2024年11月,杰夫·贝索斯宣布将出任一家名为Prometheus的新创公司联合首席执行官。彼时,该公司表示将聚焦于"物理AI"——这一概念近来颇为流行,泛指将驱动大语言模型或生成式AI的深度学习原理应用于机器人、制造业等物理领域——但具体细节寥寥无几。如今,随着一轮重磅融资的落地,贝索斯与联合创始人维克·巴贾吉对外披露了更多信息。
本轮融资规模不容小觑:继去年完成62亿美元初始融资后,此次再度融资120亿美元,公司估值已攀升至410亿美元。资金来源涵盖摩根大通、高盛、贝莱德等机构,以及贝索斯本人的大量个人投入。目前,公司员工总数约为150人。
其中相当一部分资金将用于采购算力。"我们不得不大规模融资,原因之一在于……我们所做的事情对算力的消耗极为巨大,且需要持续生成数据。"贝索斯在接受CNBC采访时如此表示。
那么,他们究竟在做什么?贝索斯将公司的核心方向概括为打造一名"通用人工工程师"。
"所有社会财富都源于发明创造,"贝索斯在接受《纽约时报》采访时说道,"六千年前,有人发明了犁,我们因此变得更富裕;此后很久,又有人发明了蒸汽机,我们再次变得更富裕。"他进一步指出,"Prometheus所追求的,是提供一套能够大幅加速这一发明循环的工具。"
在CNBC的采访中,他援引了同样的历史例证,并以更宏大的视角阐述了公司目标——他表示,Prometheus的使命是推动能够创造"文明级财富"的技术突破,而非仅仅为某个人或某家公司谋利。
联合创始人巴贾吉则以更务实的语言描绘了团队愿景。他表示,开发新技术"需要上千个人类智慧的创造性协作",是"我们作为一个物种所从事的最复杂活动之一"。他补充说,推动这些突破的工程师们"所使用的工具数十年来几乎没有改变。我们的目标之一,就是为他们提供能够大幅提速设计进程的新型工具。"
数月前,《纽约时报》报道称,贝索斯与巴贾吉正在筹划设立一只规模达1000亿美元的投资基金,专门投向那些能够直接利用并受益于Prometheus技术成果的企业。其中可能涉及贝索斯本人旗下的其他项目,例如蓝色起源。
目前,Prometheus仍处于早期阶段,尚未发布任何具体产品或技术。与此同时,该公司并非孤军奋战——围绕AI在物理世界的应用,已有众多初创企业展开探索,从训练世界模型以驱动机器人决策策略,到以更强大的自动化能力重塑制造业,赛道竞争日趋激烈。不过,凭借本轮融资,Prometheus在资金实力上已对大多数竞争对手形成显著优势。
Q&A
Q1:Prometheus公司的核心目标是什么?
A:Prometheus的核心目标是打造"通用人工工程师",通过提供一套能够大幅加速发明创新循环的工具,推动可带来"文明级财富"的技术突破。公司创始人贝索斯认为,所有社会财富都源自发明,Prometheus希望通过AI技术手段,让工程师能够更快速地完成复杂的技术设计与创新。
Q2:Prometheus公司目前融资规模有多大,资金主要用于哪些方面?
A:Prometheus目前累计融资规模约为182亿美元(含初始轮62亿美元及本轮120亿美元),估值已达410亿美元,投资方包括摩根大通、高盛、贝莱德等。资金主要用于采购大规模算力,因为公司所从事的物理AI研究对计算资源需求极高,同时还需持续生成训练所需的数据。
Q3:Prometheus在物理AI赛道上面临哪些竞争?
A:Prometheus并非该领域的唯一玩家,目前已有多家初创公司在探索AI在物理世界中的应用,方向涵盖训练世界模型以驱动机器人决策,以及利用更强大的自动化能力改造制造业等。不过,凭借本轮融资,Prometheus在资金储备上对大多数竞争对手具备明显优势。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。