标签: 强化学习

  • 不租AI了,自己练:Prime Intellect拿1.3亿美元帮企业造专属智能体

    一家叫Prime Intellect的初创公司刚刚宣布完成1.3亿美元A轮融资,估值站上10亿美元。这轮由Radical Ventures领投,Nvidia Ventures、Intel Capital、Dell Technologies Capital、Iconiq跟投,还有一长串创始人天使,比如Perplexity的Aravind Srinivas、Box的Aaron Levie、Harvey的Winston Weinberg、Cognition的Jeff Wang。换句话说,半个AI创业圈都来捧场了。

    Prime Intellect 融资
    Prime Intellect 完成 1.3 亿美元 A 轮,帮企业训练专属 AI 智能体(图源:TechCrunch)

    它到底在卖什么

    简单说,Prime Intellect想让企业不依赖OpenAI、Anthropic这种封闭前沿实验室,也能拥有自己的AI智能体。它提供一套”全栈”工具:算力接入、强化学习框架、评测工具,客户像逛市场一样按需取用,不用被绑死在一整套方案里。

    这事儿放在几年前几乎不可能。但强化学习(RL)的出现改变了局面——它用”做对了奖励、做错了惩罚”的方式,让公司能在自己的产品和数据上反复打磨模型,为具体业务调出专属能力。谁掌握了这个训练循环,谁就相当于有了自己的AI实验室。

    “不该只有旧金山某栋玻璃大楼里的几个极客才有能力训练AI模型,”Prime Intellect联合创始人兼CEO Vincent Weisser对TechCrunch说,”每一家企业、每一个国家都应该拥有这种能力。”

    真有人买单吗

    有,而且不少。Ramp、Zapier、Flapping Airplanes都在付费使用它的托管版本,这股势头把公司的年化收入冲到了1亿美元。更关键的是效果:金融科技公司Ramp用Prime Intellect搭了个在电子表格里找答案的智能体,结果在准确率上超过了前沿模型,速度更快,成本只是零头。联合创始人Karim Atiyeh的原话是:”比前沿模型准,跑得更快,价钱只有零头。”

    • Radical Ventures 合伙人 David Katz:别人只给零碎能力,Prime Intellect 把顶级实验室的本事做成了”一站式”
    • 客户已超 6000 家,覆盖众多头部 AI 创业公司和大型企业
    • 英伟达、英特尔、戴尔集体下注,说明算力与基础设施方也看好这条路

    企业为什么想”自己掌控智能”

    背后的推力其实有点被迫的意味。越来越多的公司不愿意把专有数据交给OpenAI和Anthropic,怕失去对数据的掌控;也怕依赖一个随时可能被关掉的模型——上个月Anthropic关停Fable就是活生生的例子。Katz说得很直白:企业都在琢磨”怎么才能掌握自己的企业智能,而不是把这些风险交给别人”。

    RL正在悄悄改写”谁能做前沿AI”这件事。过去预训练把能力锁在少数实验室手里,现在后训练和强化学习把优化循环交到了使用者手上。Prime Intellect要做的,就是把这套原本只在实验室内部的基建,原封不动地搬到成千上万家公司面前。接下来它打算把规模继续做大,往更长程的智能体和”会自己学习的模型”方向上押注。

  • 把德州扑克赢家算法搬进股市:三个DeepMind老兵的印钞实验

    有一群人先在扑克牌桌上证明了自己能打败人类顶尖职业选手,现在他们把同一套本事搬到了华尔街。三家前DeepMind研究员创办的布拉格AI实验室EquiLibre Technologies,刚完成一笔金额未公开的A轮融资,估值冲到5亿美元,领投方是欧洲老牌风投Creandum。用Creandum副总裁Cameron Sellers的话说,这是他们”有史以来单笔投出的最大筹码”。

    扑克和炒股,原来是同一道数学题

    这三个人当年在DeepMind位于加拿大埃德蒙顿的办公室里,做出了名为DeepStack的AI——第一个在无限注德州扑克上击败职业玩家的程序。后来他们发现,扑克和金融市场在底层逻辑上高度相似:两者都适合用强化学习来训练,也就是让模型在”奖励”的驱动下自我对弈、自我进化。

    CEO Martin Schmid说得很直白:”交易和市场的好处在于,打分方式简单到不能再简单,就看这个agent到底赚了多少钱。”扑克里每赢一局是一次reward,市场里每一毫秒都在给agent打分。

    Schmid强调,EquiLibre首先是一家实验室,而不是金融机构:”我做这件事不是因为我对让市场更有效率感到兴奋,而是因为我们都对建造前所未有的东西感到兴奋,而且这事儿做起来真的很好玩。”

    已经不是在模拟盘里玩了

    EquiLibre不是只停留在论文阶段。它与知名量化机构Tower Research Capital合作,算法每天在标普500和纳斯达克上跑出数十亿美元的实盘交易量。公司宣称,自2025年先在加密货币市场上线以来,”从成立到现在没有哪个月是亏损的”——也就是说每个月整体都是正收益。

    有意思的是,三名创始人Schmid、CTO Rudolf Kadlec、CSO Matej Moravcik全都没有金融背景,驱动他们的也不是”让市场更有效”这类使命感。他们更在意的是用更少的芯片榨出更强的算力,并在中欧亲手搭起一座大型计算集群。

    风投为什么抢着下注

    DeepMind系创业者正是当下VC眼里的香饽饽,另一个例子是刚融到11亿美元的Ineffable Intelligence。EquiLibre的顾问团里还坐着强化学习泰斗Rich Sutton——他因为在这领域的贡献拿下了2024年的图灵奖。Sellers看中的是金融市场的体量:”地球上总可寻址市场最大的领域之一,就是金融交易。”

    风险当然也在。像Jane Street这样的交易巨头已经公开说自己用上了RL加LLM,手里攥着上万块高端GPU;EquiLibre想靠”用更少芯片做更多事”弯道超车,难度不小。但Schmid的态度很松弛:”这不是一个赢家通吃的游戏。”

    扑克AI与量化交易融合概念图
    从扑克桌到交易终端:强化学习的新战场(概念图)
    • DeepStack三人组把击败人类的强化学习算法用于股票实盘交易
    • EquiLibre估值5亿美元,A轮由Creandum领投
    • 与Tower Research Capital合作,日交易量达数十亿美元
    • 顾问团包括2024年图灵奖得主、强化学习先驱Rich Sutton