGLE（https://siliconangle.com/2026/11/11/edelbyte-reels-in-70m-for-its-multi-purpose-data-analytics-platform/），版权归原作者所有。