LimeWire 是 21 世纪初流行的点对点音乐分享服务,曾因盗版问题引起音乐行业的愤怒,去年在新所有者的带领下,LimeWire作为一个以音乐为中心的 NFT 平台重新推出。近日,为了扩大业务范围,LimeWire 宣布收购 BlueWillow,这是一个与 Midjourney 和 Stable Diffusion 等竞争的 AI 图像生成平台。
BlueWillow 是在今年早些时候创立的,随着人们对生成式 AI 的关注度越来越高,Discord成为创作者使用这些 AI 工具的首选平台,并且免费使用,因而迅速崛起。BlueWillow称其是 Discord 上第二大 AI 图像生成社区(第一是 Midjourney),自今年 1 月推出以来,已经拥有 250 万用户,创建了超过 5 亿张图片。
该公司计划保留 BlueWillow 在 Discord 上的业务,同时将功能整合到 LimeWire 网站上,成为 LimeWire 为创作者提供的一部分服务,并将成为 LiveWire 未来开发更多媒体服务的基础。
此次交易的财务条款尚未披露,但收购不涉及 BlueWillow 的任何人才。BlueWillow 的创始人兼负责人 Ritankar Das 在接受采访时表示,创建 BlueWillow 的团队正在为 LimeWire 提供平台过渡期的建议,但他们计划最终集体离开,去从事一个仍处于隐秘状态的新AI项目。
对 LimeWire 而言,这笔交易突显出该公司不断努力扩大其用户群和收入。当初重新启动时,它的计划是为音乐创作者建立一个 NFT 市场,为此它通过代币销售筹集了大约 1750 万美元。有消息称,今年早些时候它的估值约为 6000 万美元。
但随着 NFT 的热度消退,LiveWire 的创始人 Paul 和 Julian Zehetmayr 转向构建一个更多元的创建和分发内容的平台,而 NFT,根据 Julian 的说法,“现在更多的是一个副业”,而不是 LimeWire 的核心业务。
在核心业务方面,公司已经聘请了一支工程师团队来为创作者构建订阅和其他功能,但在基于AI的图像生成方面,它依赖于第三方集成。收购BlueWillow使LimeWire能够提供自己的图像生成工具,并对其进行扩展:它的计划是最终加入视频和音频生成。
BlueWillow与Midjourney类似,是作为一个自筹资金的项目启动和开发的,资金来自创始人。Das表示,他建立BlueWillow的初衷是,并不是为了打造一个AI赚钱机器,而是想更好地理解生成式AI工具的工作原理和构建方式。
他说,“我们看到很多人都在为图像开发生成式AI模型”,他想参与到科技界所说的“寒武纪大爆炸”中。尽管很多人都关注到少数几家建立了自己的大型语言模型来驱动服务的公司,但是Das和他的团队看到的是,市场上实际上有数十种LLM,如果同时使用其中的几种,那么就会加快构建基本服务的时间,让工程师专注于构建更好的用户界面和前端等其他部分,让使用BlueWillow变得更简单。
他说,“让用户使用起来真正容易”是他们的主要目标,这涉及到BlueWillow建立自己的“权重”和定制来改进图像制作,具体取决于BlueWillow被用来做什么以及为谁使用。“例如,建筑师和广告商对外观和感觉的要求非常不同,因此我们专注于为每个人构建最适合的产品。”
但从长远来看,Das及其团队并没有真正考虑到扩展和建设BlueWillow所带来的压力和成本——计算能力并不是免费的。他们没有立即筹集资金的计划,所以当LimeWire来敲门时,决定卖掉似乎并不是一个艰难的选择。
好文章,需要你的鼓励
丰田旗下豪华品牌雷克萨斯正以纯电动版本复活经典跑车LFA。新车已在古德伍德速度节亮相,预计2027年量产,将采用丰田期待已久的固态电池技术。该技术承诺更高能量密度与更快充电速度,但丰田已多次推迟相关计划。新款LFA搭载电动动力系统,内饰配备Yoke方向盘与沉浸式数字座舱,车身尺寸与阿斯顿马丁DB12相近。面对比亚迪腾势Z等1500马力级竞品,雷克萨斯能否追上电动超跑赛道,值得关注。
庆应义塾大学与英伟达推出AnyGroundBench,测试15个顶级视觉语言模型在手术、工业等五大专业领域的时空定位能力,揭示当前AI在专业场景下的系统性空间定位瓶颈。
加拿大不列颠哥伦比亚大学奥卡纳根分校的研究人员通过数学方法,对"模拟现实"理论给出了否定答案。研究人员米尔·法扎尔在《物理全息应用期刊》上指出,基于不完备性与不可判定性数学定理,现实无法仅通过计算来完整描述,它需要非算法性的理解,而这超出了算法计算的范畴,因此无法被模拟。尽管如此,"模拟宇宙"的观念短期内仍难以从公众讨论中消失。
清华大学与蚂蚁集团联合推出AgenticDataBench,含344道真实数据科学任务和433个精细技能标签,系统评测12种主流数据智能体配置的能力边界与短板。