在Etsy工作期间,Zoe Weil通过改进在线市场的AI排名系统,帮助公司在一年内实现了十亿美元的商品交易额增长。现在,她创立了新公司Sequen,旨在将自己和联合创始人多年的AI研究与产品开发经验带给消费领域的其他企业。
Sequen刚刚完成1600万美元A轮融资,提供实时个性化技术和排名基础设施。这项技术被全球最大的科技公司使用,但由于需要海量数据集,其他大型消费企业一直无法获得。
虽然科技行业外的人可能不理解这项技术的具体内容,但任何使用过TikTok、Instagram或YouTube等消费应用的人都曾是这些系统的目标用户。
Sequen首席执行官Weil解释说:"现代科技实际上不再仅仅是推荐内容。它会随着时间的推移以微妙的方式影响你的意志,让你真正想要某些东西。事实上,这项技术已经变得如此先进,以至于很多人怀疑平台在窃听他们的对话。"
Weil将这种现象归因于"大事件模型"。虽然ChatGPT等聊天机器人使用的大语言模型会概括文本,但大事件模型专门概括事件流和人类行为。这项技术的应用案例远不止构建更好的算法。
Weil认为Sequen最终可以取代cookie——这种个性化网络体验的跟踪技术虽然能为最终用户提供个性化服务,但引发了隐私担忧并触发了监管。
"我们的大事件模型从实时用户行为中学习,不仅仅是点击和滚动,还包括悬停、对话以及特定会话中的内容——而不是静态档案或第三方cookie,"Weil说。"这就是如何实现实时个性化的方法,即使数据稀少也能做到。所以是的,我们确实为那些缺乏基础设施的财富500强公司解锁了TikTok的算法...但我认为我们正在更进一步。"
与Sequen合作的企业通过整合该公司的RankTune平台,可以通过API访问Sequen的前沿排名模型和实时排名模型。(Sequen的客户已经在使用某种内部API来驱动他们的相关性堆栈,所以他们只需将API替换为Sequen的即可。)
更重要的是,Sequen的技术不像cookie那样侵犯隐私,因为它基于实时数据——不需要用户身份就能个性化结果。而且速度很快,决策时间低于20毫秒。
"我们的大事件模型能够概括它们接收到的实时事件流,"Weil说。"执行这些事件的人是谁并不重要——它们能够理解事件并在不依赖用户身份的情况下理解这些事件。所以实际上,用户的身份是完全无关的。"
尽管具有更注重隐私的特点,Sequen表示其技术仍能实现"惊人的收入提升",Weil声称。
在一个例子中,一家大型家具公司在转用Sequen后实现了7%的收入增长,而此前0.4%的增长就被认为是成功。另一个客户Fetch Rewards在不到11天内实现了20%的净收入增长。该公司还与一家流媒体公司和一家在线旅行社合作。
该系统根据每秒请求数(RPS)定价,有不同层级提供最多500 RPS或1000 RPS等,层级越高价格折扣越大。在前五个客户中,合同金额都达到七位数。
"我们在各个领域都看到一个一致现象,就是人们选择最高层级,因为一旦他们在一个用例中看到我们的效果,就想在整个平台上采用我们的服务,"Weil指出。
Weil在这个领域的职业生涯始于研究方面,但很快意识到她更愿意构建产品。她迄今为止的大部分时间都在帮助公司开发这些类型的排名产品以从中产生商业价值,这促使她创立了Sequen。
现在,在不到18个月的时间里,该公司已处理了约100亿次月度请求,并赢得了几家财富500强公司的业务。其产品包括专有技术,包括大事件模型、排名模型、算法等。
在这家初创公司,Weil与曾在Etsy共事的Ethan Benjamin以及联合创始人Mo Afshar和Alexander Thom合作。Raphael Louca最近从Meta加入,成为Sequen的首席产品官。这家总部位于纽约的公司拥有14人团队,成员来自DeepMind、Meta、Anthropic等公司。
Sequen的A轮融资由White Star Capital和Threshold Ventures共同领投,之前的投资者也参与其中,包括领投种子轮的Greycroft。到目前为止,Sequen已筹集2200万美元。
Q&A
Q1:Sequen的大事件模型和大语言模型有什么区别?
A:大语言模型(如ChatGPT使用的)主要概括文本内容,而Sequen的大事件模型专门概括事件流和人类行为。大事件模型能从实时用户行为中学习,包括点击、滚动、悬停、对话等,不依赖用户身份就能实现个性化推荐。
Q2:Sequen的技术如何在保护隐私的同时提供个性化服务?
A:Sequen的技术基于实时数据而非用户身份信息,不需要知道用户是谁就能个性化结果。它从实时事件流中学习,而不是依赖静态档案或第三方cookie,因此比传统cookie技术更注重隐私保护。
Q3:企业使用Sequen能获得什么样的效果?
A:根据案例显示,一家大型家具公司转用Sequen后实现了7%的收入增长,而此前0.4%就被认为是成功。另一客户Fetch Rewards在不到11天内实现了20%的净收入增长。该系统决策速度快,低于20毫秒。
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。