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
企业谈AI基础设施时,注意力往往首先集中在模型、GPU和算力集群上。但当大模型应用走向规模化推理,一个瓶颈开始浮现:算力采购完成,并不意味着Token能够被稳定、低成本、可控地交付出去。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。