游客发表
复旦才女,复旦才女小众赛道,估值亿明星客户。复旦才女
近日,估值亿Fireworks AI官宣完成B轮融资。复旦才女起初我并不觉得这次融资值得关注,估值亿与虎谋皮毕竟眼球已经被被AI动辄数亿美元的复旦才女融资轰炸习惯了,5200万的估值亿B轮融资让我实在提不起兴趣。但朋友圈不断地热议,复旦才女我被动接收到Fireworks AI不少碎片信息,估值亿稍微一研究发现,复旦才女确实有点意思。估值亿除了投资方堪称顶级外,复旦才女还有几个显著的估值亿标签:复旦才女,小众赛道,复旦才女明星客户。并且通过Fireworks AI这笔融资,也显示虽然国外大模型投融资依然如火如荼,英伟达也依然坚挺,但在头部格局已经基本确定的情况下,已经开始越来越延伸到下游,一些类似Fireworks AI的公司不断受到资本关注,竞争也愈发激烈起来。因此,当我们被海外大模型不断刷新纪录的巨额融资吸引时,不要忘了已经有一批类似Fireworks 的AI公司,在解决开源大模型和行业、充耳不闻垂直场景之间的鸿沟,并且在资本和商业上都获得了不小的认可。李彦宏说“没有应用大模型一文不值”,朱啸虎说“大模型商业模式差,明年应用层将爆发”,都是一个道理。与国内市场一样,对于大模型及上下游行业未来前景,也存在不小的非共识。红杉资本认为目前已经到了模型到应用的转折点,其合伙人David Cahn去年就发表了对英伟达估值的不满,大意是GPU产能过剩,热切相比于英伟达卖GPU的收入,这些GPU创造的价值还远远不够。有趣的是,同样在AI上砸了大钱的A16z,狠狠驳斥了红杉合伙人,称红杉低估了AI的革命性影响。不管怎么说,有非共识就有超额收益的机会。这不,红杉合伙人去年9月发表那番言论后到现在,半年多时间英伟达股价火急火燎地涨了3倍多。对英伟达股价的非共识,我的同事蒲凡已经撰写了稿件,感兴趣可以持续关注,非同小可先来看看Fireworks AI的融资情况。成立一年半,估值达5.52亿美元不同于明星公司,动辄一年融好几轮,甚至一两个月一轮的融资节奏,在资本引入和融资金额上,Fireworks AI节奏不快。包括本次融资在内,Fireworks AI仅完成了两次融资,且金额算不上大,分别为2500万美元和5200万美元。同时,这两轮融资的间隔时间也比较久,第一轮融资还是在2022年刚成立时完成的。虽然两次融资规模放在AI大盘子中只是九牛一毛,但出资方却都大有来头。A轮融资由Benchmark领投,红杉资本、Databricks Ventures 、Snowflake前首席执行官Frank Slootman、Scale AI首席执行官 Alexandr Wang 、 LinkedIn、Confluence的高管 、Meta 和 OnePassword 等也参与其中。A轮融资后,Benchmark的乐在其中合伙人Eric Vishria加入了Firework AI的董事会。再看刚完成的这次融资,除了领投方老股东外,其他投资方分别是NVIDIA、AMD和MongoDB Ventures。不同于A轮中有多家风险投资机构和个人的注资,这次的资方更多的来自产业,甚至更直白一点,来自Fireworks AI的合作伙伴。有点国内产业投资的意思了。据了解,自两年前推出以来,Fireworks AI与AI堆栈中的多个提供商达成了协议。其中包括与 Nvidia、AMD、AWS、Google Cloud Platform和Oracle Cloud合作优化模型基础设施。近期,该公司还与跨平台NoSQL数据库MongoDB合作创建了交互式检索增强生成或 RAG 产品,该产品旨在将权威的实时数据引入大型语言模型,以提高准确性并减少错误。综上,新一轮融资使Fireworks AI筹集的总资金达到7700万美元,估值达到5.52亿美元(约合40亿人民币)。另外Fireworks AI表示,未来将这笔投资用于推动行业向复合AI系统转变,扩大团队,天高地厚增强平台,使开发人员能够快速将AI应用程序从原型转移到生产。值得一提的是,虽然这个创业方向比较小众,但Fireworks AI并不是孤例。比如开源的AI框架Caffe的作者贾扬清创业成立的Lepton AI,也是让开发人员可以用很低的成本部署大模型的应用和开发,跟Fireworks AI同属于一个赛道。在国内,像是阿里和百度这样的大厂也有相关的业务,另外由袁进辉创办的硅基流动也是这个赛道的布局者,该公司近期也完成近亿元天使+轮融资,投资方包括清华系基金、360、智谱AI等。直指大模型应用的刚性需求随着大模型越来越多地走入行业和细分场景,通用AGI的一些弊端也开始显现,最普遍的障碍点就是太重、太慢、太昂贵,无法最好地满足生产工作负载。举例来讲,在电商客服领域,B端厂商无法直接把底层大模型拿来用,它需要进行一系列的微调和性能优化,这里的年高望重“微调”是指,给大模型输入大量的客服相关的数据,进行训练和推理,性能优化则更着重在准确性和响应速度上。如果是有预算有研发团队的大厂,有能力自己做这种微调和性能优化,同时也将投入大量的成本,换做是各种资源都有限的小团队,独立完成更有难度。与此同时,企业在进入生产阶段时需要平衡一系列需求:他们渴望闭源模型提供商的便捷性;开源模型提供的延迟、成本、质量和安全性。因此更多企业也越来越多地转向复合人工智能系统,这种系统结合了多个模型调用、检索器或外部工具,与依赖单一模型相比,可以提供更好的性能、可靠性和控制。当更多开源替代方案变得可行,横在开源大模型和行业、垂直场景之间鸿沟也开始显现,而这是需要开发者来完成,Fireworks AI就是打造了一个面向开发者的中间平台。它并不是从头开始训练基础模型,而是帮助微调其他模型以满足企业的特定需求。“它可以是吉祥如意现成的开源模型,也可以是我们调整的模型,也可以是客户可以自行调整的模型。这三种类型都可以通过我们的推理引擎 API 提供服务。”复旦才女、PyTorch之母的新作为何在这些初创公司中,红杉选择了持续押注Fireworks AI ?这还是回到了早期投资中关于人,关于团队的老生常谈的话题上。首先,Fireworks AI于2022年底在加州创立,其联合创始人兼CEO林乔(Lin Qiao)有着丰富的技术背景和深厚的工程管理经验。她拥有加利福尼亚大学圣巴巴拉分校(UCSB)的计算机科学博士学位,本科毕业于复旦大学。创办Fireworks AI前,她在Meta担任高级工程总监,团队由300多名世界级工程师组成。期间林乔负责开发和部署Caffe2和PyTorch等AI框架和平台,支持了Meta数据中心、数十亿移动设备和数百万 AR/VR 设备的广泛应用。更早之前,林乔还曾在LinkedIn担任技术主管和经理,负责构建下一代数据生命周期管理平台,此外,她在IBM多年的研究工作中也参与了IBM Smart Analytics Optimizer和Shark等项目的开发。从林乔的早期工作经历中,我们可以看到很多A轮投资方的身影,这足以见得,触景伤情林乔技术能力颇受前老板们的认可。其次,Fireworks AI 的创始团队还包括 Dmytro Dzhulgakov、Dmytro Ivchenko、James Reed、赵晨宇、Pawel Garbacki、Benny Chen 在内的多位联创人员,他们分别在技术和工程方面有着深厚的背景和经验。另外,Fireworks AI是一个短小精悍的团队,截止本次融资前,公司只有27人。除了团队的光鲜背景外,再回到Fireworks AI本身要做的事情上。Fireworks AI是一个专为开发人员打造的生产型AI平台,他们聚焦在性能优化、提升开发者体验以及大规模运行AI应用上。而在这个赛道是十分看中创业团队的技术经验的,因为不是每个开发者都能清楚地知道调整哪个参数才能得到最优解,如果没有在足够的经验,那将大大增加试错成本,这种成本既有时间上的,也有资金上的。当然,再好的长久之计创业团队背景也要做出真东西,才能得到市场认可。看起来,Fireworks AI实在是个年轻的公司,但其产品上却十足丰富。目前,提供超过100多种文本、图像、音频和多模态大模型,这些模型在延迟、吞吐量和成本等方面,都进行了大幅度优化。与传统方法相比,Fireworks AI将推理时间减少了12倍,与GPT-4相比减少了40倍,每天处理1400亿tokens数据,API的正常运行时间达到了99.99%。其最新产品Firefunction-v2是与GPT-4o相当的函数调用模型,效率提升2.5 倍,成本仅是其10%。此外,Fireworks AI可提供较小的生产级模型,他们将模型大小限制在 70 亿到 130 亿个参数之间,从而降低了成本,而 ChatGPT4 中的参数超过 1 万亿个。这使得开发人员能够专注于更小、更集中的星月交辉数据集,这些数据集旨在处理更有限的业务用例,从而避免了大型专有模型的非私密性和难以量身定制定制等问题。Fireworks 签约的客户也堪称大牌。经过激烈竞争,企业(Uber、DoorDash、Upwork、Quora)和 AI 原生初创公司(Cursor、Superhuman、Sourcegraph Cody、Cresta)都选择围绕 Fireworks 构建堆栈。与Meta、英伟达、AMD、亚马逊、谷歌云等科技巨头也一直保持合作关系。
随机阅读
热门排行
友情链接