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资讯周报。阿尔法公社希望发现和投资非凡创业者（AlphaFounders），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。

本周，我们观察到以下AI领域的新动向和新趋势：

1.亚马逊云和百度智能云均推出各自的AI托管平台，其中在Amazon Bedrock平台可以使用SDXL 1.0、Cohere的Command和Anthropic的Claude 2等模型，在百度智能云千帆大模型平台可以使用和微调包括Llama 2在内的33个大模型。

2.基于注意力机制的模型大革新，上海人工智能实验室和Open NLP Lab的研究团队提出了新型大语言模型TransNormerLLM。这个模型完全抛弃了基于Softmax的注意力机制，转而使用新提出的线性注意力。试验结果表明新方法的拥有更快的训练和推理速度。

3.基于AI大模型的应用继续蓬勃发展，不仅有谷歌的首个全科医疗大模型，GitHub Copilot的大升级，在创业公司方面也有医疗，生物，客户营销等领域的新进展。

如果您对人工智能的新浪潮有兴趣，有见解，有创业意愿，欢迎扫码添加阿尔法小助理，备注您的姓名+职位，与我们深度连接。

人工智能产品和技术的新突破

1.亚马逊的AIAgents学会自动退换货了！英伟达H100加持，给LLM插入最强外接大脑

亚马逊云科技在生成式AI领域有新进展。它们推出了Amazon Bedrock平台，商用AI Agents等，这些Agents能够加速应用开发。此外，在它的平台上客户可以访问一系列新的基础模型，例如SDXL 1.0、Cohere的Command和Anthropic的Claude 2等。

基于Amazon Bedrock Agents，开发者可以轻松创建各种生成式AI应用，来完成复杂任务，并根据专有知识源提供最新答案。这些Agents能够自动分解任务，创建计划，从而大大提高了开发效率，例如，它学会了自动退换货。

此外，亚马逊云科技全新推出了搭载英伟达最强GPU——H100的Amazon Elastic Compute Cloud（EC2）P5实例。相较于上一代，Amazon EC2 P5 实例不仅可以将训练时间缩短高达6倍（从几天缩短到几小时），而且还能使训练成本降低高达40%。

2.接入Llama 2等33个大模型，上线Prompt模板，百度智能云千帆大模型平台升级

百度智能云的千帆大模型平台的最新升级。千帆大模型平台以百度自研的文心大模型为核心，支持包括ChatGLM2、RWKV、MPT、Dolly、OpenLlama、Falcon等第三方大模型，最近还接入了Meta开源的Llama 2系列模型。

千帆平台是一个从数据管理、训练调优到大模型发布的一站式工具链平台，最近还新增了预置Prompt模板，使得构建基于Llama 2等大模型的应用变得非常简单、高效。千帆平台的目标是帮助企业在将大模型引入业务的时候不用再到处找工具，在一个平台上就可以把所有问题都解决掉，从而加快大模型在产业界的落地速度。

3.谷歌打造「终结者」！ChatGPT版最强机器人AGI

Google DeepMind推出视觉-语言-动作模型（VLA），这个模型已经接入到机器人Robotic Transformer 2 (RT-2)中，使其能够从网络和机器人的数据中学习，并将这些知识自主转化为有效的指令。

RT-2显示出了惊人的学习能力和理解能力，它能够自己解释全新的命令，通过执行基本推理来响应用户的要求。甚至在与思想链推理结合的情况下，RT-2能够执行多阶段的语义推理。

在一系列的实验中，RT-2的泛化性能提高了3倍以上，它是在大型视觉数据集上进行预训练的。

4.谷歌发布首个全科医疗大模型，14项任务SOTA

谷歌Research和DeepMind共同打造的全球首个全科医疗大模型Med-PaLM M。这个模型具备临床语言、影像和基因组学的理解能力。在14项测试任务中，Med-PaLM M的表现均接近或超过了现有的最优结果（SOTA），而且所有任务都使用了一组相同的模型权重。

在246份真实胸部X光片的测试中，有40.50%的病例中，临床医生更倾向于接受Med-PaLM M生成的报告，而非专业放射科医生的报告。

Med-PaLM M的基本架构是PaLM-E（多模态语言模型），并采用ViT预训练模型作为视觉编码器。它的性能优于基于softmax注意力的方法并且还有更快的训练和推理速度。

虽然Med-PaLM M被认为是通用医学人工智能史上的一个里程碑，但谷歌也指出目前还有不少局限性待解决，比如缺乏高质量的测试基准。谷歌表示，这是迄今为止通用生物医学人工智能发展的关键瓶颈，因为只有高质量的基准才能在很大程度上促进相关领域的发展。

5.AI神器GitHub Copilot大升级，百万开发者动嘴编码5年内成真

GitHub Copilot的最新升级，新的Copilot模型由OpenAI、Azure AI和GitHub合作开发，与之前的模型相比，延迟时间缩短了13%，同时，新模型还具有更复杂的上下文过滤功能，能更广泛地考虑开发人员的上下文和使用模式，从而更智能地过滤提示和代码建议。

GitHub还在Copilot中内嵌了一个基于GPT-4的聊天窗口，专注于开发者场景，并集成在VS Code和Visual Studio上。Copilot不仅可以识别开发者输入的代码内容，还可以对代码块的用途进行深入分析和解释，生成单元测试，甚至还可以给出debug的建议。

此外，GitHub还正在试验GitHub Copilot Voice新功能，通过Copilot Voice，开发者可以用语音完成代码跳转、控制IDE、代码总结等任务，甚至可以通过语音来编写代码。

GitHub Copilot预计在五年内将使80%的代码自动生成，使百万开发者的编码速度提升55%。

6.免费、可商用，阿里云开源70亿参数通义千问大模型

阿里云在AI模型社区魔搭ModelScope上开源了两款70亿参数通用模型（Qwen-7B）和对话模型（Qwen-7B-Chat）。这两款通义千问模型都是开源、免费、可商用的。

Qwen-7B是基于Transformer的大语言模型，支持中、英等多种语言，在超过2万亿token数据集上训练，上下文窗口长度达到8k。Qwen-7B-Chat是基于Qwen-7B基座模型的中英文对话模型，已实现与人类认知对齐。

这两款模型的开源降低了研究者和创业者使用大模型的门槛，阿里云成为国内首个加入大模型开源行列的大型科技企业。在多个权威测评中，通义千问7B模型取得了远超国内外同等尺寸模型的效果，成为当下业界最强的中英文7B开源模型。

7.突破自监督学习效率极限！马毅、LeCun联合发布EMP-SSL

香港大学计算系主任马毅教授和图灵奖得主Yann LeCun的团队发布了一种新的自监督学习方法：Extreme-Multi-Patch Self-Supervised-Learning（EMP-SSL）。

这种方法实现了超高的自监督学习效率，训练1个epoch（指一个单次模型训练过程）即可实现不错的分类性能。

EMP-SSL的关键在于增加每个图像实例中的图像块数量。该方法不依赖于自监督学习中常见的启发式技术，如分支之间的权重共享，特征归一化、输出量化和停止梯度等，并将训练时间减少了两个数量级。

实验结果表明，只需一个训练epoch，EMP-SSL方法就能够在CIFAR-10数据集上收敛到85.1%的准确率，在CIFAR-100数据集上收敛到58.5%，在Tiny ImageNet上收敛到38.1%，在ImageNet-100上收敛到58.5%。此外，研究结果还表明，相比其他基线方法，EMP-SSL展现出相当好的训练数据领域外（out-of-domain）的迁移性能。

8.DeepMind首提统一智能体大模型做推理，赋能终身学习

Google DeepMind推出新研究——统一智能体。这种智能体基于基础模型，使用语言作为核心推理工具，能够解决一系列基本的强化学习（RL）挑战，如高效探索、重复使用经验数据、从观察中学习等。

DeepMind设计了一个框架，将语言置于RL智能体的核心，特别是在从头学习的背景下。这个框架利用了大语言模型（LLM）和视觉语言模型（VLM），可以解决RL环境中的一系列基本问题。

实验结果显示，这个框架在探索效率、重用数据等能力方面得到了很大提升。智能体可以直接利用LLM和VLM的先验知识，生成一个具有语义意义的探索课程。此外，这个框架还可以释放机器人智能体的终身学习能力：连续学习的任务越多，学习下一个任务的速度就越快。

9.MIT哈佛等32人研究天团揭露RLHF最大弱点，囊括250+论文成果

RLHF通过人类反馈来指导智能体的学习和性能提升。来自MIT哈佛等多个机构共32位研究人员，联合调研了超过250篇论文，全面分析了RLHF在大语言模型中的挑战。

这些挑战主要集中在三个方面：人类反馈、奖励模型和策略优化。在人类反馈方面，论文指出，人类反馈的质量和数量对模型的性能有直接影响，获取高质量的反馈并不容易。在奖励模型方面，论文强调了奖励模型的设计对模型性能的影响，以及如何通过奖励模型来引导模型的行为。在策略优化方面，文章讨论了如何通过策略来优化模型的性能，还提到策略往往容易遭到对抗性的利用。

此外，论文还探讨了改进影响使用RLHF训练模型的行业规范和法规的挑战。论文指出，尽管RLHF为模型提供了新的能力，但它仍然面临许多旧问题，如泄露隐私数据、模型偏见和幻觉等。

10.放弃Softmax，首个线性注意力Transformer大模型：1750亿参数，速度、精度更优

上海人工智能实验室和Open NLP Lab的研究团队提出了新型大语言模型TransNormerLLM。这个模型完全抛弃了基于Softmax的注意力机制，转而使用新提出的线性注意力。TransNormerLLM是首个基于线性注意力的大型语言模型，其准确度和效率都优于传统的基于Softmax注意力的模型。

TransNormerLLM基于线性注意力架构TransNormer构建，同时也做了一些修改以提升性能。这些改进包括位置嵌入、线性注意力加速、门控机制、张量归一化和推理加速。研究者还引入了带指数衰减的LRPE来解决dilution问题（因为低质量数据引起的性能下降），以及引入了全新的闪电注意力技术，可以将线性注意力在训练时的速度提升两倍，并且其还能通过感知IO将内存用量减少4倍。

他们基于新的大型语料库（2万亿Token）进行了全面实验和控制变量研究，结果表明新方法的性能优于基于softmax注意力的方法并且还有更快的训练和推理速度。

人工智能初创公司的新融资

1.生成式AI驱动的医疗保健公司Hippocratic AI获得6500万美元种子轮融资

官方网站：hippocraticai.com/

生成式AI驱动的医疗保健公司Hippocratic AI近日获得1500万美元新融资，继它在今年5月获得General Catalyst和a16z共同领投的5000万美元种子轮融资后，其种子轮融资累计达到6500万美元。这次额外的资金筹集是通过Hippocratic AI最新成立的创始合作伙伴计划实现的，这个新项目聚集了加拿大和美国领先健康系统和数字健康公司。

Hippocratic AI旨在开发最安全的通用医疗人工智能，该公司正在为医疗保健行业设计第一款以安全为首要目标的大语言模型，初期重点放在非诊断性且面向患者的应用上。

为了构建更安全的大型语言模型，Hippocratic AI 运用了多元化的策略来创建其产品，包括：在所有主要临床考试中表现优于GPT-4和其它经过测试的LLM（在114项测试和认证中，其模型有105项优于GPT-4。），进行医疗特定词汇微调，根据人类反馈进行强化学习（RLHF），并与行业专家密切合作以验证模型安全可靠。

Hippocratic AI创立于2022年，其联合创始人Munjal Shah是一位连续创业者，他在2013年创立的Health IQ主打医疗科技保险，其业务规模已超过100亿美元。Hippocratic AI的其他成员来自约翰霍普金斯医院、圣路易斯华盛顿大学、宾夕法尼亚大学、斯坦福大学、谷歌和NVIDIA等学界和工业界顶级人才。

2.人工智能驱动的生物科技公司Engine Biosciences获1800万美元A+轮融资

官方网站：enginebio.com/

位于新加坡和硅谷的生物科技公司Engine Biosciences近日获得Polaris Partners和EDBI投资的1800万美元A+轮融资。

Engine Biosciences采用先进的基因编辑、数据科学和机器学习方法，更高效的研发癌症和神经退行性疾病的治疗方法。Engine专有的NetMAPPR平台和CombiGEM高通量生物学实验技术，结合药物研发团队和人工智能加速治疗方法和药物。

借助领域专家多年来构建的知识和技术，Engine Biosciences能够识别导致疾病的基因编码错误，并采取有效的药物纠正方案。

Engine Biosciences的联合创始人兼首席执行官Jeffrey Lu拥有15年的商业和创业经验，曾在多家公司担任创始人和领导角色，包括开发抗体治疗纤维化疾病的Enleofen Bio、癌症免疫治疗公司PairX Bio等。

3.Protect AI完成由Evolution Equity领投的3500万美元A轮融资

官方网站：https://protectai.com/

近日，人工智能网络安全公司Protect AI获得由Evolution Equity领投的3500万美元A轮融资，Salesforce Ventures和现有投资者Acrew Capital、boldstart ventures、Knollwood Capital参投。

Protect AI专注于人工智能和机器学习系统安全。它的第一个产品NB Defense是一款在Jupyter Notebook（一种在线编程工具）中直接扫描安全漏洞的工具，帮助数据科学家从机器学习解决方案的实验阶段就考虑系统安全性。

Protect AI的旗舰产品AI Radar是行业内第一个MLSecOps（ML + Security + Operations)平台，它通过评估机器学习供应链的安全性，迅速识别和减轻风险，使用户组织能够以更高的安全性部署人工智能，从而避免个人信息泄漏、数据篡改、模型污染等风险。

Protect AI成立于2022年，由Ian Swanson（CEO）、Daryan Dehghanpisheh和Badar Ahmed联合创立。Ian Swanson是一位连续创业者，Protect AI是他创办的第三家公司，他曾担任AWS全球人工智能和机器学习负责人，在人工智能/机器学习和安全领域拥有丰富的经验。

4.AI教育学习平台Quench.ai完成500万美元Pre-Seed轮融资

官方网站：https://qunech.ai/

AI驱动教育学习平台Quench.ai获500万美元Pre-Seed轮融资，投资者包括FirstMinute Capital、Tuesday VC、BY Venture Partners、Plug and Play Ventures、Notion Capital、Antler以及超过50位个人天使投资人。

虽然基于视频的学习变得越来越流行，但专业学习者们很多时候并不能找到最适合自己的学习资料。Quench.ai利用AI帮助专业人士根据个人需求和目标寻找最有价值的培训材料；同时开发了一款AI驱动的学习教练，为用户推荐合适的视频来学习新技能，它拥有广泛的索引教育视频库（来自公共和许可的课程内容），并且还允许公司索引其内部视频资源，使知识具有可操作性。

Quench.ai由Husayn Kassai于2021年创立。Kassai在牛津大学获得了经济管理学位，同时也是AI识别独角兽公司Onfido的联创和前任CEO。

5.帮助客户增加LTV的Stay Ai官宣1510万美元A轮融资

官方网站：https://stay.ai/

Stay Ai近日官宣其1510万美元A轮融资，由Telescope Partners和Watchfire Ventures领投，RiverPark Ventures、Vanterra Capital以及天使投资人Nik Sharma和Adam Turner参投。

Stay Ai旨在帮助Shopify品牌加强其订阅计划并增加客户公司用户的生命周期价值（LTV）。Stay Ai的核心产品是一个面向订阅和会员的定期商务增值平台，该平台配备了一系列用户忠诚度工具，包括聊天机器人、调查功能和奖励计划等。目前，该平台已与Shopify生态系统完全集成，使其可供广泛的商家使用。

Stay Ai最新的人工智能驱动RetentionEngine工具使商家能够轻易构建用户动态取消流程，从而捕捉和了解用户取消付款的原因，并采取必要措施防止顾客流失。Stay Ai目前已被大约300家Shopify商家使用，包括Vita Coco、Olipop和Momofuku。

Stay Ai由连续电商创业者Gina Perrelli、Pierson Krass和Taylor Cawiezell创立。在成立Stay Ai之前，Perrelli和Krass联合创办了三个商务增值工具，其中的数据平台KnoCommerce于2022年出售给了WeCommerce。

6.AIOps平台提供商Akooda完成1100万美元种子轮融资

官方网站：akooda.co/

AIOps平台提供商Akooda近日完成NFX、Atlassian Ventures、Village Global、Founder Collective投资的1100万美元种子轮融资。

据麦肯锡披露，员工每周近 20% 的工作时间被浪费在搜索内部信息或寻求同事合作上。同时，企业发展中也面临较多信息系统脱节与员工远程工作带来的数据集成和访问的问题，进而导致效率低下和机会错失。

Akooda提供以上问题的人工智能驱动的解决方案。它利用先进的自然语言处理、机器学习和统计建模技术来准确识别组织生态系统内的相关数据，并进行无缝定位、访问和分析公司的内部信息。其引擎能分解公司已经使用的工具中的工作单元，并允许所有业务部门每个人了解项目的状态，确定哪些 KPI 可以带来利润，并专注于下一步行动的快速决策。

一家全球健康科技公司通过Akooda提供的信息交互服务解决了软件工具与销售员工的信息脱节问题，让前六周的交易完成率提升了60%其产品已被包括财富 500 强公司在内的世界领先数字组织所使用。公司预计利用本次融资资金进一步开发其产品套件并扩大其客户群。

Akooda由Yuval Gonczarowski于2023年创立。Gonczarowski是哈佛商学院MBA，同时也是MIT Media Lab的成员；他在苹果、英特尔做过工程师，也有麦肯锡咨询经历；在创立Akooda前，他是Tomorrow.io的CTO。

7.Candle完成Genesis Vault Capital领投的Pre-Seed轮融资

官方网站：projectcandle.ai/

AI驱动的职发工具提供商Candle近日获得Genesis Vault Capital领投的Pre-Seed轮融资。

当前的数字就业市场高度手动、重复、不协调和脱节的特征明显，催生了求职信息碎片化、学习脱节和重复体力劳动等问题。Candle作为AI驱动的个人机会管理平台，希望打破限制学习和收入的孤岛，形成职业指导、技能发展和就业机会有机融合的良性循环，并由旨在支持和增强用户能力的AI协助。

Candle的对话式AI助手提供统一的界面，将求职、技能获取和职业发展互连。该助手不仅为用户匹配职位空缺，还能识别潜在的学习机会和行业趋势，为个人提供持续的竞争优势。

Candle由Ciaran Foley创立。Foley是成功的连续创业者。于1994年创立了最早的全球性网络/应用程序开发公司XIT。近二十年来担任了多家互联网和软件技术企业的创始人、CEO、COO、董事会成员。他被两次提名为安永会计师事务所奥兰治县年度企业家奖，并获得美国银行计算机科学奖。

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。

更多精彩内容

关于阿尔法公社