据报道,由杰夫·贝索斯共同领导的新公司"普罗米修斯项目"已收购了一家低调的人工智能初创公司General Agents。
《连线》杂志今日报道了这一收购交易,但未透露具体收购金额。
"普罗米修斯项目"的存在于上周被《纽约时报》曝光。该公司由贝索斯和维克·巴贾伊共同领导,后者是一位连续技术创业者,此前曾联合创立了Alphabet公司的Verily生命科学部门。据报道,"普罗米修斯项目"已从包括贝索斯在内的投资财团筹集了62亿美元资金。
根据《连线》杂志的报道,该公司正在开发能够"支持计算机、汽车甚至航天器制造"的AI系统。但该媒体的消息来源并未明确"普罗米修斯项目"打算自动化哪些生产流程或如何实现自动化。
据信"普罗米修斯项目"于6月收购了General Agents。据报道,这笔交易在General Agents联合创始人之一、前谷歌DeepMind研究员谢里尔·奥泽尔参加了巴贾伊主办的AI活动后不久就完成了。General Agents的另一位联合创始人威廉·古斯此前曾在OpenAI担任研究职位。
这家初创公司开发了一个名为Ace的AI智能体,能够在用户计算机上自主执行任务。General Agents网站上的演示显示,Ace能够编辑视频、在应用程序之间复制数据以及预订住宿。该公司声称,该工具在某些任务上的表现优于OpenAI的Operator智能体。
根据General Agents的网站,Ace由至少两个名为ace-control-small和ace-control-medium的定制基础模型驱动。一则招聘启事表明,该公司的模型基于所谓的VLA(视频-语言-行动)架构。这可能为General Agents吸引"普罗米修斯项目"关注的原因提供了线索。
研究人员主要使用VLA架构来开发机器人AI模型。考虑到"普罗米修斯项目"据报道计划为制造业用例构建AI系统,工业机器人很可能是其工程路线图的重点。该公司通过收购General Agents获得的技术和专业知识可能会推进其在该领域的努力。
据报道,"普罗米修斯项目"雇用了"少数"General Agents员工,包括其两位联合创始人。现在该公司据信拥有超过100名员工。
上周《纽约时报》的报道表明,"普罗米修斯项目"计划使用与一家名为Periodic Labs的初创公司类似的方法来训练AI模型。后者上个月筹集了3亿美元资金,正在建设一个自主实验室,将使用机器人进行科学实验。Periodic Labs打算使用这些实验产生的数据来训练AI模型。
Q&A
Q1:普罗米修斯项目是什么公司?
A:普罗米修斯项目是由亚马逊创始人杰夫·贝索斯和连续技术创业者维克·巴贾伊共同领导的新公司。该公司已从投资财团筹集了62亿美元资金,正在开发能够支持计算机、汽车甚至航天器制造的AI系统。
Q2:General Agents公司有什么技术优势?
A:General Agents开发了名为Ace的AI智能体,能够在用户计算机上自主执行任务,包括编辑视频、在应用程序间复制数据和预订住宿。该公司的模型基于VLA(视频-语言-行动)架构,这种技术主要用于机器人AI模型开发。
Q3:为什么普罗米修斯项目要收购General Agents?
A:由于普罗米修斯项目专注于制造业AI系统,而General Agents的VLA架构技术主要用于机器人AI模型开发,这与工业机器人应用高度匹配。通过收购获得的技术和专业知识能够推进普罗米修斯项目在制造业自动化领域的发展。
好文章,需要你的鼓励
由贝索斯共同领导的普罗米修斯项目已收购AI初创公司General Agents。该公司开发了名为Ace的AI智能体,可自主执行视频编辑、数据复制等计算机任务。General Agents基于视频语言行为架构开发模型,这与普罗米修斯项目专注制造业AI系统的目标高度契合。收购完成后,普罗米修斯团队已超过100人,预计将推进工业机器人领域的AI应用发展。
斯科尔科技学院联合俄罗斯多家研究机构开发出革命性的多语言AI虚假信息检测技术。该研究构建了覆盖14种语言的大型数据集PsiloQA,通过"诱导AI说谎"的创新方法自动生成训练样本,成本仅为传统人工标注的数十分之一。实验证明多语言训练的检测模型性能显著优于单语言模型,为全球AI可信度监督提供了实用解决方案。
Kagi公司发布Orion浏览器1.0版本,这是一款专为苹果平台设计的全新浏览器。该浏览器主打极速浏览体验和用户隐私保护,完全免费使用并附赠200次Kagi搜索。Orion还提供月费5美元的付费订阅服务,解锁更多高级功能。未来计划包括更深度的自定义选项和性能优化。
NVIDIA研究团队发现,训练机器人最有效的方法竟然是最简单的:直接用普通文字告诉机器人该做什么,而不需要复杂的编码系统。他们开发的VLA-0系统在标准测试中超越了所有复杂方法,平均成功率达94.7%,在真实机器人测试中也比预训练系统高出12.5个百分点。这项发现挑战了"越复杂越好"的传统观念,可能加速智能家用机器人的普及。