استارتاپ جستجوی غیرمتمرکز سپنا 10 میلیون دلار جمع آوری می کند

استارت‌آپ جستجوی غیرمتمرکز سپنا امروز اعلام کرد که دور سرمایه‌گذاری 10 میلیون دلاری توسط شرکت‌های مخاطره‌آمیز Hack VC و Pitango First را بسته است.

طبق ایمیلی که با The Block به اشتراک گذاشته شد، Protocol Labs، Lattice Capital و Balaji Srinivasan نیز در دور این استارتاپ شرکت کردند. سپنا از به اشتراک گذاشتن ارزش گذاری خود خودداری کرد و گفت که این معامله در این هفته بسته شد.

سپنا که توسط دو برادر به نام‌های دانیل و دیوید کیز تأسیس شد، سعی دارد محتوای وب 3 مانند DAO و NFT را از طریق ابزار جستجوی خود قابل کشف‌تر کند. یکی از راه‌های انجام این کار از طریق یک API جستجوی وب 3 آینده است که هدف آن فعال کردن هر برنامه غیرمتمرکز (dapp) با زیرساخت جستجوی آن است. 

این ادعا می‌کند که میلیون‌ها پرس‌و‌جوی جستجو در بلاک چین‌ها و برنامه‌هایی مانند Lens و Mirror توسط ابزار آن تامین می‌شوند. 

این بودجه برای استخدام مهندسان ارشد بلاک چین و کارشناسان جستجو و همچنین راه اندازی یک محصول برای تقویت "جامعه جستجو" در اطراف محصول استفاده می شود. 

در بلندمدت، این شرکت به دنبال ایجاد یک پروتکل جستجوی همتا به همتای کاملاً غیرمتمرکز است. این زیرساخت به ایجاد پل‌های اطلاعاتی بین برنامه‌های غیرمتمرکز و پروتکل‌ها برای بهبود نتایج جستجو با حفظ حریم خصوصی در خط مقدم کمک می‌کند. 

دانیل کیز در بیانیه ای که با The Block به اشتراک گذاشته شد، گفت: «الگوریتم هایی که زندگی آنلاین ما را دیکته می کنند باید منبع باز و تحت کنترل جامعه باشند. 

این به دنبال افزایش‌های مشابه در فضای ابزار جستجو و نمایه‌سازی web3 است. ماه گذشته، شاخص‌کننده بلاک چین Nxyz از مخفی کاری به امن 40 میلیون دلار در دور سری A به رهبری پارادایم. در ماه مه، استارت‌آپ کریپتو Lighthouse Labs مستقر در مونترال مطرح شده 7 میلیون دلار سرمایه اولیه قبل از راه اندازی موتور جستجوی متاورس آن.

© 2022 کلیه حقوق این سایت متعلق به Block Crypto ، Inc. این مقاله فقط برای مقاصد اطلاعاتی ارائه شده است. این پیشنهاد یا در نظر گرفته نشده است که به عنوان مشاوره قانونی ، مالیاتی ، سرمایه گذاری ، مالی یا سایر موارد استفاده شود.

منبع: https://www.theblock.co/post/184102/decentralized-search-startup-sepana-raises-10-million?utm_source=rss&utm_medium=rss