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
随着AI广泛应用推动数据中心建设热潮,运营商面临可持续发展挑战。2024年底美国已建成或批准1240个数据中心,能耗激增引发争议。除能源问题外,服务器和GPU更新换代产生的电子废物同样严重。通过采用模块化可修复系统、AI驱动资产跟踪、标准化数据清理技术以及与认证ITAD合作伙伴合作,数据中心可实现循环经济模式,在确保数据安全的同时减少环境影响。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
超大规模云数据中心是数字经济的支柱,2026年将继续保持核心地位。AWS、微软、谷歌、Meta、甲骨文和阿里巴巴等主要运营商正积极扩张以满足AI和云服务需求激增,预计2026年资本支出将超过6000亿美元。然而增长受到电力供应、设备交付和当地阻力制约。截至2025年末,全球运营中的超大规模数据中心达1297个,总容量预计在12个季度内翻倍。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。