YOHO AI

标签： AI融资

  • Ollama 又融了 6500 万美元：让开发者在自己电脑上跑大模型，这门生意成了

    在个人电脑上运行开源大模型的 Ollama
    在个人电脑上跑开源大模型，Ollama 想做成 AI 时代的「Docker」

    Ollama 这家公司的名字，做 AI 开发的人基本都听过，圈外知道的不多。最近它宣布完成 6500 万美元的 B 轮融资，领投方是 Theory Ventures。加上之前 Benchmark 的 Peter Fenton 领投的 1500 万 A 轮，这家公司前后总共融了 8800 万美元。

    从 Docker 出来的团队，给 AI 干了件类似的事

    Ollama 在 2023 年上线，做的事情其实很朴素：让开发者在自己的电脑上，几分钟就把开源大模型跑起来。它在 GitHub 上攒了 17.6 万颗 star、将近 1.7 万个 fork，被无数教程、视频和博客拿来当范例。

    创始人 Jeff Morgan 和 Michael Chiang 之前都在 Docker 干过，做过 Docker Desktop，后来公司被 Docker 收购。所以 Ollama 对 AI 模型干的事，基本就是 Docker 当年对云计算干的事——把那些麻烦的硬件配置、环境差异全给你屏蔽掉，开发者只管跑。

    「2023 年开源模型就出来了，但那时候真的很难用，都是给研究人员准备的，不是给程序员用的。想把它们跑起来特别费劲。」Morgan 说。

    近 900 万月活，团队却只有 14 个人

    上线三年，Ollama 现在每个月有 890 万开发者在用，85% 的财富 500 强公司都在用，而背后撑起这一切的团队，只有 14 个人。它能长到这么快，靠的就是「在本地电脑上更顺手地搭 AI」这件事本身的需求。

    商业模式上，桌面免费版一点没变，赚钱靠的是云端订阅，从免费到每月 100 美元分几档，按 GPU 时长而不是 token 计费。那些太大、在自己电脑上跑不动的开源模型，Ollama 就帮你在它的云上找算力跑。

    企业开始认真考虑「用便宜的，留贵的」

    Morgan 把 Ollama 真正像个生意跑起来，归因于今年 1 月 OpenClaw 爆火。那之后，开源模型突然能做 agentic 任务了，比如写代码，企业开始认真琢磨：是不是能把日常活儿交给更便宜的开源模型，只在必要时才掏钱用 Anthropic 那种闭源模型。

    Fenton 的观点是，开源和闭源不是二选一，两边都有的赚。但他也点出一个现实：凡是推理成本高、也就是用模型烧钱烧得狠的公司，都有一股「生存级」的动力往开源权重模型上搬。

    免费的还免费，但「开发工具堕落」的骂声已经有了

    不是所有粉丝都买账。大概一年前，就有一批博客和论坛帖子吐槽 Ollama 的云服务，说它把精力从心爱的免费项目上挪走，把这股风气叫「开发工具的 enshittification（逐渐变烂）」。

    Morgan 不这么看，他说云端是开源使命的延伸——那些顶尖的大模型你自家电脑跑不动，「那我们就帮你把算力找来」。Fenton 也补了一句：桌面上的免费核心产品，前提一点没变，该发现模型、该跑本地模型，还是那个地方。

    不管争议怎么走，Ollama 都算是 AI 催生出来的那一拨「开源项目长成公司」里的最新样本。和它差不多的还有做推理的 Inferact（vLLM）、RadixArk（SGLang），以及从零训自己开源模型的 Arcee。AI 这波浪潮，正在把一批本来免费的工具，一点点变成正经生意。

  • Prime Intellect融资1.3亿美元，帮企业逃离OpenAI和Anthropic

    1.3亿美元、估值10亿，背后站着英伟达和英特尔

    Prime Intellect这家公司做的事听起来有点硬核：它给企业提供算力和一整套专门软件，让这些公司能自己动手训练AI代理。最新一笔钱是1.3亿美元A轮，估值直接站上10亿美元。领投的是Radical Ventures，跟投名单里躺着英伟达创投、英特尔资本、戴尔科技资本、Iconiq，还有一长串创始人天使——Perplexity的Aravind Srinivas、Box的Aaron Levie、Harvey的Winston Weinberg、Cognition的Jeff Wang都来了。

    公司2024年成立，核心念头就一个：让组织不用再依赖那些前沿实验室，也能训出自己的代理系统。这事搁几年前几乎不可能，但强化学习这套”做对了就奖励、做错了就惩罚”的法子成熟之后，企业确实有机会把自己的业务模型打磨成专属的”AI实验室”。

    企业AI代理基础设施概念图
    把算力、强化学习框架和评估工具打包成”全栈”，企业按模块取用

    真正卖点：帮你绕开OpenAI和Anthropic

    底层基础设施那摊事太复杂，绝大多数公司根本没本事把它拼成能上生产的系统，这正好是Prime Intellect切进去的缝。它做的”全栈”包含算力接入、强化学习框架和评估工具，平台像个集市，客户挑自己要的模块，不会被绑死在一整套里。

    Radical Ventures的合伙人David Katz说，别人都只给零碎零件，Prime Intellect的特别之处在于，它把顶级AI实验室的本事做成了”一站式商店”，而且价格企业付得起。

    钱花得值不值，看客户就知道。Ramp、Zapier、Flapping Airplanes都在付钱用它的托管版，这一波 adoption 已经把公司年化收入推到了1亿美元。Ramp拿它搭了个在电子表格里找答案的代理，Ramp联合CEO Karim Atiyeh的说法是：精度压过了前沿模型，速度更快，成本只有零头。

    企业为什么突然想”自己掌握智能”

    • 数据主权：把专有信息喂给OpenAI、Anthropic，企业怕失去对数据的控制权。
    • 断供风险：模型说关就关，上个月Anthropic的Fable就是活例子。
    • 竞争焦虑：Katz反问，我怎么知道合作方不会反过来把我这摊事也做了。

    创始人兼CEO Vincent Weisser把话挑得更明：企业正在集体离开闭源前沿模型，而他的公司就是那个让转型能落地的底座。”不该只有旧金山玻璃塔里那几个极客才配训AI模型，”他说，”每一家企业、每一个国家，都该有这个能力。”

  • 成立不到三年估值翻倍到132亿美元，Lovable做对了什么

    Lovable 氛围编程创业公司
    用大白话描述需求，软件自己就长出来了——这正是氛围编程的卖点

    一家瑞典的”vibe-coding”（氛围编程）创业公司 Lovable，正在谈一轮 3 亿美元的融资，估值直接冲到 132 亿美元——正好是他们去年 12 月 66 亿美元估值的两倍。据 Sifted 报道，领投的是 Menlo Ventures，就是上个月刚宣布募了 30 亿美元新基金的那家。不到一年估值翻一倍，这速度在 AI 应用层里也算扎眼。

    收入跑得比名气还快

    这家成立还不到三年的公司，今年 6 月年化收入跑到了 5 亿美元。它的用户群挺杂：有创始人、独立设计师、做销售的人，拿它来搭网站和电商落地页；它也把工具卖给大公司，Workday、Asana、英伟达都在客户名单里。既有散客又有大单，这让它跟那些只靠个人开发者撑场面的竞品拉开了身位。

    “用大白话描述一下，软件就自己长出来了”——这大概就是氛围编程最直白的注脚。

    为什么”氛围编程”这么值钱

    氛围编程说白了就是用户用自然语言描述想要什么，AI 就把软件给搭出来。这目前是 AI 最火、也最赚钱的应用场景，没有之一。同赛道里早就挤满了高估值玩家：

    • Replit：今年 3 月估值到 90 亿美元
    • Factory：帮企业做 AI 代理，4 月拿了 1.5 亿融资、估值 15 亿
    • Cursor：给开发者做氛围编程，上个月刚被 SpaceX 以 600 亿美元股票收购

    Lovable 这波估值翻倍，本质上是市场在给”AI 让人人都能写软件”这个故事重新定价。当收入跑得快、大企业也愿意买单，投资人自然愿意把赌注加倍。不过氛围编程这行的护城河到底有多深，会不会被大厂自家的 AI 工具一点点稀释，到现在还是个没人能答清楚的问题。

    回头看，Lovable 从去年底 66 亿到如今 132 亿，踩中的是 AI 从”聊天”走向”真把东西做出来”的那股劲。接下来要看的是，它能不能在 Cursor 被巨头收编、大厂工具免费化的夹击下，守住自己的那块地盘。

  • SambaNova再融10亿美元、估值110亿：AI芯片烧到了银行金库

    SambaNova AI推理芯片与本地数据中心
    SambaNova 押注「本地推理」，把大模型放进企业的自有机柜里（配图由 AI 生成）

    AI 芯片公司 SambaNova 又拿到钱了。这轮 F 轮融资刚完成「首关」，金额 10 亿美元，估值冲到 110 亿美元，领投方是 General Atlantic。公司 CEO 兼联合创始人 Rodrigo Liang 跟 TechCrunch 说，接下来几周还会有更多投资人进来，第二关很快收尾。距离上一轮 3.5 亿美元的 E 轮，才过去五个月。

    这家 2017 年在加州帕罗奥图成立、如今九岁的公司，节奏明显在加快。今年 2 月它刚发布了新一代芯片 SN50，当时顺手拿了 E 轮的钱；现在 F 轮又来了。Liang 对「要不要一直独立」这个问题打起了太极——他说公司一直有人来打听收购，门没关死，但眼前的势头和增长「大概率会把它推向上市」。

    和英特尔越绑越紧

    SambaNova 跟英特尔的关系，比外界以为的更深。英特尔从 C 轮就是股东，这一轮也跟进了，两边还签了多年的合作，基于英特尔的至强（Xeon）芯片一起做 AI 推理产品，共同开发、共同卖。「这让我们能借英特尔的体量，放大自己的技术」，Liang 是这么说的。去年底彭博还报过英特尔想以约 16 亿美元收购 SambaNova 的消息，谈判最后黄了。

    「摩根大通决定用 SambaNova 做推理方案，这是件大事。它给银行业放了句话：是时候别完全依赖云服务了，这些银行想要的是异构的基础设施。」

    这话说的是一桩新买卖：摩根大通选了 SambaNova 当「推理基础设施伙伴」，用它的 SN40L 和 SN50 系统在银行内部跑安全、私有的 AI 推理。在 Liang 看来，像摩根大通这种级别的银行开始自建私有、安全的推理环境，是一个会超出金融业本身的信号——企业和政府「才刚刚踏上 AI 这条路」，之前的增长都集中在模型公司和前沿实验室手里，剩下的「大把收入」还在桌上。

    把万亿参数模型塞进一个机柜

    SambaNova 给自己找的差异化定位是「高端推理」——专门跑最大的模型，而且跑得快。现在的前沿模型动辄上万亿参数，SambaNova 的卖点就是能把多万亿参数的模型装进单个机柜，从而跑出速度。SN40L 在 2023 年 9 月发布，云上和本地都能用；SN50 今年 2 月亮相，计划 2026 年下半年开始给客户发货，软银是它的第一个部署伙伴。

    Liang 把客户分成三类：一是主权云（政府出钱扶本地伙伴建私有云），二是新锐云（neocloud），三是自己搭设施用的企业。除了摩根大通，沙特阿美、英特尔和一些日本企业也在客户名单上。

    这 10 亿美元主要用来两件事：把生意做大规模，以及在这波「难以置信的需求浪潮」里把供应链锁住。Liang 的原话是，钱要用来确保供应链，好兑现订单、买齐未来 12 个月要交付的材料。本轮跟投的名单很长，Seligman Ventures、T. Rowe Price、Capital Group，还有黑石、卡塔尔投资局（QIA）、Vista Equity Partners 等等都在里面。

    看下来，SambaNova 赌的其实是一个正在发生的转向：当云上的通用算力越来越贵、也越让人不放心，大机构开始想把最关键、最敏感的模型搬回自己的机房。芯片、合作、客户订单，都朝着这个方向摆。至于它最后是被收购还是敲钟上市，Liang 留了个活口——但这个市场里，「总有人来敲门」本身就是一种底气。

  • 隐私AI平台Venice AI拿下6500万美元融资，估值冲上10亿美元

    隐私AI平台Venice AI拿下6500万美元融资，估值冲上10亿美元





    Venice AI隐私优先AI平台
    Venice AI的隐私优先AI平台界面概念图（图片：AI生成）

    大多数人使用AI聊天助手的时候，心里多少都有些顾虑。你跟它聊的东西，会不会被记录下来？那些私密的问题、个人的困扰、甚至只是不想被人知道的好奇心，会不会变成某家科技公司的训练数据？这种担心不是多余的，过去几年里，关于AI模型如何收集和使用用户数据的报道一直在出现。

    有一家公司恰恰从这个痛点里看到了机会。它叫Venice AI，做的事情很简单：让你用上200多个AI模型，同时保证你的数据不会被它看到。这家公司最近刚完成了一笔6500万美元的A轮融资，估值站上了10亿美元，正式成为独角兽。

    一个”不设防”的AI平台

    Venice AI的卖点在于”无审查”（uncensored）和隐私保护。它把自己定位成一个中立的平台，用户可以自由选择和切换不同的AI模型，用来生成文本、图片、音频和视频。平台上有些模型提供端到端加密，不过这项功能需要付费订阅才能使用。

    技术层面，Venice AI把开源模型部署在自己的数据中心里，而对于那些闭源模型（比如OpenAI或Anthropic的产品），它则把用户的查询请求转发过去。关键的区别在于：所有用户输入的数据在客户端就被加密了，然后通过一个外部代理服务器中转处理，Venice自己的系统上不存储任何用户数据。用CEO Erik Voorhees的话说，他们把服务当作一个”中立的工具或平台”。

    “这实际上跟比特币是一个逻辑。比特币作为一个中立的协议，对所有人一视同仁。我觉得，如果世界在进入下一个阶段的时候，每个人都时刻被盯着，那实际上会更加危险。”——Erik Voorhees

    从加密世界走来的创始人

    说起来，Voorhees本人就是一个很有争议的人物。他是早期的比特币倡导者，之前创办过几家加密货币公司，包括比特币赌博网站Satoshi Dice和加密货币交易所ShapeShift。他长期以来一直在为用户的隐私权益发声。

    当年《华尔街日报》调查ShapeShift，指责这家最初不需要用户实名认证的交易所在处理可疑资金，Voorhees的回应是：”我不觉得人们应该被强制记录身份信息，只是为了抓到个别犯罪分子。”这种立场放在今天关于AI安全的讨论里，听起来是不是有点耳熟？

    最近AI psychosis（AI导致的精神紊乱）的案例屡见报端，有人问Voorhees怎么看”不设限制”的AI可能带来的危害，他的回答延续了一贯的立场：平台应该保持中立，把用户当成年人对待。

    赚钱速度比融资还快

    有意思的是，Venice AI现在已经盈利了。Voorhees透露，公司的年化营收运行率已经超过7000万美元。这个数字是什么概念？很多独角兽公司在拿到同等级融资的时候，营收可能还只有几百万美元，甚至还在烧钱阶段。

    用户数据方面，Venice AI的网站每月有超过85万独立访客，平台上有300多万活跃用户，平均每天处理170万次API调用。这个体量说大不大、说小不小，但增长势头很猛。

    这轮A轮融资由加密领域的风险投资公司Dragonfly领投，Coinbase Ventures、North Island Ventures等机构跟投。这是Venice AI第一次接受外部投资——之前靠自有资金和营收就能撑到现在。

    还有两个代币

    既然创始人是加密圈的，这个AI平台跟加密货币的绑定也就不让人意外了。Venice AI有两个代币，一个叫VVV（今年1月初推出的），另一个叫DIEM（去年8月加上的）。用户可以购买VVV代币，然后质押它来铸造DIEM，每天产生价值1美元的AI积分，可以在Venice平台上消费。

    不过Voorhees说，目前只有大约8%的用户用加密货币支付，大多数用户还是用传统方式付费。代币更多是一个社区建设和用户激励的工具，而不是营收的主要来源。

    下一步：自己买GPU

    拿到这6500万美元之后，Venice AI打算开始买GPU，建自己的数据中心。目前他们还是租用的GPU算力，自己掌控硬件之后，毛利率会有显著提升。

    Voorhees说，公司早期跟ChatGPT的差距很大，用户宁愿忍受隐私风险也要用ChatGPT，因为后者的能力更强。但现在这种差距已经大幅缩小了，Venice AI成了一个越来越有说服力的替代选项。如果再加上”隐私保护”这张牌，对一部分用户来说，切换过去的理由就足够了。

    这个逻辑能不能跑通，还得看接下来的执行。隐私优先的AI平台到底是一个真正的市场空白，还是一小撮加密原教旨主义者的自嗨，时间会给出答案。


  • Nvidia 迎来真正对手？这家 AI 芯片创业公司估值冲到 50 亿美元

    如果你最近关注 AI 芯片赛道，可能听说过 Etched 这个名字。这家 2022年成立的创业公司，昨天（6月30日）发了一则进展更新，数字相当夸张：TSMC 今年早些时候成功量产了他们的芯片，而现在，他们已经拿到了 10 亿美元的合同订单。

    Etched AI芯片概念图
    Etched 的 AI 推理芯片直接对标 Nvidia

    估值方面，Etched 最新一轮（去年12月）融了 5 亿美元，投后估值 50 亿美元。加上更早的融资，到现在总共拿了 8 亿美元。

    30 页 memo，换来一堆拒绝

    芯片行业的门槛高到离谱，一般人听到”我们要做 AI 芯片挑战 Nvidia”这种话，第一反应大概是”又来一个”。但 Etched 的故事有一点不太一样：他们的创始人当年给投资人写了一封 30 页的 memo，论证 AI 未来一定需要专用芯片（而不是通用 GPU），结果被每一个见过的投资人拒了。

    那是 2023 年。公司每个月都在担心现金流断掉。

    现在的环境简直像另一个星球。AI 相关的东西，投资人追着跑，尤其是能加速推理（inference）的芯片技术。推理是用户提交 prompt 之后发生的事——这是目前最大的瓶颈，也是 AI 公司服务用户时最大的成本中心，所以谁能解决这个问题，资本就往谁那里涌。

    Etched 把这第一波产品叫做”frontier inference clusters”——说白了就是搭载他们芯片的完整系统，连带定制机架和软件一起卖。他们的说法是，这套东西跑推理比竞争对手更快、更便宜、更省电。

    投资人名单像一份 AI 名人录

    Etched 的投资人名单读起来像一份 AI 圈名人录：Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li、Arthur Mensch、Scott Wu 都投了个人天使轮。机构方面，Jane Street、Two Sigma、Hudson River Trading 这些量化巨头都在列，领投最新一轮的是 Ribbit Capital。

    两个创始人——CEO Gavin Uberti 和总裁 Robert Wachen——都是从哈佛辍学出来的 Thiel Fellow。Uberti 2024 年的时候跟 TechCrunch 聊过他们的芯片计划，那时候公司还在”隐形模式”里苦苦支撑。

    整个行业都在做同一件事

    现在”隐形”的状态算是正式结束了。竞争对手们也都没闲着：Cerebras 今年5月完成了 55 亿美元的 IPO，是 2026 年第一个重磅 IPO；AI 芯片公司 Groq 刚融了 6.5 亿美元；Amazon、Google、Microsoft 都在自研 AI 芯片；甚至连 OpenAI 都宣布了第一颗定制芯片，由 Broadcom 代工。

    换句话说，整个行业都在做同一件事：摆脱对 Nvidia 的依赖。

    Etched 的差异化点在哪里？他们的芯片是专门为推理设计的，而不是像 GPU 那样既管训练又管推理。这种”专芯专用”的思路，在 AI 圈其实有不少支持者——Karpathy 早就说过，未来的 AI 基础设施一定是异构的，不同类型的工作负载跑在不同的芯片上。

    现在下结论还为时过早

    现在下结论说 Etched 能不能真正威胁到 Nvidia 还为时过早。10 亿美元的订单听起来很多，但跟 Nvidia 一个季度的营收比，还是小意思。

    真正值得看的是：这些 specialized inference chip 公司，能不能在接下来两年里把产品稳定交付给客户，并且真的在成本和能耗上打赢 GPU。

    如果做到了，AI 芯片市场的格局可能真的会变。如果做不到，那就是又一堆漂亮的 PPT 和一堆打水漂的投资。

    Etched 的产品现在还在客户测试阶段，大规模交付的时间表还没有公开。但至少从资本的温度来看，这次投资人是认真的了。

  • AI数据中心冷却液里长了细菌怎么办？这位24岁辍学生刚拿了3100万美元

    AI 算力需求把数据中心的每一寸 GPU 都榨到了极限，然后细菌开始滋生了。液冷芯片用的液体是水和抑菌剂的混合物。为了让芯片跑得更热、效率更高，数据中心管理员可以调高水的比例——但这也会导致讨厌的污染，把流道堵住。解决办法是冲洗系统，但这可能意味着一台机架要停机五六个小时，代价可能高达数百万美元。

    Omen AI光谱仪监控数据中心冷却液
    Omen AI 的微型光谱仪实时监控数据中心冷却液健康 | 图片来源：AI生成

    微型光谱仪盯着冷却液

    Omen AI 有一个解决方案：一个可以实时监控冷却液体健康的微型光谱仪，在细菌滋生变成大问题之前就能发现。”你不会因为对化学反应一无所知而冒长时间停机的风险，”CEO 兼创始人 Zach Laberge 解释道。今天，Omen AI 宣布完成 3100 万美元 A 轮融资，由 Nava Ventures 领投，CRV、Vanderbilt University、Mann+Hummel、Starhill Holdings 和 Hard Launch Capital 参与，还有来自 Bridgestone、GM、Johnson Controls 和 TensorWave 高管的个人投资。

    Laberge 的创业经历挺特殊。他 2020 年第一次创业的时候才 14 岁，融了 300 万美元给工程机械设备装传感器，后来从高中辍学（他父母，包括曾任安大略省教育部长的母亲，支持他走自己的路）。那家初创公司倒闭之后，Laberge 2024 年创立了 Omen，初衷是把流体系统作为重点，让工程机械能智能判断什么时候需要维修——用实时感知替代耗时取样送实验室的传统流程。除了细菌滋生，这个设备还能通过检测到铜或铬来判断水泵磨损，或通过硅来判断密封件问题。

    Caterpillar 的经销商是 Omen 工程机械业务的重要早期客户，但 Cat 同时也是数据中心现场发电用燃气轮机和发电机的主要供应商。Omen 很快就看出了风向。

    从工程机械到数据中心

    大约六个月前，”很多经销商都说，嘿，我们开始给涡轮机装传感器了，你们能在建筑这边做点什么吗？”Laberge 告诉 TechCrunch。Omen 发现那些建筑里到处都是流体，从暖通空调系统到芯片冷却。看到一个快速增长的潜在客户群，Omen 开始聚焦数据中心。

    Nava Ventures 合伙人 Cory Rellas 说，”很难看到这么年轻的创始人在一个节奏相对较慢的领域里，赢得成熟的大公司的尊重。对 Omen 来说，我们的尽职调查很大程度上是通过介绍给大客户完成的，很快就验证了他们的方案。”

    • 实时流体监控：替代取样送实验室的传统方式，光谱仪直接出结果
    • 细菌检测：在冷却液污染堵塞流道之前发现问题
    • 磨损预警：通过金属离子检测提前发现水泵或密封件问题
    • 避免停机：不用为了检查而关停机架，节省数百万美元潜在损失

    Omen 自 2024 年创立以来已融资 4000 万美元，目前正在与十几家数据中心客户共同完善产品，包括基于 AMD 芯片构建 AI 计算云的 TensorWave。TensorWave 总裁 Piotr Tomasik 说，”这些大规模系统中流动的流体是一个关键变量，行业内大多数人对此一无所知。Omen 对基础设施未来的看法和我们完全一致：更好的监控来最优地支持计算客户。”

    这个领域不只是 Omen 一家在玩——Pyxis 这家成熟的水质监测公司本月早些时候也推出了数据中心冷却液监控产品。但 Omen 的优势在于光谱技术和信号处理的结合，Laberge 说，”硬件已经便宜到可以在规模上部署，信号处理让我们能从噪声中提取更多信息。”

  • 特斯拉告完又和解了，这位前Optimus工程师拿着1100万美元要做”最好的机器人手”

    Jay Li 不太推荐别的创业者在起步阶段被特斯拉起诉——但他说，这件事可能反而让他的公司更强大了。这位前 Tesla Optimus 人形机器人项目的技术负责人，去年被老东家告上法庭，指控他卷走了商业秘密去创业。几个月互相试探证据之后，双方终于在 6 月初达成和解，特斯拉撤诉。现在 Li 可以自由地去解决那个他眼中更难的问题了：让机器人手真正像人的手一样工作。

    Proception高灵巧机器人手概念图
    Proception 的高灵巧机器人手概念图 | 图片来源：AI生成

    从特斯拉被告，到拿到1100万美元融资

    Li 在接受 TechCrunch 独家采访时把这段经历比作”抗压测试”。他的公司 Proception 刚刚宣布完成 1100 万美元种子轮融资，由 First Round Capital 领投，Y Combinator 和早期基金 BoxGroup 跟投。与此同时，Proception 也开始向”研究者和机器人公司”交付首批”高灵巧机器人手”，并开放更大范围的订单。

    Proception 的目标很明确：成为那些不想自己花时间搞”灵巧操控”的公司的手供应商。这个市场听起来小，但实际上卡住了整个人形机器人行业——Elon Musk 自己就说过，机器人手是迄今尚未解决的最大工程难题之一。业界共识是，做出能媲美真手的机器人手，还得等好几年。Northwestern University 机器人中心主任 Kevin Lynch 去年告诉华尔街日报，他觉得至少还得十年才能”功能完备、实用，能做人手能做的某些事情”。

    马斯克一直说 Optimus 机器人几年内就能进工厂干活，但机器人手的问题，连他也没搞定。

    22个自由度，手套收集数据

    Proception 的手有 22 个自由度，每根手指多个关节，能实现”大范围的灵巧动作”。但 Li 觉得，硬件只是问题的一半——另一半是数据。目前大多数训练人形机器人的公司，用的是远程操作：人戴 VR 头显，看到机器人看到的画面，手动操控机器人。这种方法的缺点是，操控者感受不到机器人触碰物体时的反馈，而且能同时训练的机器人数量受限于公司手头有多少台。

    Proception 的方案是一双装满传感器的手套。人类测试者戴上手套（和头显）之后，Proception 就能”在不需要机器人参与的情况下”采集人类手部交互数据。这双手套同样装在 Proception 正在开发的手上，充当它的”皮肤”。Li 说这种方法能采集到更精细、更针对具体任务的数据，也更容易规模化。

    • 硬件和数据的结合：光有高灵巧硬件不够，还得有可规模化的数据采集方式
    • 22 个自由度：每根手指多个关节，能实现接近人手的灵巧度
    • 传感器手套：既能采集训练数据，也直接装在机器人手上当”皮肤”

    First Round 合伙人 Bill Trenchard 说，他支持 Li 的一个重要原因，是看中他们同时做硬件和数据的路线。”我们认为他们会拥有市场上最好的手，也许是今天最精密的手，还有支撑它的底层数据和模型。”他还提到，Li 在被前东家起诉期间保持冷静，给他留下了深刻印象。

    Li 自己也挺有信心。经历过特斯拉那个”硬核诉讼部门”的考验之后，他觉得将来特斯拉反过来找 Proception 合作，也不会让人意外。”我觉得会有这一天的。”他说。

  • 前Infosys CEO融了3200万美元，要用AI把IT服务行业搅个天翻地覆

    前Infosys CEO融了3200万美元，要用AI把IT服务行业搅个天翻地覆

    IT服务行业是个奇怪的生意。像Infosys、TCS、Wipro这样的印度公司，靠着把西方企业的软件定制、集成、维护工作接过来做，建立了年营收数百亿美元的庞大帝国。这个模式的本质是用人力堆——工程师越多，能接的活就越多。但现在，有一个人想用AI把这个逻辑彻底翻过来，而他恰好曾经是这个行业里最有权势的人之一。

    维沙尔·西卡（Vishal Sikka），前Infosys首席执行官，最近宣布了他的新公司Hang Ten Systems完成了3200万美元的种子轮融资。领投方是Mayfield，战略投资方包括沙特阿美的风险投资部门Aramco Ventures，还有一串天使投资人。Hang Ten的董事会里甚至坐着Yahoo联合创始人杨致远。

    “Hang Ten正在帮助大型企业挂在 Lifetime 最大的一波浪上。”西卡在宣布融资的博客文章里用了这么个冲浪比喻——Hang Ten这个公司名本身也是冲浪术语，意思是”站在冲浪板上，十个脚趾都挂在板子前端”，代表大胆和冒险。

    这家公司的具体业务逻辑是这样的：用AI驱动的代码生成、可复用的AI技能包，加上行业专业知识，来替企业持续地构建、修改和运营软件。换句话说，原本需要一群IT服务工程师花几个月做的系统集成项目，Hang Ten说它可以快得多地完成，而且不用按人头收费。

    AI颠覆IT服务行业概念图
    AI正在重塑IT服务行业的成本结构和交付模式 | 图源：AI生成

    西卡的”复仇”？

    西卡这个人的经历挺值得说一下。他在SAP待了12年，负责企业软件业务，2014年成为Infosys的CEO，那是这家印度IT服务巨头第一次从外部聘请首席执行官。西卡在任期间试图把Infosys往”软件+服务”的方向推，但遇到了董事会内部的阻力，2017年辞职。

    离开Infosys之后，他创立了VianAI，做的是企业AI应用和分析工具，2021年从软银愿景基金二期拿到了1.4亿美元融资。这次的Hang Ten，西卡说跟VianAI不一样——VianAI面向的是企业AI应用的决策分析市场，Hang Ten则是一家”企业AI服务公司”，核心是用AI智能体代码生成来交付项目。

    目前Hang Ten已经有一些客户在身上了，包括西门子歌美飒可再生能源（Siemens Gamesa Renewable Energy）和费森尤斯（Fresenius）。Mayfield的管理合伙人纳文·查达说，这家公司”一个月前才刚启动”，就已经有客户了。

    IT服务行业的两难

    Hang Ten的出现，恰好碰上了IT服务行业最焦虑的时刻。今年以来，分析师们在激烈辩论一个问题：AI到底会扩大这个行业的潜在市场，还是会从根子上改变企业软件的构建和交付方式，从而让传统IT服务公司变得多余？

    Jefferies的分析师今年早些时候写过一份报告，认为IT服务可能是第一批面临实质性AI冲击的行业之一。但Infosys的董事长南丹·尼勒卡尼（Nandan Nilekani）本周说，AI可能把行业的潜在市场扩大到3000亿到4000亿美元的规模。两个说法，两个完全不同的未来。

    市场显然更倾向于相信前面那个悲观版本。今年以来，Infosys的股价已经跌了超过35%。投资者在问：如果AI真的能用少得多的工程师完成同样多的工作，那我为什么还要给传统IT服务公司估值？

    西卡要做的事情，在某种意义上就是在回答这个问题——不是替传统IT服务公司辩护，而是直接提供一种新的替代方案。他说Hang Ten的模式是”AI原生的”，规模扩张方式跟传统服务公司不一样：”传统服务公司随着人头数线性扩张，Hang Ten的杠杆率会随着每个项目而增长。”

    这话听起来像典型的创业公司 pitch，但西卡的履历让人不得不认真对待。他既在SAP这样的企业软件巨头待过，又在Infosys这样的IT服务巨头做过一把手，还创过一次业。他知道这个行业是怎么运作的，也知道它的弱点在哪里。现在的问题是，他能不能用AI真正把这块骨头啃下来。

  • 人人都在建AI数据中心，但这家小公司说「我能让你快三个月上线」

    AI热潮起来之后，干什么的都想搭个数据中心。GPU有了、交换机有了、存储也有了，结果卡在最后一步——怎么把这一堆硬件变成能对外提供AI训练和推理服务的云平台。搞网络配置、搞多租户隔离、搞自动化运维，没几个月搞不定。而这几个月里，成百上千张GPU就那么闲着，烧钱不产出。

    AI数据中心网络自动化
    AI新云的网络自动化，是个被忽视但极其痛的问题（图：Netris）

    网络配置这件「苦差事」，终于有人做了自动化

    Netris做的是AI数据中心里的网络自动化。它的软件跑在网络交换机上，把原本需要工程师手动配置的成千上万个交换机参数，变成自动化的流程。新云(neocloud)运营商用它，可以把上线时间从几个月压缩到几周。

    CEO Alex Saroyan说了一句话挺有意思：传统数据中心的SDN（软件定义网络）在AI时代不够用了，因为AI的流量太大，必须硬件加速。Netris做的就是这个——「像SDN一样灵活，但是完全硬件加速」。

    「对于AI，软件是不够的，因为流量太大了，一切都必须硬件加速。你需要一个像SDN一样的东西，但是完全硬件加速的。这就是我们做的，而且我们已经做了八年。」——Netris CEO Alex Saroyan

    英伟达也在帮它介绍客户

    两年前，Netris给英伟达做了一次技术演示，后者印象深刻，开始主动把客户推荐给Netris。目前Netris已经在全球35个GPU集群上线，总共约100万张GPU，客户包括Lightning AI、富士康、HPE、TensorWave、加拿大电信Telus等。

    它的平台是供应商中立的，同时支持英伟达和AMD的服务器网络标准。这一点很关键——现在AI芯片除了英伟达，AMD、自研芯片都在冒头，新云运营商不希望被绑死在一个硬件生态里。

    a16z为什么投？

    这一轮1500万美元A轮，领投方是a16z。合伙人Guido Appenzeller加入董事会。逻辑其实很清楚：AI新云越多，网络自动化的需求就越大。而这块以前是被大厂（微软、谷歌、AWS）自己搞定的，它们有工程师团队写自动化工具。但新云创业公司没这个资源，只能买。

    Netris特别强调一点：它们没有用AI来做网络配置。Saroyan说AI是非确定性的，有时候会「自己搞事情」，改几千个交换机配置这种事不需要创意，需要的是稳定和可重复。所以Netris用的是传统算法。

    「AI是非确定性的，对吧？有时候它喜欢自己搞事情。创意工作不错，但是改几千个交换机配置，你不需要有创意，你需要非常稳定和可重复。」——Alex Saroyan

    钱往哪里花？

    融资完成后，Netris要招更多工程师和销售人员，增加对更多硬件厂商的支持，同时继续完善它的核心算法。这个赛道目前还没有特别大的竞争对手，但随着AI新云越来越多，迟早会有大厂盯上这块。