随着AI工具让软件工程变得更加普及,新一代用户涌现出来,他们渴望构建自己的应用程序。但就在大语言模型加速编程过程的同时,托管、安全和一般开发运维等老问题依然存在。
解决这个问题显然蕴含着商业机会,但随着系统变化如此之快,很难知道如何抓住它。
Modelence给出了一个颇为有趣的答案。这家来自今年夏季Y Combinator孵化器的初创公司周三宣布完成300万美元种子轮融资。本轮融资由Y Combinator领投,Rebel Fund、Acacia Venture Capital Partners、Formosa VC和Vocal Ventures参投。
Modelence并不是唯一一家进军这一领域的公司。谷歌和亚马逊等巨头以及Shuttle等较小的初创公司都在试图解决基础设施问题。总部位于加利福尼亚的Modelence因其对问题的诊断而脱颖而出。对于首席执行官Aram Shatakhtsyan来说,问题不在于单个服务,而在于它们之间的连接。
"你不会想让AI去构建身份验证,然后建立数据库,再将它们连接在一起,因为这很可能会出问题,"Shatakhtsyan在最近接受TechCrunch采访时表示。
这是一个有趣的诊断,因为它解释了为什么会有这么多世界级的服务提供商却构成了如此不稳定的系统。
"Vercel覆盖了你的大部分前端,Supabase覆盖了数据库和其上层。但你仍然必须将其余部分拼接在一起,"他在解释软件工程师今天使用的各种产品时说道。"在最好的情况下,你会得到两个云系统。"简而言之,有很多犯错的空间。
Modelence的方法是提供类似一体化的服务。他们的框架或工具包基于Typescript运行,公司处理身份验证、数据库、托管、大语言模型可观测性工具,甚至还有自己的Lovable风格应用构建器,只是为了消除额外的摩擦。
这是一个有趣的想法,看看他们能否吸引用户将会很有趣。但随着代码相关工具的格局变化如此之快,仅仅跟上步伐就将是一个真正的挑战。
Q&A
Q1:Modelence是什么公司?它获得了多少融资?
A:Modelence是一家来自Y Combinator孵化器的初创公司,专注于简化AI编程开发栈。该公司刚刚完成了300万美元的种子轮融资,由Y Combinator领投,多家知名投资机构参与。
Q2:AI编程开发中存在什么主要问题?
A:虽然大语言模型加速了编程过程,但托管、安全和开发运维等传统问题依然存在。主要问题不是单个服务本身,而是不同服务之间的连接和集成,这容易导致系统不稳定和错误。
Q3:Modelence如何解决开发中的集成问题?
A:Modelence提供一体化的服务方案,其框架基于Typescript,统一处理身份验证、数据库、托管、大语言模型可观测性工具等功能,还包含自己的应用构建器,旨在消除开发过程中的额外摩擦。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。