2月27日,AI初创公司Deepnight宣布获得550万美元融资。这家由两位前谷歌软件工程师创立的公司,是首个也是唯一一家将AI软件用于军用夜视的公司。
Deepnight的创新点在于:用低光摄像机+AI图像处理算法,实现了优于L3Harris等行业现有企业创建的军用夜视系统的低光成像性能,还极大压缩了设备成本。
左侧为普通相机夜间成像,右侧为公司AI模型处理效果 | 图片来源:Deepnight
用AI算法驱动的数字摄像头,取代模拟夜视技术
Deepnight的联合创始人Lucas Young和Thomas Li是童年好友,后来两人又同在谷歌担任软件工程师。
Lucas拥有加州理工计算摄影学位,他花了五年时间研究智能手机相机软件。他曾编写的代码弥补了手机中50美元廉价摄像头的小光圈缺陷。Thomas则专攻AI技术,尤其是计算机视觉领域。
某天,Lucas偶然看到了一篇2018年的科学论文——《Learning to See in the Dark》(学会在黑暗中看东西)。该论文讨论了使用AI进行低光成像,这给Lucas带来了启发,但由于当时设备端的AI芯片速度还不足以支持实时观看所需的90帧/秒(fps),只得作罢。
真正的转折点发生在2024年,彼时运行在片上系统 (SoC) 上的AI加速器已经可以支持90 fps。Lucas决定采取行动,他说服朋友Thomas辞去工作,共同创办了Deepnight。并且很快,他们就加入了硅谷顶级创业加速器Y Combinator(YC)。
Deepnight的目的是要解决数字夜视技术难题,这是军事技术中的一个长期挑战。
目前大多数夜视技术仍采用模拟系统。Lucas透露,“夜视镜通过光学透镜和化学工艺将夜间微弱光线转换为图像。”这类设备从L3Harris和Elbit America等军事承包商采购,单价高达1.3万至3万美元。
因此多年来,美国陆军一直在尝试将这项技术数字化,一个典型案例是高达220亿美元预算的“集成视觉增强系统(IVAS)”项目,该项目近期刚从微软转交给美国国防技术公司Anduril。
成立一年拿下军方客户,签订460万美元订单
对Deepnight而言,军方是一个重要的目标客户。为了建立联系,Lucas选择参加有美国陆军夜视实验室人员出席的行业活动,并在现场分发白皮书,书里阐述了“夜视是一个软件问题”。
一位陆军上校对此很感兴趣。Lucas回忆,“那只是一次走廊谈话,我甚至没穿正装,只穿了件T恤。”而正是这次的交集,促成了日后他们与陆军C5ISR中心的正式接触。
为了证实概念可行性,他们开发了一款夜视手机应用,并做了一个简陋的演示设备,这为他们赢下了首笔订单。
“2024年2月,加入YC一个月后,陆军基于我们演示的概念验证和白皮书,与我们签订了10万美元的合同,”Lucas表示。
后来,他们两人又飞往华盛顿特区,向更多人展示了他们的软件如何运作以及最先进的护目镜的效果,这次促成了更多交易。
演示技术的YouTube视频截图
如今,这家成立一年的初创公司已经签订了约460万美元的订单,包括联邦政府(包括美国陆军和空军)以及美国夜视技术公司Sionyx和国际斯坦福研究所等机构。
同时,Deepnight也迅速吸引了投资者。在YC项目结束时,他们获得了由Initialized Capital领投的550万美元融资,Y Combinator也是参投方。更有趣的是,撰写了启发该公司论文的知名科学家Vladlen Koltun也成为其天使投资人,Koltun目前就职于苹果公司。
Deepnight提供软件解决方案,与硬件制造商(如护目镜制造商或军用头盔等其他产品)合作。“它只是一个软件程序,任何带摄像头的设备都能获得夜视能力,无论是汽车、安防系统、无人机、船舶电子设备还是导航摄像头。”Lucas表示。
他进一步强调,现在我们可以在黑暗中看到世界上的一切,而且这一切都依赖于现成的50美元智能手机摄像头,不需要昂贵的定制硬件。
如Initialized Capital合伙人Kim-Mai Cutler所言:“Deepnight团队利用AI取得的成果对夜视技术具有革命性意义,将对改善低光环境下的安全性产生广泛影响,无论是国防、农业还是环境研究领域。我们很高兴Deepnight使数字夜视设备更加实惠和普及。
Deepnight的崛起标志着AI在夜视技术领域的深度融合,也让人们感受到AI算法正在重新定义物理世界的感知方式。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。