至顶网软件与服务频道消息:最近,软银集团推出了旗下新基金,名为远见基金2号(Vision Fund 2),拥有1080亿美元的资产。投资的重点在于:主要投资人工智能(AI)领域。毫无疑问,该基金将对于这个行业产生巨大的影响。
但是当然,增加投资的并不只有风险投资公司。大型科技公司也是如此。例如,微软已经宣布将对OpenAI进行10亿美元股权投资。
具有讽刺意味的是——直到十年前——人工智能都还是死水一潭,而且已经遭遇了几个冬天。但随着大数据的激增,学术研究的新创新以及GPU的改进,该技术已成为一股真正的力量。
“我相信,当前的人工智能革命将是未来十年推动企业软件创新的最大技术趋势,”ScaleVP的负责人Jeremy Kaufmann表示。“这一趋势的幅度至少与过去二十年我们观察到的云软件超越本地安装软件的幅度一样大,后者创造了超过2000亿美元的价值。虽然像自动驾驶之类的某些子领域可能会因为对时机的不合理期望而被夸大,但我认为自2012年深度学习革命以来,该学科的进步实际上超出了预期。
鉴于这些状况,在这一大趋势之中,有很多人工智能初创公司涌现。那么有哪些因素可以提高获得资金的概率呢?
那么,在人工智能的浪潮中,事情可能和我们在云计算革命中看到的不同。
Kaufmann表示:“不同于从内部部署软件到SaaS的转变,人工智能的进步不会改写每个商业应用,……例如,像Salesforce和Workday这样的SaaS公司能够通过从根本上吃掉像Oracle和ADP这样的老牌内部部署软件供应商来获得巨大成功。然而,在这场人工智能革命中,不要指望新创业公司通过提供‘人工智能优先(AI-first)’版本的Salesforce或Workday来取代现有公司,因为人工智能通常不会取代核心业务系统。相反,人工智能在企业软件世界中产生影响的最合理的区域将是位于多个记录系统之上,它可以充当预测系统。我很高兴谈论销售转换的可能性,最有效的营销渠道,特定信用卡交易欺诈的可能性,以及特定网站访问者是否可能是恶意机器人等话题。”
数据、团队和业务重点
人工智能创业企业还需要一个坚实的数据策略,允许对模型进行培训。在理想情况下,这意味着拥有专有的资源。
Kaufmann表示:“在最高级别,我们的很多努力归结为谁拥有专有数据,……在每笔交易中,我们都会问,‘这家创业公司是否具有针对特定领域的理解和数据,或者谷歌或亚马逊能否进行扫描并复制他们所做的事情?’这是创业公司面临的最大挑战之一——为了取得成功,你需要一个无法轻易复制的数据集。没有更大、更成熟的公司的资源,这是一个非常大的挑战——但它可以通过各种黑客实现,包括‘销售工作流优先,人工智能第二’,抓取公共可用数据以获得最小可行产品,激励你的客户与你分享他们的数据以换取价格折扣,或与拥有相关关键数据的相关机构合作。”
即使是你已经拥有了强大的数据,仍然存在着其他的挑战,例如标注和标记。还存在着偏见这一固有的问题,这可能导致意想不到的后果。
所有者一切都意味着——和任何风险机会一样——团队至关重要。Norwest Venture Partners的合伙人Rama Sekhar表示:“我们关注学术背景……我们也喜欢有大规模模型的团队,比如说来自谷歌、亚马逊或者苹果等公司的团队。”
但对于人工智能创业公司来说,通常会过多地关注技术,这可能会阻碍创业公司的发展。 Blumberg Capital的创始人兼执行合伙人David Blumberg表示:“对我来说,一些危险信号是因为投资没有明确界定市场目标,也没有差异。”他表示:“失败的初创公司通常不是因为技术,而是缺乏产品市场契合度。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。