近日，Fireworks AI官宣完成B輪融資。起初我並不覺得這次融資值得關註，畢竟眼球已經被被AI動輒數億美元的融資轟炸習慣了，5200萬的B輪融資讓我實在提不起興趣。
但朋友圈不斷地熱議，我被動接收到Fireworks AI不少碎片資訊，稍微一研究發現，確實有點意思。除了投資方堪稱頂級外，還有幾個顯著的標簽：復旦才女，小眾賽道，明星客戶。
並且透過Fireworks AI這筆融資，也顯示雖然國外大模型投融資依然如火如荼，輝達也依然堅挺，但在頭部格局已經基本確定的情況下，已經開始越來越延伸到下遊，一些類似Fireworks AI的公司不斷受到資本關註，競爭也愈發激烈起來。
因此，當我們被海外大模型不斷重新整理紀錄的巨額融資吸引時，不要忘了已經有一批類似Fireworks 的AI公司，在解決開源大模型和行業、垂直場景之間的鴻溝，並且在資本和商業上都獲得了不小的認可。李彥宏說「沒有套用大模型一文不值」，朱嘯虎說「大模型商業模式差，明年套用層將爆發」，都是一個道理。
與國內市場一樣，對於大模型及上下遊行業未來前景，也存在不小的非共識。紅杉資本認為目前已經到了模型到套用的轉折點，其合夥人David Cahn去年就發表了對輝達估值的不滿，大意是GPU產能過剩，熱切相比於輝達賣GPU的收入，這些GPU創造的價值還遠遠不夠。
有趣的是，同樣在AI上砸了大錢的A16z，狠狠駁斥了紅杉合夥人，稱紅杉低估了AI的革命性影響。不管怎麽說，有非共識就有超額收益的機會。這不，紅杉合夥人去年9月發表那番言論後到現在，半年多時間輝達股價火急火燎地漲了3倍多。
對輝達股價的非共識，我的同事蒲凡已經撰寫了稿件，感興趣可以持續關註，先來看看Fireworks AI的融資情況。
成立一年半，估值達5.52億美元
不同於明星公司，動輒一年融好幾輪，甚至一兩個月一輪的融資節奏，在資本引入和融資金額上，Fireworks AI節奏不快。包括本次融資在內，Fireworks AI僅完成了兩次融資，且金額算不上大，分別為2500萬美元和5200萬美元。同時，這兩輪融資的間隔時間也比較久，第一輪融資還是在2022年剛成立時完成的。
雖然兩次融資規模放在AI大盤子中只是九牛一毛，但出資方卻都大有來頭。
A輪融資由Benchmark領投，紅杉資本、Databricks Ventures 、Snowflake前執行長Frank Slootman、Scale AI執行長 Alexandr Wang 、 LinkedIn、Confluence的高管 、Meta 和 OnePassword 等也參與其中。
A輪融資後，Benchmark的合夥人Eric Vishria加入了Firework AI的董事會。
再看剛完成的這次融資，除了領投方老股東外，其他投資方分別是NVIDIA、AMD和MongoDB Ventures。不同於A輪中有多家風險投資機構和個人的註資，這次的資方更多的來自產業，甚至更直白一點，來自Fireworks AI的合作夥伴。
有點國內產業投資的意思了。
據了解，自兩年前推出以來，Fireworks AI與AI堆疊中的多個提供商達成了協定。其中包括與 Nvidia、AMD、AWS、Google Cloud Platform和Oracle Cloud合作最佳化模型基礎設施。
近期，該公司還與跨平台NoSQL資料庫MongoDB合作建立了互動式檢索增強生成或 RAG 產品，該產品旨在將權威的即時數據引入大型語言模型，以提高準確性並減少錯誤。
綜上，新一輪融資使Fireworks AI籌集的總資金達到7700萬美元，估值達到5.52億美元（約合40億人民幣）。
另外Fireworks AI表示，未來將這筆投資用於推動行業向復合AI系統轉變，擴大團隊，增強平台，使開發人員能夠快速將AI應用程式從原型轉移到生產。
值得一提的是，雖然這個創業方向比較小眾，但Fireworks AI並不是孤例。比如開源的AI框架Caffe的作者賈揚清創業成立的Lepton AI，也是讓開發人員可以用很低的成本部署大模型的套用和開發，跟Fireworks AI同屬於一個賽道。
在國內，像是阿裏和百度這樣的大廠也有相關的業務，另外由袁進輝創辦的矽基流動也是這個賽道的布局者，該公司近期也完成近億元天使+輪融資，投資方包括清華系基金、360、智譜AI等。
直指大模型套用的剛性需求
隨著大模型越來越多地走入行業和細分場景，通用AGI的一些弊端也開始顯現，最普遍的障礙點就是太重、太慢、太昂貴，無法最好地滿足生產工作負載。
舉例來講，在電商客服領域，B端廠商無法直接把底層大模型拿來用，它需要進行一系列的微調和效能最佳化，這裏的「微調」是指，給大模型輸入大量的客服相關的數據，進行訓練和推理，效能最佳化則更著重在準確性和響應速度上。
如果是有預算有研發團隊的大廠，有能力自己做這種微調和效能最佳化，同時也將投入大量的成本，換做是各種資源都有限的小團隊，獨立完成更有難度。
與此同時，企業在進入生產階段時需要平衡一系列需求：他們渴望閉源模型提供商的便捷性；開源模型提供的延遲、成本、品質和安全性。因此更多企業也越來越多地轉向復合人工智慧系統，這種系統結合了多個模型呼叫、檢索器或外部工具，與依賴單一模型相比，可以提供更好的效能、可靠性和控制。
當更多開源替代方案變得可行，橫在開源大模型和行業、垂直場景之間鴻溝也開始顯現，而這是需要開發者來完成，Fireworks AI就是打造了一個面向開發者的中間平台。
它並不是從頭開始訓練基礎模型，而是幫助微調其他模型以滿足企業的特定需求。「它可以是現成的開源模型，也可以是我們調整的模型，也可以是客戶可以自行調整的模型。這三種型別都可以透過我們的推理引擎 API 提供服務。」
復旦才女、PyTorch之母的新作
為何在這些初創公司中，紅杉選擇了持續押註Fireworks AI ？這還是回到了早期投資中關於人，關於團隊的老生常談的話題上。
首先，Fireworks AI於2022年底在加州創立，其聯合創始人兼CEO林喬（Lin Qiao）有著豐富的技術背景和深厚的工程管理經驗。她擁有加利福尼亞大學聖塔芭芭拉分校（UCSB）的電腦科學博士學位，本科畢業於復旦大學。
創辦Fireworks AI前，她在Meta擔任高級工程總監，團隊由300多名世界級工程師組成。期間林喬負責開發和部署Caffe2和PyTorch等AI框架和平台，支持了Meta數據中心、數十億行動裝置和數百萬 AR/VR 裝置的廣泛套用。
更早之前，林喬還曾在LinkedIn擔任技術主管和經理，負責構建下一代數據生命周期管理平台，此外，她在IBM多年的研究工作中也參與了IBM Smart Analytics Optimizer和Shark等計畫的開發。
從林喬的早期工作經歷中，我們可以看到很多A輪投資方的身影，這足以見得，林喬技術能力頗受前老板們的認可。
其次，Fireworks AI 的創始團隊還包括 Dmytro Dzhulgakov、Dmytro Ivchenko、James Reed、趙晨宇、Pawel Garbacki、Benny Chen 在內的多位聯創人員，他們分別在技術和工程方面有著深厚的背景和經驗。另外，Fireworks AI是一個短小精悍的團隊，截止本次融資前，公司只有27人。
除了團隊的光鮮背景外，再回到Fireworks AI本身要做的事情上。Fireworks AI是一個專為開發人員打造的生產型AI平台，他們聚焦在效能最佳化、提升開發者體驗以及大規模執行AI套用上。
而在這個賽道是十分看中創業團隊的技術經驗的，因為不是每個開發者都能清楚地知道調整哪個參數才能得到最優解，如果沒有在足夠的經驗，那將大大增加試錯成本，這種成本既有時間上的，也有資金上的。
當然，再好的創業團隊背景也要做出真東西，才能得到市場認可。
看起來，Fireworks AI實在是個年輕的公司，但其產品上卻十足豐富。目前，提供超過100多種文本、影像、音訊和多模態大模型，這些模型在延遲、吞吐量和成本等方面，都進行了大振幅最佳化。
與傳統方法相比，Fireworks AI將推理時間減少了12倍，與GPT-4相比減少了40倍，每天處理1400億tokens數據，API的正常執行時間達到了99.99%。其最新產品Firefunction-v2是與GPT-4o相當的函式呼叫模型，效率提升2.5 倍，成本僅是其10%。
此外，Fireworks AI可提供較小的生產級模型，他們將模型大小限制在 70 億到 130 億個參數之間，從而降低了成本，而 ChatGPT4 中的參數超過 1 萬億個。這使得開發人員能夠專註於更小、更集中的數據集，這些數據集旨在處理更有限的業務用例，從而避免了大型專有模型的非私密性和難以量身客製客製等問題。
Fireworks 簽約的客戶也堪稱大牌。經過激烈競爭，企業（Uber、DoorDash、Upwork、Quora）和 AI 原生初創公司（Cursor、Superhuman、Sourcegraph Cody、Cresta）都選擇圍繞 Fireworks 構建堆疊。與Meta、輝達、AMD、亞馬遜、谷歌雲等科技巨頭也一直保持合作關系。
