人工智能芯片初创公司 SambaNova Systems Inc. 今天宣布,他们开发了一个新的 AI 驱动的"深度研究"框架,能够以比现有研究系统快三倍的速度生成深度报告,且成本大幅降低。
该公司在博客文章中表示,已与 AI 代理开发商 CrewAI Inc. 合作创建这个新框架,使企业能够开发深度研究代理,以完全安全的方式分析其最私密的数据。
这些研究代理不依赖于 Nvidia Corp. 的图形处理器,而是使用 SambaNova 的替代性 AI 加速器,据称能提供更强大的性能并且成本更低。
获得超过 10 亿美元风险投资支持的 SambaNova 是 Nvidia 的竞争对手,专门开发适用于 AI 模型训练和推理的高性能计算芯片。这些芯片可通过云端访问,或通过公司提供的设备在本地部署。
企业可以选择在 SambaNova Cloud 上运行深度研究,据称速度是 GPU 驱动代理的三倍。如果企业本地拥有 SambaNova 强大的 SN40L 处理器,也可以完全在内部运行。这些代理使用开源大语言模型构建,如 Meta Platforms Inc. 的 Llama 3.3 70B 或 DeepSeek Ltd 的 R1,这进一步帮助降低成本。
SambaNova 解释说,现有的基于 AI 的深度研究解决方案成本极高,因为它们需要比传统聊天应用多 10 倍甚至 100 倍的 token。此外,公司表示这些工具的速度并不总是如其创建者所声称的那样快。
AI 代理路由
SambaNova 深度研究框架的一个关键要素是其"代理路由器",它能够规划并将请求路由到最合适的代理,以获得最高准确度的结果。该框架默认配备三个代理 - 通用搜索代理、深度研究代理和财务分析师,但企业可以自由添加自己的 AI 代理,并将其连接到自己的私有数据源。
该公司举例说明,如果金融交易员想要生成最新市场趋势报告。首先,交易员可能输入"总结关于 Amazon 的最新市场新闻"这样的查询。这将首先发送给通用代理,该代理将使用大约三次搜索查询来找到所有最新新闻,消耗约 1,000 个 token。
一旦交易员获得基本信息,他们可能想深入挖掘并要求"生成 Amazon 的财务分析"。在这种情况下,查询将被路由到财务分析师代理,进行更深入的研究。它提供更多细节,可能使用约 15 个提示来挖掘所需的所有信息,使用的 token 数量增加约 20 倍。
基于这个更深入的分析,交易员可能想要生成一份更全面的报告,总结并引用来自各种文章的发现。这时,深度研究代理就会介入,从数百个来源编译信息以生成最终报告,然后清理并提交给交易员。这可能需要多达 50,000 个 token。
公司强调,这些步骤都将"快如闪电",在几秒钟内完成,而不是类似 AI 研究系统可能需要的几分钟。此外,由于用户始终参与其中,他们可以确保不会在不准确的报告上浪费 token。
开源模型降低成本
由于研究过程使用如此多的 token,成本是用户的主要关注点。这解释了为什么 SambaNova 只依赖开源大语言模型,该公司指出这比专有替代方案更经济实惠。
公司表示,其提供的成本节省可以快速累积。以拥有 200 名员工的公司为例,每人每天执行 20 次深度研究查询,平均每次使用约 20,000 个 token,这将每天总计 8,000 万个 token。SambaNova 表示,在一年的时间里,这样的公司通过在 SambaNova 上使用 Llama 3.3,而不是运行 OpenAI 的 GPT-4,每年可以节省超过 100 万美元。
企业可以在此处试用 SambaNova 深度研究框架的演示,而希望将其与自己数据集成的企业可以通过克隆 GitHub 存储库开始使用。
好文章,需要你的鼓励
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。