计算机视觉初创公司Matrice.ai Inc.今日宣布完成种子轮融资的战略扩张,这是对其5月份首次披露的原始投资的补充。
公司未透露具体融资规模,但云基础设施提供商Voltage Park Inc.被确认为领投方,Ax3.ai、Plug and Play Ventures以及多位天使投资人参与了本轮融资。
该公司开发了一个备受欢迎且快速增长的无代码平台,用于创建能够感知其运行环境的人工智能模型。该平台旨在简化计算机视觉模型的开发过程,其无代码方法使模型的构建和部署速度比传统方法快40%。该初创公司还表示,由于消除了编码的繁重工作,可以将开发成本降低多达80%。
Matrice.ai无代码方法的主要优势之一是任何人都可以使用其平台,无论其编程背景如何。它提供了一个用户界面,允许用户概述他们对计算机视觉模型的想法,然后自动创建相关代码并开始训练。
该初创公司还强调其以数据为中心的计算机视觉模型设计方法,并提供工具来自动化数据集标记过程,使其能够用于训练特定应用的视觉模型。这一点很重要,因为提供的数据越多,创建的模型质量就越好。一旦模型训练达到用户满意度,Matrice.ai将在用户选择的云端、本地或边缘环境中部署它。
计算机视觉是自动化的强大工具,赋予机器解释和理解视觉数据的能力。通过快速实时处理大量视觉信息,它可以提高从工厂机器到传感器和无人机等各种设备的准确性和效率。
例如,在制造业中,计算机视觉使得高速检查成品或组件成为可能,自动识别任何可能难以看到或人眼无法察觉的缺陷。在医疗保健等领域也极其有用,它可以比医生更快地分析医学扫描并协助诊断。在零售业,它可以让购物者在店内虚拟试穿新牛仔裤或连衣裙。在汽车领域,它可以帮助自动驾驶车辆通过快速扫描周围环境来避开障碍物。
Matrice.ai表示其Vision Factory平台已经获得了大量粉丝,并声称正在为远至菲律宾和中东地区的企业"数百台实时摄像头"提供支持。许多客户来自能源和零售行业,还有一些来自公共部门。该公司补充说,其模型支持油田、零售楼层、智慧城市、体育场馆等应用。
Matrice.ai联合创始人兼首席执行官Amar Krishna表示,Voltage Park的支持不仅为公司提供了资本,还为在工业和商业环境中部署强大的计算机视觉模型提供了关键基础设施。
Voltage Park不是普通的投资者。其主要业务是AI行业,已开发了一个包含超过24,000个图形处理单元、跨越六个数据中心的云基础设施平台。它提供低成本、按需和裸机访问GPU,无需虚拟化层,从而提高性能和可预测性。
除了云业务外,它还支持精选的AI初创公司,为它们提供以最具竞争力价格访问其云资源的机会。
"它不仅仅是财务支持者——它是我们共同开发和部署视觉AI工厂的合作伙伴,"Krishna说道,并提到了其用于AI训练和推理的企业级基础设施。"现在,我们可以以前所未有的速度和成本构建和部署高度准确的定制视觉模型。"
Voltage Park首席产品和技术官Saurabh Giri表示,他的公司新兴投资部门寻找那些从理论阶段转向变革阶段的初创公司,并认为Matrice.ai是这类公司的绝佳典范。
"其在视觉模型方面的领域专业知识使我们的客户能够通过跨多个行业的垂直特定解决方案将像素转换为智能,"他说道。
Krishna补充说,他渴望扩展到公司目前深耕的亚洲和中东市场之外,在美国和欧洲建立存在感。同时,该公司还瞄准计算机视觉模型的新应用,如火焰检测、人群分析和队列监控系统。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。