受到通胀、利率上升和地缘政治事件的影响,科技行业持续低迷,风险资本对初创企业的投资大幅减少,尤其是美国以外的地区。风险投资公司Atomico报告显示,2023年投入欧洲科技领域的总资本可能减少到450亿美元左右,较2021年下降一半以上,与2022年的820亿美元相比,这个数字也急剧下降了38% 。
报告指出,欧洲地区的初创企业从种子轮到C轮(及更高轮次)的各个阶段筹集的资金都有所减少,尤其是后期阶段和大型公司受影响更大。今年欧洲只有7家“独角兽”(估值超过10亿美元的初创企业)诞生,而2022年是48家,2021年是108家。
尽管总投资额较前两年有所下降,但Atomico认为,2021年和2022年投资多属于异常情况,这是低利率、疫情期间技术使用激增,以及投资者积累了大量资金的结果。剔除这两年的数据后,融资额看起来呈现出较慢但可能更健康的增长趋势。
另一个积极迹象是,欧洲科技领域的整体价值——即所有有限责任公司和股份有限公司股权价值之和——在2022年下降了4000亿美元后,已回升至2021年创纪录的3万亿美元。这得益于新兴初创企业不断筹资,其中大多数融资为平轮或溢价融资,抵消了折价融资的影响。
Atomico指出,“跨界投资人”已经放弃了欧洲,所谓跨界投资人就是那些同时投资有限责任公司和股份有限公司的投资人(比如Tiger Global)。他们在推动前几年的一些大交易后,几乎完全退出了欧洲。2021年,这些投资人在欧洲领投或参投了近100笔大型投资,2022年投资速度开始放缓,到了今年,他们仅在该地区进行了四笔投资。
他们的缺席也影响了亿级融资的整体情况。Atomico指出,2023年前九个月仅有36笔1亿美元及以上的投资,而前两年有数百笔。而且即便剔除这两年,数据也不会呈现上升趋势:2020年有55笔1亿美元以上的投资。
根据Atomico数据,平均来看,几乎每个阶段的初创企业都在进行折价融资。一般来说阶段越晚,估值下降得越明显。下图是C轮融资的情况:
与美国初创企业相比,欧洲初创企业估值普遍较低,具体数字上,低了30%到60%。
报告还写道,“欧洲向长期平均水平的回归是美国正在发生的情况”。在美国和欧洲,几乎从种子轮到C轮每个阶段的融资都有所下降,唯一的例外是美国的种子轮,尽管增速放缓,但仍在上升。Atomico表示,今年美国种子轮中位数为1150万美元,而欧洲的中位数大约是这个数字的一半:570万美元。
虽然当前科技界的焦点集中在人工智能上,但从目前欧洲的实际情况看,主导投资的并非人工智能领域,而是气候科技。Atomico数据显示,与气候科技相关的碳与能源领域投资,占到了2023年欧洲科技投资的27%,表现甚至优于该地区传统投资量巨大的科技领域。
报告指出:“碳和能源已经明显超过金融、保险以及软件,成为资本募集的最大单一领域。这不仅代表了绿色转型背后资本投入规模的显著增长,也表明自市场高峰以来金融科技投资量的明显减缓。”
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。