北京
凌晨兩點，運維工程師張凡盯著AWS賬單，發現昨晚一個測試腳本讓碳排放報告飄紅。他需要馬上知道這個任務的碳足跡具體是多少，但云廠商只提供粗糙的月度估算。同樣焦灼的還有在藥企做AI模型的朋友——花三個月清洗的臨床試驗數據，還卡在合規脫敏這一步。
兩家2025年冒頭的公司，正對著這兩個痛點遞出API。
Climate-Scale：把“綠色調度”寫成SDK
這家2022年成立的公司，A輪拿了4200萬美元，核心是一套遙測工具：實時抓取AWS、GCP、Azure上每臺虛擬機的耗電，結合所在地區電網的碳排放因子，算出每一次請求的克級二氧化碳當量，并通過碳足跡API返回。Shopify和Datadog等早期用戶，用它的“綠色調度器”自動優化工作負載后，排放量平均下降12%。更直接的是，以前要花幾周才能拿到的報告，現在5秒內就能出數。
對開發者來說，集成起來就幾行代碼。引入@climatescale/sdk，把業務函數包一層runWithCarbon，調用返回結果時，控制臺會同步打出本次調用的碳排放克數。這意味著無論是CI流水線、無服務器函數，還是普通微服務，都能無侵入地嵌入碳感知能力，而不用重寫業務邏輯。對于需要向客戶或合規部門提供Scope 2排放證明的團隊，這相當于把“碳意識”變成了基礎庫。
MedAI-Bridge：把臨床數據變成TensorFlow即用型
另一家2023年創立的公司，B輪7800萬美元。它解決的是藥物研發AI的數據饑餓問題——高質量、帶標簽的臨床數據獲取成本極高，而且HIPAA合規管道又貴又封閉。MedAI-Bridge提供FHIR到TensorFlow的自動轉換服務，能把患者隊列數據脫敏、標準化，直接流式傳輸成安全的TensorFlow Dataset格式。
效果有據可查：原本平均需要4個小時的手動ETL，被壓縮到1.3小時，數據上線速度提升3倍。合作方羅氏和Insilico Medicine的模型收斂速度因此提升了27%。對AI團隊意味著，不用再去跟醫院信息科反復對齊數據字典，也不用自己寫脫敏腳本，用幾行Python調用FHIRClient和TFDSExporter就能拿到合規的訓練數據。
冷靜拆解：蛋糕和叉子都遞到了手上
兩名Nova Forge分析師認為，兩家公司的價值不在于發明了什么新理論，而在于把已經驗證的需求做成了可集成的原子化能力。Climate-Scale的碳排放API讓精細化的綠色運維從大廠專屬變成個人開發者也能用的工具；MedAI-Bridge則用轉換層削平了臨床數據與AI框架之間的鴻溝。唯一要盯緊的是API的穩定性和價格策略——不過對想嘗鮮的開發者來說，SDK和Python包已經開放，跑起來可能只要花一個下午。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
