标签: AI融资

  • 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。


  • 拿下5000万美元融资,这家公司要用「数字世界」逼出AI Agent的真本事

    Patronus AI 数字世界测试
    Patronus AI 用”数字世界”测试AI Agent

    AI Agent这两年进化得越来越快,从最开始只能答答题,到现在能自主跑完一整套多步骤的复杂任务。但有个问题一直没人能很好地回答:你敢把自己的行程预订、财务分析交给一个还没被充分验证过的agent吗?

    模型厂商和做agent的创业公司心里也清楚,光拿个高分基准测试成绩说明不了什么问题——agent在实际场景里能不能把事做对,才是真正的考验。

    “数字世界”是个什么玩法

    2023年,两个前Meta AI研究员Anand Kannappan和Rebecca Qian创办了Patronus AI。他们的思路很直接:既然Waymo是通过先构建合成世界来测试自动驾驶汽车应对极端天气、小孩追球这些罕见危险场景的能力,那AI agent为什么不能用类似的办法?

    Patronus做的就是这件事:用他们称之为”数字世界模型(digital world models)”的技术,创建网站和内部系统的副本。agent在训练完后,会被扔进这些模拟环境里接受压力测试——强化学习会在这个过程中迭代:任务完成了给奖励,出错了给惩罚。

    Notable Capital的管理总监Glenn Solomon说,前沿AI实验室和很多新兴创业公司现在都是他们的客户,对模拟环境的需求几乎是”无法满足的(insatiable)”。

    为什么Patronus能拿到5000万美元

    营收数据说话:过去一年,Patronus的营收增长了15倍。这不是小打小闹的POC(概念验证),而是实打实的客户需求在推动。本周四,公司宣布完成5000万美元B轮融资,由Greenfield Partners领投,Notable Capital、Lightspeed、Datadog和三星跟投。加上这一轮,Patronus总融资额已经达到7000万美元。

    投资人看中的是这个赛道的刚需。AI agent有个很讨厌的习惯:走捷径。它们看起来好像把任务做完了,实际上偷工减料,结果就是任务没被正确完成。Solomon说:”Patronus特别擅长发现这些取巧行为,确保模型被追责。”


    目前做到哪一步了

    Kannappan说,目前主要聚焦在”可验证的问题”上——就是那些你能立刻检查对错的任务,比如软件工程和金融分析。但这远不是终点。”有很多领域是非常难以验证的”,他补充道。

    Patronus的长期目标是构建能让agent运行10小时、10天甚至10周的环境。这个野心不小——意味着他们要模拟的不只是单次交互,而是长时间的、开放式的任务执行过程。

    竞争对手方面,Patronus认为主要对手其实是各家AI实验室自己搭的评估团队。的确,OpenAI、Anthropic、Google这些大厂都在内部做模型评估。但Patronus的差异化在于:它做的是自动化评估,不需要人类参与。相比之下,Mercor和Surge这类依赖人类数据的公司,走的是另一条路。

    AI agent能不能真正被大规模投入使用,测试和评估是很关键的一环。Patronus拿到这笔钱之后,这个赛道估计会变得更热闹。毕竟,谁能证明自己的agent最可靠,谁就能在接下来的商业化竞争中占得先机。

  • Google DeepMind豪掷7500万美元联手A24,AI工具敲开好莱坞大门

    7500万美元,Google DeepMind要向好莱坞证明AI不是来砸场子的

    AI进军创意产业的消息不少,但大多数时候,创作者们的反应是这样的:警惕、抗拒、或者干脆发起诉讼。Google DeepMind这回换了个思路——不先做了再求原谅,而是直接找好莱坞的”品味担当”A24坐下来谈合作。

    6月22日,Google DeepMind宣布向独立电影公司A24投资7500万美元,双方称这将是一个”首创性”的合作伙伴关系。合作内容是联合开发用于电影制作的AI工具,而Google DeepMind这边会”从顶尖艺术家那里获得反馈和指导”。

    AI与电影制作融合概念图
    Google DeepMind携手A24,AI工具正在进入电影制作流程 © 配图

    A24是谁?为什么是它?

    A24可能不是大众最熟悉的电影公司,但在影迷和从业者眼里,它是过去十年最有影响力的独立制片公司之一。《瞬息全宇宙》《仲夏夜惊魂》《遗传厄运》,还有最近的《Backrooms》,都是A24出品的。Timothée Chalamet和Anne Hathaway这些一线演员也和A24有过合作。

    选A24而不是 Disney 或者 Netflix,这个选择本身就很说明问题。A24在创作者群体里信誉度高,它愿意给导演和编剧留空间,这种文化和Google DeepMind想推的”赋能艺术家”叙事是吻合的。

    “我们相信,开发赋能艺术家的工具的最好方式,就是直接和他们一起工作。”——Demis Hassabis,Google DeepMind联合创始人兼CEO

    好莱坞的AI焦虑,不是一天两天了

    过去两年,AI和好莱坞的关系可以用”剑拔弩张”来形容。编剧工会在2023年大罢工时的核心诉求之一就是限制AI在剧本创作中的使用。导演和演员也担心,AI生成的内容和深度伪造技术会抢走他们的饭碗。

    但资本和技术的方向已经确定了。Netflix今年早些时候收购了Ben Affleck创办的AI工具公司InterPositive,专门给电影人开发AI辅助工具。Amazon的MGM Studios也在今年2月宣布成立AI部门,做电视剧和电影制作工具的研发。

    Google DeepMind这7500万美元的赌注,本质上是想在”AI+影视”这个叙事里抢占高地。它不是偷偷摸摸地做,而是公开地和一家受尊敬的电影公司绑定,让艺术家参与到工具开发的过程中来——这个姿态本身,就比直接推出一个”AI电影生成器”要聪明得多。

    工具还是替代品?这道线还没划清楚

    合作归合作,疑问还在。Google DeepMind和A24联合开发的AI工具,到底是用来辅助分镜、剪辑、后期这些”后台”工作的,还是会涉及到剧本创作、表演生成这些更敏感的地带?目前双方都没有给出具体细节。

    这种模糊其实是有意为之。太具体了反而容易引发争议。先把合作关系公布出来,让”AI工具和艺术家协作”这个叙事在舆论里扎根,等工具成型了再慢慢推出来——这才是大公司的一贯打法。


    更大的棋盘:AI公司的好莱坞争夺战

    把这笔投资放在更大的背景里看,它不只是Google DeepMind一家的事。OpenAI和好莱坞的接触也在持续,Sora视频生成模型展示出来的能力,已经让不少人开始重新想象电影制作的可能性。Meta也在砸钱,它的AI视频工具已经在Instagram上跑了一阵子了。

    A24选中Google DeepMind,Google DeepMind选中A24,这笔交易能不能产出真正好用的工具、能不能让创作者在不用恐惧的前提下用上AI,接下来两年会见分晓。对于观众来说,也许更值得期待的问题是:有了这些工具之后,电影会变成什么样子?

  • Groq在Nvidia挖角后逆势融资6.5亿美元,AI推理云的下一战才刚开始

    Nvidia的”非收购收购”之后,Groq活下来了

    去年12月,Nvidia和Groq之间那笔交易让不少人看不懂。Nvidia付了一笔可观的”IP授权费”,然后把Groq的创始人兼CEO Jonathan Ross、总裁Sunny Madra和一帮核心工程师全部挖走。这不是收购,但比收购还彻底——人走了,技术授权给Nvidia了,Groq还剩下什么?

    半年之后,答案似乎是:还挺多。6月22日,Groq正式宣布完成6.5亿美元的新融资,确认了此前外界的传闻。估值没有披露,但上次融资(2025年9月)时Groq的估值已经是69亿美元,这轮融资的投资人据传在上次Nvidia交易中已经赚得盆满钵满,现在继续押注。

    AI芯片与推理计算技术概念图
    AI推理芯片赛道持续升温,Groq在Nvidia挖角后完成新一轮融资 © 配图

    Jonathan Ross的遗产:从Google TPU到Groq LPU

    要理解Groq的价值,得先认识Jonathan Ross这个人。他在Google期间参与了TPU(张量处理单元)的研发,那是Google专门为AI计算设计的芯片。离开Google后,Ross和另一位Google工程师Doug Wightman一起创立了Groq,主攻方向是AI推理芯片——他们称之为LPU(语言处理单元)。

    Wightman在Nvidia交易后选择留在Groq,现在担任CEO。Ross和Madra走了,但Groq的技术团队和产品方向还在。更重要的是,Nvidia虽然拿到了LPU的IP授权,但Groq同步宣布了战略转型:从芯片厂商转向”NeoCloud”业务。

    NeoCloud这个概念,说白了就是专门为AI训练和推理优化的云基础设施服务,和AWS、Azure那种通用云不一样,它只干AI这一件事,而且干得更狠。

    13个数据中心,每周处理万亿级Token

    Groq的NeoCloud业务在Madra被挖走前就已经在运作(Groq在2024年收购了他的AI数据分析公司Definitive Intelligence)。根据公司披露的数据,目前已在北美、欧洲、中东和亚太地区部署了13个数据中心,服务超过500万开发者和数千家AI公司,每周处理的AI Token数量达到万亿级别。

    这个规模说大不大,说小也不小。和Nvidia、AWS、Google Cloud比起来,Groq还是个小朋友。但在AI推理这个细分赛道上,需求增长速度之快,让即使是很小的玩家也有饭吃。

    新管理层就位,从xAI和Meta挖来高手

    融资之余,Groq也在快速补强管理层。新上任的COO Alan Rice之前在xAI和Meta都干过,再之前在美国海军服役。CTO Sinclair Schuller和CPO Rakesh Malhotra是一对创业搭档,之前一起做过企业云软件公司Apprenda,后来又共同创立了软件工程公司Nuvalence,2024年被EY收购。

    Malhotra本人在微软待了大约十年,参与过多个云产品的开发。这个背景对Groq的NeoCloud业务来说相当对口。


    关键问题:IP给了Nvidia,Groq还能打吗?

    外界对Groq最大的疑问就在这里:Nvidia现在合法持有LPU技术的IP,而且已经在今年3月的GTC大会上发布了自己的Groq 3 LPX推理硬件系统。Groq转型做NeoCloud,本质上是在用别人的技术授权来运营云服务——这不就是帮Nvidia培育市场吗?

    但也有另一种看法。推理云服务这个赛道的需求增长太快,Nvidia一家吃不下所有客户。Groq如果能把NeoCloud的体验做到足够好,在性价比、延迟、开发者工具链这些维度上建立优势,它不一定非要靠自研芯片才能活。

    类似的剧情在Scale AI身上也发生过。去年Meta用143亿美元”不是收购的收购”把Scale AI的创始人Alexandr Wang和一批核心人才挖走,外界一度认为Scale AI要完了。但CEO Jason Droege今年5月对Forbes说,公司业务已经反弹,今年营收预计能达到10亿美元。

    AI这场大棋局里,人才流动和资本重组几乎每个月都在发生。今天被挖角,明天拿到新融资,后天可能又换一个赛道重新开始。Groq这6.5亿美元能不能让它真正站稳脚跟,接下来12个月见分晓。

  • 印度AI独角兽Sarvam获2.34亿美元融资,HCLTech领投1.5亿

    2.34亿美元,估值15亿美元。印度班加罗尔的AI实验室Sarvam周一宣布完成新一轮融资,正式跻身独角兽行列。领投方不是哪家硅谷VC,而是印度本土IT巨头HCLTech——它一个人砸了1.5亿美元。

    印度AI独角兽Sarvam融资
    Sarvam成为印度最新AI独角兽,HCLTech领投1.5亿美元

    全栈AI,这是印度人的打法

    Sarvam的野心不小。它不像有些AI公司只做模型,或者只做应用,而是试图把整条栈都搭起来:从底层的AI模型,到中间的推理基础设施,再到面向企业的应用产品。这种”全栈”思路在印度市场尤其有意义——这里的企业客户喜欢”一站式解决方案”,不想分别找多家供应商拼起来。

    更关键的是语言。Sarvam的模型专门为印度语言设计——印地语、泰米尔语、孟加拉语、 Telugu等等。印度有22种官方语言,真正能把多语言场景跑通的AI公司并不多。Sarvam的两位创始人Vivek Raghavan和Pratyush Kumar之前在IIT马德拉斯的AI4Bharat项目干活,那个项目就是专门研究印度语言的AI,背后有印度”数字化之父”Nandan Nilekani的支持。

    HCLTech为什么舍得砸1.5亿

    HCLTech是印度IT服务业的巨头之一,和TCS、Infosys一个级别。它投Sarvam不是财务投资,是战略卡位。IT服务公司的下一个战场是AI——谁能把AI能力打包进企业服务合同里,谁就能吃掉竞争对手的份额。

    双方的计划很明确:把Sarvam的AI模型和HCLTech的企业客户关系、工程团队、软件资产拼在一起,给企业政府和政府客户做AI产品。HCLTech每年服务几百家全球500强企业,这个渠道价值不是钱能直接买的。

    Anthropic禁令戳中了印度的痛处

    就在上周,美国政府命令Anthropic切断外国公民对Fable 5和Mythos 5的访问权限。印度科技圈一下子慌了——OpenAI和Anthropic都把印度称为”第二大市场”,结果人家的模型说断就断。

    这件事让”AI主权”从一个抽象概念变成了眼前的问题。Sarvam的价值,很大程度上就是它是”印度的”——不管美国政府发什么令,Sarvam的模型印度自己能控制。这种安全感,是OpenAI和Anthropic给不了的。

    数据说话:Sarvam已经在跑

    光有愿景不够,Sarvam的以下几组数据值得一看:

    • 对话AI平台每天处理超过200万次交互
    • 推理平台每天处理约1000万次API调用
    • 语音模型每月转录超过50万小时音频
    • 文档AI系统正在数字化超过3500万页档案

    应用场景也在铺开。Sarvam的多语言语音代理已经为印度农业部收集了1700万农民的数据。一家大型保险公司用它的语音活动支持了4500万保单持有人的续保。还有一家大型金融科技公司,用Sarvam的AI代理平台支撑着一支35万人的销售队伍。


    印度AI的窗口期

    Sarvam不是印度唯一做AI模型的公司,但它可能是目前资金最充裕、落地最扎实的一家。挑战也一样明显:算力成本高、资本获取难,跟美国和中国那些融资动辄几十亿的对手比,Sarvam的资源还是紧的。

    但印度市场的规模是真实的。OpenAI和Anthropic都把印度当第二大市场,这说明需求在那里。Sarvam如果能把自己的模型能力、HCLTech的渠道、以及印度政府对”数字主权”的诉求这三件事拼起来,它不一定需要追上GPT-5,只要在印度市场足够好用,就是一门大生意。