用AI解决AI部署难题，June获2000万美元融资

今日，一家名为June的初创公司从隐身模式中正式亮相，宣布获得由Salesforce首席执行官马克·贝尼奥夫（Marc Benioff）支持的2000万美元pre-seed轮融资。这家公司的目标十分清晰：让AI的采用变得更加简单。在人工智能技术席卷全球企业的今天，June却认为，AI部署本身正是AI发展面临的最大瓶颈之一。

AI部署：企业落地的“最后一公里”

过去两年，大语言模型等AI技术突飞猛进，各类生成式AI工具层出不穷。然而，在光鲜的演示背后，将AI真正嵌入企业生产流程却远非易事。数据孤岛、遗留系统、隐私合规、算力成本、技术人才稀缺……每一项都可能让AI项目在试点之后陷入停滞。即使是采用通用大模型的企业，也常常发现需要专门的提示工程、微调和推理成本管理，才能获得可用的结果。

多家行业机构的研究显示，大量企业AI项目停留在概念验证阶段，真正实现规模化并产生业务价值的寥寥无几。一些技术管理者甚至直言，最大的问题不再是模型能力不足，而是部署和运维AI时，原有系统与现代AI技术之间的集成难度极高。

“AI部署问题，正在成为继大模型能力之后，AI产业面临的最大挑战。”

June的解题思路：用AI管理AI

June的核心主张是：既然AI本身擅长处理复杂流程与自动化，为何不能用AI来解决AI部署的复杂性？这仿佛是对AI的一场“自我治疗”。虽然June尚未公布具体产品细节，但其战略逻辑可以理解为——利用智能代理（AI agents）、自动化工作流或底层运营管道，帮助企业更轻松地完成AI模型的选型、集成、测试、监控与迭代。

这种思路在技术上并不突兀。在软件工程中，AI已经被用于自动生成代码、辅助运维和检测异常。将其延伸到AI部署环节，意味着企业可能不再需要依赖一支庞大的专业AI团队，而能像使用SaaS服务一样，低成本地接入并运营AI能力。有人猜测，June或许会让大模型自动生成与现有业务系统对接的接口，或根据运行状态自动调整推理资源，从而大幅降低人工干预。这种模式也可能让AI产品与业务系统的耦合度更低，从而避免“数字再造”式的实施项目。

贝尼奥夫加持的背后

马克·贝尼奥夫的加持，不仅仅意味着资金背书。作为企业级软件巨头Salesforce的掌门人，他深知企业客户对AI系统集成与实际运维有多头疼。Salesforce自身的“爱因斯坦”AI产品，也需要大量配置与定制才能贴合客户需求。因此，贝尼奥夫对June的投资，代表了他希望从外部创新中寻找更通用、更简单的AI部署答案。

另一方面，这笔pre-seed轮融资的规模也相当惊人——2000万美元远高于同类早期融资的常态。通常，pre-seed轮意味着企业仅有一个初步产品甚至只是一份方案书。如此大的首轮融资额度，表明一部分头部投资者正以极高的热情押注AI基础设施层的机会，而June正是他们眼中能够打开局面的选手。

挑战与前景

当然，用AI解决AI部署，也面临自身悖论。如果AI系统本身足够复杂，那么管理这些系统的AI，是否也会复杂到难以部署？June必须证明其方案的通用性与可扩展性，而不是变成一套本身就需要大量定制的重工具。此外，生成式AI在企业场景中涉及的数据安全、合规审查和模型治理，也可能让自动化部署面临更高的责任门槛。

另外，企业不大可能在一开始就将核心业务完全交给AI代理来管理，自动化部署工具本身也需要赢得工程团队和业务负责人的信任。这意味着June需要设计出渐进式的落地路径，既能解决实际问题，又不至于引发“失控”的担忧。

但无论如何，June的愿景击中了当前行业的痛点。随着企业对AI的态度从跟风转向务实，他们真正需要的不仅是“更聪明的模型”，更是“更省心的部署”。如果June能够兑现其承诺，那么它或许会成长为AI产业中不可或缺的一层“水电煤”。

编者按

科技行业从不缺少对AI的乐观想象，但让AI在组织内真正创造价值，往往需要跨越大量的工程与管理门槛。June的尝试值得关注，因为它把重心从模型“上限”转向了部署“基线”，这或许正是AI从demo走向product的关键一步。当然，融资只是起点，June要用这笔钱打造出真正打动企业的解决方案，仍然任重道远。

本文编译自TechCrunch