在企业排查AI系统问题的过程中,治理合规已成为一项核心挑战。目前,部分企业采取双模型策略:一个模型负责处理用户输入,另一个模型则专门防止前者"出错"。
这正是ZeroDrift的核心理念。这家AI合规服务初创公司于本周二宣布完成1000万美元种子轮融资。本轮融资方包括a16z Speedrun、Reign Ventures、PitchDrive Ventures及U&I Ventures等机构。ZeroDrift专注于双模型架构中的合规监管环节,部署在AI模型与终端用户之间,负责检测并替换可能违反合规要求的内容。
用AI系统来纠正AI系统的错误,乍听之下或许有些奇特,但ZeroDrift的纠错机制在架构设计上具备独特优势。该系统由传统程序触发,能够确定性地执行SOC 2、GDPR等已知合规标准。只有当某条消息被标记为疑似违规后,大语言模型才会介入,负责将其改写为符合合规要求的版本。
"我们能够确定性地识别所有受监管的领域以及具体违规点,再由大语言模型完成改写。"联合创始人Aroomoogan表示。
与传统大语言模型相比,这套系统的延迟更低、可靠性更强,这也是ZeroDrift相较于OpenAI、Anthropic等大型AI实验室的核心竞争优势——后者通常已作为底层模型内置于客户现有系统中。
最直接的应用场景是面向消费者的AI聊天机器人,一旦出现不当回答,可能引发严重后果。但Aroomoogan认为,潜在市场远不止于此,还可延伸至自动化系统内部生成、无需人工审阅的AI消息合规管控。目前,这一细分市场规模尚小,但随着AI的广泛普及,未来成长空间可观。
从此次融资进展来看,市场对这类产品存在强烈的潜在需求。"这可能是我职业生涯中完成速度最快的一次融资,"CEO Kumesh Aroomoogan说,并对a16z在种子轮结构搭建上的协助表示感谢。"我们在三周内完成了交割,最终认购金额超出目标的3倍。"
Q&A
Q1:ZeroDrift的AI合规系统是如何工作的?
A:ZeroDrift部署在AI模型与终端用户之间,通过传统程序确定性地检测SOC 2、GDPR等合规标准是否被违反。一旦某条消息被标记为疑似违规,大语言模型才会介入,将其改写为合规版本。整个系统相比传统大语言模型延迟更低、可靠性更强,能有效拦截AI生成内容中的合规风险。
Q2:ZeroDrift主要解决哪些场景下的合规问题?
A:最典型的场景是面向消费者的AI聊天机器人,此类场景中一旦出现不当回答可能引发严重后果。此外,ZeroDrift还着眼于自动化系统内部生成、无需人工审阅的AI消息合规管控。随着AI在企业中的大规模应用,这一市场的覆盖范围预计将持续扩大。
Q3:ZeroDrift这次融资情况如何?有哪些投资方参与?
A:ZeroDrift完成了1000万美元种子轮融资,整个过程仅用三周,最终认购金额超出目标3倍。参与投资的机构包括a16z Speedrun、Reign Ventures、PitchDrive Ventures及U&I Ventures等,其中a16z还协助完成了本轮融资的结构搭建。
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。
复旦大学团队提出ICWM框架,让机器人在任务前通过随机探测动作自主感知当前视角和物理配置,无需重新训练即可适应新摄像头角度,真实机器人测试成功率最高提升175%。
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。
西安交通大学团队提出Fast-LeWM,用动作前缀并行预测替代逐步推演,将AI世界模型规划速度提升近4倍,同时平均成功率从85.8%提升至90.5%。