AI创投周报是阿尔法公社推出的聚焦于以生成式AI为代表的人工智能新浪潮的创投资讯周报。阿尔法公社发现和投资非凡创业者（Alpha Founders），相信非凡创业者们在技术、商业和社会方面的巨大推动力，他们指引着创投生态的风向。
本图由「千象」（网址：www.hidreamai.com）生成
本周，我们观察到以下AI领域的新动向和新趋势：
1.AlphaFold3登Nature头版， 它能够预测的不止蛋白质结构，还包括更广泛的生物分子，例如核酸（DNA/RNA）以及更小分子。这使它不仅加速药物设计，还能加速基因组学研究。
2.AI专有基础设施领域获多笔融资， 例如Blaize这样的边缘AI处理器融资1.06亿美元，CoreWeave这样的AI专有云平台则获得11亿美元融资，累计融资达50亿美元。
3.李飞飞创立了一家「空间智能」公司， 旨在让人工智能能够像人类一样，对视觉信息进行高级推理，a16z参与了公司种子轮融资。
人工智能产品和技术的新突破
1.AI革命性突破登Nature头版，AlphaFold 3预测所有生物分子结构
谷歌DeepMind的AlphaFold 3在AI生物学领域取得了革命性进展，其研究成果登上了Nature杂志的头版。
AlphaFold 3能够解析的不止蛋白质，还包括更广泛的生物分子，例如核酸（DNA/RNA）以及更小分子。这一飞跃可能解锁更多变革性的科学，从开发生物可再生材料和更具韧性的作物，到加速药物设计和基因组学研究。
AlphaFold 3在预测类药物相互作用方面取得了前所未有的准确性，包括蛋白质与配体的结合以及抗体与其靶蛋白的结合。AlphaFold 3在PoseBusters基准测试中比最佳传统方法准确率高出50%，而无需输入任何结构信息，使得AlphaFold 3成为首个超越基于物理的工具用于生物分子结构预测的人工智能系统。预测抗体-蛋白质结合的能力对于理解人类免疫反应的方面以及设计新抗体至关重要。
AlphaFold 3的架构一方面继承了AlphaFold 2的设计，另一方面也进行了重大的调整，例如采用了新的Pairformer模块和扩散模块，总结来说，就
是将创新的Transformer+Diffusion架构引入了生物学领域。
2.离开自己创立的公司后，前谷歌DeepMind高管Mustafa Suleyman带领微软团队自研5000亿参数大模型
前谷歌DeepMind高管Mustafa Suleyman离开自己创立的InflectionAI后，加入微软。目前有消息称，他正带领微软技术团队开发一款名为MAI-1的大模型，拥有高达5000亿参数，旨在目前最先进的AI模型竞争，这一消息由微软首席技术官Kevin Scott确认。
在自研模型方面，微软的策略是同时研发大模型和小模型，以适应不同的应用场景。例如，他们的Phi-3就是小型模型，能够在移动设备上运行，而且在采用小参数的前提下，性能可以与中大尺寸的模型媲美。而MAI-1则
是他们在大模型领域的重要布局，目标是打造出能与GPT-4等先进模型竞争的顶级AI模型。
3.苹果推出M4芯片，采用台积电3nm工艺，性能超越多数现有AI PC
苹果近期发布了全新iPad Pro，它搭载了全新的M4芯片，此芯片拥有280亿晶体管，采用台积电第二代3nm工艺。
M4芯片的神经网络引擎运算速度达到每秒38万亿次，这是A11仿生芯片上首个神经网络引擎的60倍。这使得M4不仅在常规计算任务上强大，更在AI相关任务上表现得无比出色，能够轻松处理4K视频中的对象分离和多种复杂的AI算法。苹果宣称M4芯片的AI算力超越大多数AI PC。
在AI时代，端侧AI是一个重要的场景，而算力又是终端能够运行AI模型的
基础，M4芯片的发布，显示了苹果在AI领域奋起直追的决心。
4.特斯拉第二代擎天柱机器人进厂打工，精准分装电池，或拥有22自由度灵巧手
特斯拉第二代擎天柱机器人近日已进入工厂进行实际工作，展示了其在精准分装电池任务中的出色能力。这款机器人不仅展示了高度的自主性和精准度，还表现出了学习和自我纠错的能力。
在特斯拉的FSD计算机的实时运算支持下，擎天柱机器人通过2D摄像头、手部触觉和力传感器，成功完成了对电池的分类和精确放置。多个擎天柱机器人现在已经进入特斯拉工厂「实习」，在分拣电池时几乎不需要人类干预。
擎天柱机器人由特斯拉的技术团队训练和部署的神经网络支持，这一神经网络只处理来自2D摄像头的视频，以及机器人本体感知的传感器数据，并直接生成控制关节的序列，这个技术思路与特斯拉的汽车自动驾驶技术相似。
马斯克透露，计划在今年晚些时候推出的擎天柱机器人将配备具有22个自由度的灵巧手，较当前的11个自由度有了大幅提升。
5.AI让失语者重新说话，纽约大学发布全新「神经-语音」解码器
纽约大学的研究团队在【Nature Machine Intelligence】杂志上发表了一项重要研究，展示了一个全新的「神经-语音」解码器，它能帮助失语症患者重新获得说话能力。这项研究得到了图灵奖得主Yann LeCun的高度评价，标志着脑机接口技术在帮助失语者恢复语言能力方面迈出了重要步伐。
该研究使用了皮层电图（ECoG）数据，通过深度学习模型将神经信号转换为具体的语音参数（如音高、响度、共振峰频率等），并最终合成出既准确又自然的语音波形。
这项研究还开发了一个可微分语音合成器，该合成器利用轻量级卷积神经网络将语音编码为一系列可解释的语音参数，并通过可微分技术重新合成语音。
研究团队在48名受试者上进行了实验，显示了该技术的高度可复现性，能处理不同空间采样密度的数据，并能同时处理左、右脑半球的脑电信号。这一研究的成功，不仅为失语症患者提供了新的希望，也为脑机接口领域的未来应用开辟了新的路径。
6.LeCun哈佛演讲：唱衰自回归LLM，预测下一代AI方向
图灵奖得主Yann LeCun在哈佛大学的最新演讲中，深入探讨了自回归大语言模型的局限性，并展示了他对下一代人工智能的愿景。
LeCun强调，尽管自回归LLM如ChatGPT在文本生成等方面表现出色，但它们在事实错误、逻辑错误、一致性、推理等方面频频出错，缺乏常识和记忆，无法规划答案。他认为这种模型对潜在现实的理解有限，是世界模型的一种过于简化的特例。
LeCun提出的解决方案是联合嵌入预测架构（JEPA），这是一个模块化的认知架构，其核心是一个可预测的世界模型，可以预测行动的后果并规划一系列行动来优化目标。他认为，与生成模型、概率模型、对比方法和强化学习不同，JEPA和基于能量的模型（EBM）更具灵活性和适用性，能更好地模拟现实世界的运作。
LeCun还认为，目标驱动的AI或自主智能是一个重要的发展方向。这种AI通过配置器模块实现任务的执行控制，预先配置感知、世界模型、成本和参与者，从而实现更复杂的功能。
7.MIT华人团队用AI发现物理学新方程，开创AI辅助物理研究新纪元
MIT的物理学家Max Tegmark和北大校友刘子鸣领导的团队通过AI系统OptPDE，在物理学领域取得了突破性进展，首次发现了全新的可积偏微分方程（PDE）。
研究团队通过OptPDE系统，对5000个随机初始化的PDE系数值进行运算后，发现了4个可积偏微分方程，其中一个为已知，而其他三个则是全新的发现。这一成就展示了AI在辅助人类科学家进行复杂计算和模式识别方面的巨大潜力。
OptPDE的设计分为两个部分：计算任何PDE的守恒量（CQ）数量，并找出使CQ最大化的偏微分方程。通过这种方法，AI不仅能够发现新的可积系统，还能为物理学家提供新的研究模式，即人类提供领域知识，AI产生假设，人类进行解释和验证，形成一个完整的发现闭环。此外，这项研究还提出了一种新的AI与人类科学家协作的范式，即AI负责发现和优化偏微分方程，而人类科学家则负责解释和验证这些发现。这种合作模式有望加速物理学中的新发现，并提高研究效率。
人工智能初创公司的新融资
1.李飞飞首次创业，成立「空间智能」公司，已完成种子轮
被誉为「AI教母」的斯坦福大学教授李飞飞创立了一家专注于「空间智能」的AI公司，并已完成了种子轮融资，参投机构包括a16z和Radical Ventures。这家新公司的目标是让人工智能能够像人类一样，对视觉信息进行高级推理。
李飞飞在斯坦福获得终身教职，曾任谷歌云AI首席科学家，领导了谷歌云AI、谷歌大脑以及中国本土团队的工作。此次创业是她职业生涯中的一次全新尝试。
李飞飞的团队正在研究如何教会计算机在三维世界中行动，例如通过大语言模型使机器人手臂根据口头指令执行任务。去年，她的团队发布的VoxPoser项目展示了如何让人类给机器人下达指令，而机器人能通过视觉语言模型分析3D空间中的目标和障碍，帮助机器人做出行动规划，这一成果在真实世界中已经得到应用。
李飞飞近期还参与了多项学术成果的发表，这些研究涉及计算机视觉、机器人、智能体等多个领域。她的斯坦福主页显示，她将从今年开始到2025年末处于「部分休假」状态，这一时间与她在新公司的全职工作时间吻合。
2.推动自动驾驶汽车和机器人技术发展，Wayve完成由软银领投的10.5亿美元C轮融资
官方网站：wayve.ai
领先的自动驾驶技术公司Wayve近日完成了由软银领投的10.5亿美元C轮融资，参与融资的还有英伟达和Microsoft。Wayve的早期投资者包括图灵奖获得者Yann LeCun，Wayve于2022年1月获得Eclipse Ventures领投的2亿美元B轮融资。
Wayve的技术核心在于其独特的AI驱动算法，这一算法能够使汽车和机器人在复杂的城市环境中安全导航。Wayve的自动驾驶系统能够实时处理道路情况，响应突发事件，从而提供比传统自动驾驶系统更高的安全性和可靠性。
Wayve计划将其自动驾驶模型出售给多家汽车原始设备制造商 (OEM)。这能让Wayve获得更多的训练数据来改进其模型。除了在自动驾驶汽车领域的努力，Wayve也在探索将其AI算法应用于工业机器人和其他自动化设备上，以实现更广泛的自动化应用。
Wayve CEO Alex Kendall博士毕业于剑桥大学，也是剑桥大学三一学院的Fellow。
3.Mistral AI 完成估值60亿美元的融资，DST Global 投资
官方网站：mistral.ai
法国的大模型公司Mistral AI最近完成了一轮新的融资，金额接近6亿美元，使公司估值达到了60亿美元， DST Global是本轮的主要投资者。此次融资反映了市场对Mistral AI技术和商业模式的认可，也代表它继续处于AI大模型厂商的第一梯队，有相对充足的资源与OpenAI及Anthropic等厂商竞争。
Mistral AI此前推出了多个能力强大的开源大模型，例如Mixtral 8x7B，Mistral 8x22B，它们在保持较小尺寸和较低推理成本的同时展现了强大的能力。此外，它们也有闭源大模型Mistral Large和Mistral Small等，其中Mistral Large是直接与GPT-4竞争的模型。
Mistral AI的三位创始人Timothée Lacroix 、Guillaume Lample和Arthur Mensch既拥有大厂履历和知名项目的成功经验同时也是大学校友。Timothée和Guillaume曾在Meta的AI研究部门工作，并领导了Llama系列模型的开发，Arthur曾在DeepMind工作。
4.将推理效率提升60倍的边缘AI处理器公司Blaize获Mercedes-Benz, Temasek Holdings等联合投资的1.06亿美元D轮投资
官方网站：www.blaize.com
人工智能边缘计算处理器与平台开发商Blaize获Ava Investors, Bess Ventures, BurTech LP, Denso, Franklin Templeton, Mercedes-Benz Group AG, Rizvi Traverse Management, Temasek Holdings联合投资的1.06亿美元D轮投资。Blaize从2016年起相继完成4轮融资，累计融资2.42亿美元。
Blaize主要提供两款产品，边缘计算处理器与对应的无代码软件开发平台。Blaize基于革命性的Blaize GSP架构，带来一类新型高效、低功耗、低延迟的处理器，使以前无法实现的实时边缘 AI 推理成为可能，据Blaize宣称，这款处理器能够加速边缘AI应用，系统级效率比CPU/GPU高出60倍。
他们开发的解决方案能够为汽车、移动、零售、安全、工业自动化和其他行业的计算提供边缘AI处理解决方案，并且也在积极开发面向数据中心的AI处理解决方案。
Blaize的无代码软件开发平台提供AI驱动的应用程序端到端数据操作 （DataOps）、开发操作 （DevOps） 和机器学习操作 （MLOps） 工具。Blaize开发的AI 软件平台旨在部署到边缘推理加速器、本地边缘服务器、系统和基于云的应用程序的AI即服务 （AIaaS）。
Blaize的创始人兼CEO Dinakar Munagala在英特尔图形事业部工作12年，联合创始人Ke Yin与Dinakar同年进入英特尔，担任芯片架构师。
5.CoreWeave完成11亿美元融资，显示AI云计算市场的快速增长
CoreWeave是AI云计算服务公司中获得融资最多的公司之一，它近日从包括Coatue、Fidelity和Altimeter Capital在内的投资者那里获得11亿美元的新融资，这次融资使得它的投后估值达到190亿美元，也使CoreWeave 债务和股权的总融资额达到了50亿美元。
像CoreWeave这类AI云计算公司，一个很重要的竞争优势是价格更便宜，更灵活，可用性更高。例如在CoreWeave 上租用一个Nvidia A100 40GB的GPU，每小时成本为2.39美元，相当于每月1200美元。在IT大厂的公有云服务上则更贵，在Azure上，同样的GPU每小时成本为3.40美元，或每月2482美元；在谷歌云上是每小时3.67美元，或每月2682美元。
Forrester的首席分析师Lee Sustar认为，像CoreWeave这样的AI专有云服务供应商之所以能够成功，部分原因是他们没有现有供应商所要处理的基础设施「包袱」。
「鉴于大型IT厂商在整个公共云市场的主导地位，它们需要在各类基础设施和几乎不产生收入的服务范围上进行巨大投资，像 CoreWeave 这样的挑战者有机会通过专注于高端 AI 服务而无需承担超大规模运营商级别的整体投资来取得成功。」他说。
6.AI云服务需求激增RunPod获得Dell和Intel 2000万美元种子轮投资
官方网站：www.runpod.io
RunPod，一家为人工智能计算提供布式 GPU 云平台的初创公司，获得 Dell Technologies Capital和Intel Capital投资的2000万美元种子基金。
针对人工智能构建的专用云服务的崛起。在AI时代，通用云基础设施的局限性变得越来越明显，延迟、资源扩展的不灵活，没有专用的匹配工具等问题正在阻碍人工智能应用的开发和部署。
新型的AI云平台提供了优化的计算资源、增强的灵活性和可扩展性，以及以开发者为中心的环境。这些专门的平台旨在处理AI工作负载的独特需求，从模型训练的高计算需求到对快速扩展和高效资源分配的需求。
RunPod是AI云平台中创新性较强的一家，它们使用户能够低成本的进行AI模型「开发」和推理，而且为了满足AI时代的计算负载，它们放弃了传统的 Kubernetes，重新构建了云计算的编排层，使得模型运行的速度更快，延迟更低。
RunPod表示，其用户基数已增长至超过100000名开发者，之后它们也将在企业市场发力。
RunPod由Zhen Lu和Pardeep Singh联合创立，他们之前是Comcast公司的资深工程师，Zhen Lu还曾是匹兹堡大学的助理教授。
本文由阿尔法公社综合自多个信息源，并在ChatGPT的辅助下写作，封面图片由Hidream.ai的Pixeling（千象）生成。
关于阿尔法公社
