AI創投周報是Alpha公社推出的聚焦於以生成式AI為代表的人工智能新浪潮的創投資訊周報。Alpha公社發現和投資非凡創業者（Alpha Founders），相信非凡創業者們在技術、商業和社會方面的巨大推動力，他們指引著創投生態的風向。
本圖由「千象」（網址：www.hidreamai.com）生成
本周，我們觀察到以下AI領域的新動向和新趨勢：
1.AlphaFold3登Nature頭版， 它能夠預測的不止蛋白質結構，還包括更廣泛的生物分子，例如核酸（DNA/RNA）以及更小分子。這使它不僅加速藥物設計，還能加速基因組學研究。
2.AI專有基礎設施領域獲多筆融資， 例如Blaize這樣的邊緣AI處理器融資1.06億美元，CoreWeave這樣的AI專有雲平台則獲得11億美元融資，累計融資達50億美元。
3.李飛飛創立了一家「空間智能」公司， 旨在讓人工智能能夠像人類一樣，對視覺資訊進行高級推理，a16z參與了公司種子輪融資。
人工智能產品和技術的新突破
1.AI革命性突破登Nature頭版，AlphaFold 3預測所有生物分子結構
谷歌DeepMind的AlphaFold 3在AI生物學領域取得了革命性進展，其研究成果登上了Nature雜誌的頭版。
AlphaFold 3能夠解析的不止蛋白質，還包括更廣泛的生物分子，例如核酸（DNA/RNA）以及更小分子。這一飛躍可能解鎖更多變革性的科學，從開發生物可再生材料和更具韌性的作物，到加速藥物設計和基因組學研究。
AlphaFold 3在預測類藥物相互作用方面取得了前所未有的準確性，包括蛋白質與配體的結合以及抗體與其靶蛋白的結合。AlphaFold 3在PoseBusters基準測試中比最佳傳統方法準確率高出50%，而無需輸入任何結構資訊，使得AlphaFold 3成為首個超越基於物理的工具用於生物分子結構預測的人工智能系統。預測抗體-蛋白質結合的能力對於理解人類免疫反應的方面以及設計新抗體至關重要。
AlphaFold 3的架構一方面繼承了AlphaFold 2的設計，另一方面也進行了重大的調整，例如采用了新的Pairformer模組和擴散模組，總結來說，就
是將創新的Transformer+Diffusion架構引入了生物學領域。
2.離開自己創立的公司後，前谷歌DeepMind高管Mustafa Suleyman帶領微軟團隊自研5000億參數大模型
前谷歌DeepMind高管Mustafa Suleyman離開自己創立的InflectionAI後，加入微軟。目前有訊息稱，他正帶領微軟技術團隊開發一款名為MAI-1的大模型，擁有高達5000億參數，旨在目前最先進的AI模型競爭，這一訊息由微軟技術長Kevin Scott確認。
在自研模型方面，微軟的策略是同時研發大模型和小模型，以適應不同的套用場景。例如，他們的Phi-3就是小型模型，能夠在流動通訊器材上執行，而且在采用小參數的前提下，效能可以與中大尺寸的模型媲美。而MAI-1則
是他們在大模型領域的重要布局，目標是打造出能與GPT-4等先進模型競爭的頂級AI模型。
3.蘋果推出M4芯片，采用台積電3nm工藝，效能超越多數現有AI PC
蘋果近期釋出了全新iPad Pro，它搭載了全新的M4芯片，此芯片擁有280億晶體管，采用台積電第二代3nm工藝。
M4芯片的神經網絡引擎運算速度達到每秒38萬億次，這是A11仿生芯片上首個神經網絡引擎的60倍。這使得M4不僅在常規計算任務上強大，更在AI相關任務上表現得無比出色，能夠輕松處理4K影片中的物件分離和多種復雜的AI演算法。蘋果宣稱M4芯片的AI算力超越大多數AI PC。
在AI時代，端側AI是一個重要的場景，而算力又是終端能夠執行AI模型的
基礎，M4芯片的釋出，顯示了蘋果在AI領域奮起直追的決心。
4.特斯拉第二代擎天柱機器人進廠打工，精準分裝電池，或擁有22自由度靈巧手
特斯拉第二代擎天柱機器人近日已進入工廠進行實際工作，展示了其在精準分裝電池任務中的出色能力。這款機器人不僅展示了高度的自主性和精準度，還表現出了學習和自我糾錯的能力。
在特斯拉的FSD電腦的即時運算支持下，擎天柱機器人透過2D網絡攝影機、手部觸覺和力傳感器，成功完成了對電池的分類和精確放置。多個擎天柱機器人現在已經進入特斯拉工廠「實習」，在分揀電池時幾乎不需要人類幹預。
擎天柱機器人由特斯拉的技術團隊訓練和部署的神經網絡支持，這一神經網絡只處理來自2D網絡攝影機的影片，以及機器人本體感知的傳感器數據，並直接生成控制關節的序列，這個技術思路與特斯拉的汽車自動駕駛技術相似。
馬斯克透露，計劃在今年晚些時候推出的擎天柱機器人將配備具有22個自由度的靈巧手，較當前的11個自由度有了大幅提升。
5.AI讓失語者重新說話，紐約大學釋出全新「神經-語音」解碼器
紐約大學的研究團隊在【Nature Machine Intelligence】雜誌上發表了一項重要研究，展示了一個全新的「神經-語音」解碼器，它能幫助失語癥患者重新獲得說話能力。這項研究得到了圖靈獎得主Yann LeCun的高度評價，標誌著腦機介面技術在幫助失語者恢復語言能力方面邁出了重要步伐。
該研究使用了皮層電圖（ECoG）數據，透過深度學習模型將神經訊號轉換為具體的語音參數（如音高、響度、共振峰頻率等），並最終合成出既準確又自然的語音波形。
這項研究還開發了一個可微分語音合成器，該合成器利用輕量級摺積神經網絡將語音編碼為一系列可解釋的語音參數，並透過可微分技術重新合成語音。
研究團隊在48名受試者上進行了實驗，顯示了該技術的高度可復現性，能處理不同空間采樣密度的數據，並能同時處理左、右腦半球的腦電訊號。這一研究的成功，不僅為失語癥患者提供了新的希望，也為腦機介面領域的未來套用開辟了新的路徑。
6.LeCun哈佛演講：唱衰自回歸LLM，預測下一代AI方向
圖靈獎得主Yann LeCun在哈佛大學的最新演講中，深入探討了自回歸大語言模型的局限性，並展示了他對下一代人工智能的願景。
LeCun強調，盡管自回歸LLM如ChatGPT在文本生成等方面表現出色，但它們在事實錯誤、邏輯錯誤、一致性、推理等方面頻頻出錯，缺乏常識和記憶，無法規劃答案。他認為這種模型對潛在現實的理解有限，是世界模型的一種過於簡化的特例。
LeCun提出的解決方案是聯合嵌入預測架構（JEPA），這是一個模組化的認知架構，其核心是一個可預測的世界模型，可以預測行動的後果並規劃一系列行動來最佳化目標。他認為，與生成模型、概率模型、對比方法和強化學習不同，JEPA和基於能量的模型（EBM）更具靈活性和適用性，能更好地模擬現實世界的運作。
LeCun還認為，目標驅動的AI或自主智能是一個重要的發展方向。這種AI透過配置器模組實作任務的執行控制，預先配置感知、世界模型、成本和參與者，從而實作更復雜的功能。
7.MIT華人團隊用AI發現物理學新方程式，開創AI輔助物理研究新紀元
MIT的物理學家Max Tegmark和北大校友劉子鳴領導的團隊透過AI系統OptPDE，在物理學領域取得了突破性進展，首次發現了全新的可積偏微分方程式（PDE）。
研究團隊透過OptPDE系統，對5000個隨機初始化的PDE系數值進行運算後，發現了4個可積偏微分方程式，其中一個為已知，而其他三個則是全新的發現。這一成就展示了AI在輔助人類科學家進行復雜計算和模式辨識方面的巨大潛力。
OptPDE的設計分為兩個部份：計算任何PDE的守恒量（CQ）數量，並找出使CQ最大化的偏微分方程式。透過這種方法，AI不僅能夠發現新的可積系統，還能為物理學家提供新的研究模式，即人類提供領域知識，AI產生假設，人類進行解釋和驗證，形成一個完整的發現閉環。此外，這項研究還提出了一種新的AI與人類科學家協作的範式，即AI負責發現和最佳化偏微分方程式，而人類科學家則負責解釋和驗證這些發現。這種合作模式有望加速物理學中的新發現，並提高研究效率。
人工智能初創公司的新融資
1.李飛飛首次創業，成立「空間智能」公司，已完成種子輪
被譽為「AI教母」的史丹福大學教授李飛飛創立了一家專註於「空間智能」的AI公司，並已完成了種子輪融資，參投機構包括a16z和Radical Ventures。這家新公司的目標是讓人工智能能夠像人類一樣，對視覺資訊進行高級推理。
李飛飛在史丹佛獲得終身教職，曾任谷歌雲AI首席科學家，領導了谷歌雲AI、谷歌大腦以及中國本土團隊的工作。此次創業是她職業生涯中的一次全新嘗試。
李飛飛的團隊正在研究如何教會電腦在三維世界中行動，例如透過大語言模型使機器人手臂根據口頭指令執行任務。去年，她的團隊釋出的VoxPoser專案展示了如何讓人類給機器人下達指令，而機器人能透過視覺語言模型分析3D空間中的目標和障礙，幫助機器人做出行動規劃，這一成果在真實世界中已經得到套用。
李飛飛近期還參與了多項學術成果的發表，這些研究涉及電腦視覺、機器人、智能體等多個領域。她的史丹佛主頁顯示，她將從今年開始到2025年末處於「部份休假」狀態，這一時間與她在新公司的全職工作時間吻合。
2.推動自動駕駛汽車和機器人技術發展，Wayve完成由軟銀領投的10.5億美元C輪融資
官方網站：wayve.ai
領先的自動駕駛技術公司Wayve近日完成了由軟銀領投的10.5億美元C輪融資，參與融資的還有輝達和Microsoft。Wayve的早期投資者包括圖靈獎獲得者Yann LeCun，Wayve於2022年1月獲得Eclipse Ventures領投的2億美元B輪融資。
Wayve的技術核心在於其獨特的AI驅動演算法，這一演算法能夠使汽車和機器人在復雜的城市環境中安全導航。Wayve的自動駕駛系統能夠即時處理道路情況，響應突發事件，從而提供比傳統自動駕駛系統更高的安全性和可靠性。
Wayve計劃將其自動駕駛模型出售給多家汽車原始器材制造商 (OEM)。這能讓Wayve獲得更多的訓練數據來改進其模型。除了在自動駕駛汽車領域的努力，Wayve也在探索將其AI演算法套用於工業機器人和其他自動化器材上，以實作更廣泛的自動化套用。
Wayve CEO Alex Kendall博士畢業於劍橋大學，也是劍橋大學三一學院的Fellow。
3.Mistral AI 完成估值60億美元的融資，DST Global 投資
官方網站：mistral.ai
法國的大模型公司Mistral AI最近完成了一輪新的融資，金額接近6億美元，使公司估值達到了60億美元， DST Global是本輪的主要投資者。此次融資反映了市場對Mistral AI技術和商業模式的認可，也代表它繼續處於AI大模型廠商的第一梯隊，有相對充足的資源與OpenAI及Anthropic等廠商競爭。
Mistral AI此前推出了多個能力強大的開源大模型，例如Mixtral 8x7B，Mistral 8x22B，它們在保持較小尺寸和較低推理成本的同時展現了強大的能力。此外，它們也有閉源大模型Mistral Large和Mistral Small等，其中Mistral Large是直接與GPT-4競爭的模型。
Mistral AI的三位創始人Timothée Lacroix 、Guillaume Lample和Arthur Mensch既擁有大廠履歷和知名專案的成功經驗同時也是大學校友。Timothée和Guillaume曾在Meta的AI研究部門工作，並領導了Llama系列模型的開發，Arthur曾在DeepMind工作。
4.將推理效率提升60倍的邊緣AI處理器公司Blaize獲Mercedes-Benz, Temasek Holdings等聯合投資的1.06億美元D輪投資
官方網站：www.blaize.com
人工智能邊緣計算處理器與平台開發商Blaize獲Ava Investors, Bess Ventures, BurTech LP, Denso, Franklin Templeton, Mercedes-Benz Group AG, Rizvi Traverse Management, Temasek Holdings聯合投資的1.06億美元D輪投資。Blaize從2016年起相繼完成4輪融資，累計融資2.42億美元。
Blaize主要提供兩款產品，邊緣計算處理器與對應的無程式碼軟件開發平台。Blaize基於革命性的Blaize GSP架構，帶來一類新型高效、低功耗、低延遲的處理器，使以前無法實作的即時邊緣 AI 推理成為可能，據Blaize宣稱，這款處理器能夠加速邊緣AI套用，系統級效率比CPU/GPU高出60倍。
他們開發的解決方案能夠為汽車、移動、零售、安全、工業自動化和其他行業的計算提供邊緣AI處理解決方案，並且也在積極開發面向數據中心的AI處理解決方案。
Blaize的無程式碼軟件開發平台提供AI驅動的應用程式端到端數據操作 （DataOps）、開發操作 （DevOps） 和機器學習操作 （MLOps） 工具。Blaize開發的AI 軟件平台旨在部署到邊緣推理加速器、本地邊緣伺服器、系統和基於雲的應用程式的AI即服務 （AIaaS）。
Blaize的創始人兼CEO Dinakar Munagala在英特爾圖形事業部工作12年，聯合創始人Ke Yin與Dinakar同年進入英特爾，擔任芯片架構師。
5.CoreWeave完成11億美元融資，顯示AI雲端運算市場的快速增長
CoreWeave是AI雲端運算服務公司中獲得融資最多的公司之一，它近日從包括Coatue、Fidelity和Altimeter Capital在內的投資者那裏獲得11億美元的新融資，這次融資使得它的投後估值達到190億美元，也使CoreWeave 債務和股權的總融資額達到了50億美元。
像CoreWeave這類AI雲端運算公司，一個很重要的有利競爭是價格更便宜，更靈活，可用性更高。例如在CoreWeave 上租用一個Nvidia A100 40GB的GPU，每小時成本為2.39美元，相當於每月1200美元。在IT大廠的公有雲服務上則更貴，在Azure上，同樣的GPU每小時成本為3.40美元，或每月2482美元；在谷歌雲上是每小時3.67美元，或每月2682美元。
Forrester的首席分析師Lee Sustar認為，像CoreWeave這樣的AI專有雲服務供應商之所以能夠成功，部份原因是他們沒有現有供應商所要處理的基礎設施「包袱」。
「鑒於大型IT廠商在整個公共雲市場的主導地位，它們需要在各類基礎設施和幾乎不產生收入的服務範圍上進行巨大投資，像 CoreWeave 這樣的挑戰者有機會透過專註於高端 AI 服務而無需承擔超大規模營運商級別的整體投資來取得成功。」他說。
6.AI雲服務需求激增RunPod獲得Dell和Intel 2000萬美元種子輪投資
官方網站：www.runpod.io
RunPod，一家為人工智能計算提供布式 GPU 雲平台的初創公司，獲得 Dell Technologies Capital和Intel Capital投資的2000萬美元種子基金。
針對人工智能構建的專用雲服務的崛起。在AI時代，通用雲基礎設施的局限性變得越來越明顯，延遲、資源擴充套件的不靈活，沒有專用的匹配工具等問題正在阻礙人工智能套用的開發和部署。
新型的AI雲平台提供了最佳化的計算資源、增強的靈活性和可延伸性，以及以開發者為中心的環境。這些專門的平台旨在處理AI工作負載的獨特需求，從模型訓練的高計算需求到對快速擴充套件和高效資源分配的需求。
RunPod是AI雲平台中創新性較強的一家，它們使使用者能夠低成本的進行AI模型「開發」和推理，而且為了滿足AI時代的計算負載，它們放棄了傳統的 Kubernetes，重新構建了雲端運算的編排層，使得模型執行的速度更快，延遲更低。
RunPod表示，其使用者基數已增長至超過100000名開發者，之後它們也將在企業市場發力。
RunPod由Zhen Lu和Pardeep Singh聯合創立，他們之前是Comcast公司的資深工程師，Zhen Lu還曾是匹茲堡大學的助理教授。
本文由Alpha公社綜合自多個資訊源，並在ChatGPT的輔助下寫作，封面圖片由Hidream.ai的Pixeling（千象）生成。
關於Alpha公社
