科大訊飛將在港投資 4 億港元，專注大語言模型等開發；英偉達 Mistral AI 聯手發佈 12B 參數小模型丨AI情報局

今日融資快報

科大訊飛將在香港投資 4 億港元，並設立國際總部

科大訊飛公佈了一項爲期 5 年的 4 億港元、投資計劃，並在香港設立了國際總部。公司表示，這項投資計劃將支持其組建一支 150 人的研發團隊，專注於大語言模型的開發，以及智能語音、教育和醫療等領域的 AI 應用。科大訊飛副總裁段大爲表示：“我們的初期預算是 4 億港元。如果一切在香港順利推進，這個數字還會增加。”（南華早報）

蚌殼智能獲得1.2億人民幣戰略投資，天陽科技投資

蚌殼智能是一家致力於創新的人工智能企業，擁有適合國內企業快速部署的通用大模型、代碼大模型、多模態圖文大模型、多模態語音大模型等多個基礎大語言模型。

天陽科技與蚌聚合創、蚌殼諮詢、蚌殼管理、蚌合創智簽署了《關於北京蚌殼智能科技有限公司之投資協議》，向蚌殼智能投資1.2億元，認購蚌殼智能新增註冊資本87萬元，剩餘1.19億元計入資本公積金，以取得本次增資完成後蚌殼智能8%的股權。

計算機視覺技術及產品研發商感圖科技獲C2輪數億元融資

感圖科技是計算機視覺技術及產品研發商，主要業務是將計算機視覺技術應用於精密外觀檢測場景。目前感圖科技聚焦高端製造領域的智能化品質管控及良率管理， 通過自主研發的底層AI框架和核心技術，爲高端製造業提供一站式智能化解決方案。感圖科技完成數億元C2輪融資，本輪融資由地方政府產業基金支持，並且獲得數家銀行授信支持。（投資界）

AI主導的 B2B 支付平臺 Slope 獲 6500 萬美元的戰略股權和債務融資

Slope 是一家以 AI 爲主導的 B2B 支付平臺，已獲得摩根大通提供的 6500 萬美元戰略股權和債務融資。 Y Combinator、Notable Capital、Jack Altman 和 Max Altman 的新基金 Saga 也參與了本輪融資。

旅遊與活動端到端解決方案提供商Planned在 B 輪融資中籌集 3500 萬美元

Planned 成立於 2017 年，是一家通過技術加速旅行與活動的 "從來源到支付 "服務公司。該公司將人工服務與人工智能相結合，提供定製化的採購和預訂服務，服務的客戶包括普華永道、Block、AWS 和 Instacart。

本輪融資由 Drive Capital 領投，Outsiders Fund 和另外兩家公司參投。除宣佈融資外，Planned 還將 Hopper 首席執行官兼聯合創始人、Expedia 前副總裁 Frederic Lalonde 加入董事會。

AI驅動的收入週期自動化公司Thoughtful AI 籌集 2000 萬美元的融資

Thoughtful Automation Inc. 是一家AI驅動的專注於醫療保健行業的收入週期管理初創公司，推出了三個人工智能代理：CAM、EVA 和 PHIL，它們分別用於處理索賠處理、患者資格驗證和付款過帳任務。該輪融資由 Drive Capital 的 Nick Solaro 領投，TriplePoint Capital 參與。

GPU 雲提供商SF Compute獲 Alt Capital 領投1200萬美元融資

曾在 OpenAI 以及 AI Grant創業加速器工作的 Evan Conrad 與室友 Alex Gajewski 創辦的 SF Compute 宣佈獲得 Sam Altman兄弟創辦的 Alt Capital 領投的 1200 萬美元融資，估值 7000 萬美元。

由於市場缺乏足夠的算力，初創公司難以獲取 AI 所需的大量半導體，SF Compute 希望幫助初創企業獲得這些資源，並創建一種算力交易平臺；目前，SF Compute 已獲得 8000 塊 H100 訂單來啓動該項目。（有新Newin）

AI導盲眼鏡.lumen完成500萬歐元融資

.lumen 致力於創造改變生活的技術,由 Cornel Amariei 創立，其旗艦產品.lumen Glasses 和基礎 AI 技術爲視障人士提供了獨立性和安全性。.lumen 的盲人眼鏡使用行人自主駕駛（PAD AI）技術模仿導盲犬的功能。 .lumen 在一輪融資中從股權管理和投資公司 SeedBlink 籌集了 500 萬歐元。（Zpotentials）

AI客服信聯時代獲2000萬元天使輪融資

信聯時代基於人工智能技術，爲企業提供智能化的產品和服務，涵蓋智能客服、智能營銷、等多個領域。本輪融資由合一資本有限公司領投。

AI引擎提供商Artificial.Agency完成數百萬美元種子輪融資

Artificial.Agency成立於2023年，專注於爲遊戲創作者和工作室提供AI驅動的行爲引擎。該引擎能夠將運行時決策整合到遊戲動態中，爲玩家帶來充滿活力的體驗。投資方包括BDC Venture Capital、Kaya、Radical Ventures、TIRTA Ventures以及Toyota Ventures。

生成式AI公司EdgeRunner AI完成550萬美元種子輪融資

EdgeRunner AI旨在爲邊緣構建安全、可靠和透明的生成式AI。該公司開發了小型的、特定於任務的超高效語言模型 ，無需訪問互聯網即可運行，從而提高了數據隱私、安全性和合規性。本輪融資由Four Rivers Group領投，Madrona Ventures和戰略天使投資人蔘投。

AI編輯平臺Edit Cloud獲 200 萬英鎊融資

Edit Cloud 是一家總部位於英國倫敦的基於雲的人工智能編輯平臺提供商，提供一個雲製作平臺，旨在通過人工智能技術創造高質量的內容。它還彙集了基於雲的工具，使團隊能夠高效地協同工作。本輪融資由 Edge 領投，天使投資人包括 Simon Ward 和 Justin Cooke。

AI大模型開發平臺Arcee.ai完成A輪融資

Arcee.ai成立於2023年2月，致力於開發一個領域適配語言模型系統，旨在爲特定領域提供量身定製的LLM，將DALM與業務運營無縫集成，以實現數據知情的決策和有價值的見解。該公司的系統不僅可以幫助客戶獲得LLM，還能創建一個值得信賴和真實的系統。本輪投資方包括Centre Street Partners、Emergence、Flybridge Capital和Journey Ventures。（億歐）

人工智能企業諾比侃完成D+輪融資

諾比侃專注於將先進人工智能技術、數字孿生技術應用於高複雜度的開放場景中，提供具備高普適性的人工智能產品和麪向軌道交通運維、智慧能源、智慧城市、智慧環境等領域的行業解決方案。本輪投資方爲沛坤投資。

英格瑪機器人科技獲國家超級計算無錫中心戰略投資

EnigmaRobotics是一家成立於2023年的初創公司，專注於研發和推廣智能陪伴型機器人、多模態綜合模型及其應用。國家超級計算無錫中心宣佈對英格瑪機器人科技進行戰略投資。

AI驅動的信貸融資平臺New Frontier Funding 獲投資

New Frontier Funding 致力於利用生成式 AI 幫助中小型企業尋找信貸和債務融資，該公司使用其專有數據並微調 OpenAI 的語言模型，用於語義搜索和代理工作流程，以減少後臺工作並準確地將借款人與貸方匹配。目前完成了 Homsher Family Office的一輪增長資本融資。交易金額未披露。

邊緣創智獲天使輪投資

邊緣創智首要應用場景是通過使用多模態傳感器 + AI 技術可以量化心理病患在診療過程中的數據，提高心理醫生接診效益，核心關注面部肌肉變化、心率和呼吸等指標。近日獲得奇績創壇的天使輪投資。CEO趙梓合畢業於香港科技大學，是一位連續創業者。有豐富機器人算法開發、產品研發經驗，曾就職於大疆。

多模態大型機器人研發商銀河通用獲港投公司投資

銀河通用是一家多模態大型機器人研發商，專注於製造具有嵌入式AGI的機器人，爲全球提供通用機器人。“港版淡馬錫”香港投資管理有限公司宣佈投資「銀河通用」，投資金額未披露。此前6月，銀河通用才獲得7億元天使融資，投資方包括美團點評戰投、北汽產投、商湯國香基金、訊飛基金等頂級戰略及產業投資方，光源資本擔任獨家財務顧問並參與早期投資。

（歡迎添加微信AIyanxishe2，瞭解更多AIGC、融資情況，與志同道合的朋友一同暢聊時新AI產品）

今日大廠風聞

英偉達 Mistral AI 聯手發佈12B 參數小模型 Mistral Nemo，碾壓 Llama 3 單張 4090 可跑

英偉達與 Mistral AI 合作發佈了新的 AI 小模型 Mistral NeMo，具有 120 億參數，支持 128K 上下文，在多項基準測試中擊敗了同類模型 Gemma 2 9B 和 Llama 3 8B。Mistral NeMo 旨在服務於企業用戶，可以輕鬆定製和部署支持聊天機器人、多語言任務、編碼和摘要的企業應用程序。Mistral NeMo 模型性能優異，兼容性強，易於使用，並且可以直接替代任何使用 Mistral 7B 的系統。模型使用 FP8 數據格式進行推理，減少了內存大小並加快了部署速度，同時保持了準確性。Mistral NeMo 還支持多語言應用，具有高效的分詞器 Tekken，提升了對多種語言的處理效率。此外，Mistral NeMo 已經準備好在雲、數據中心或 RTX 工作站等任何地方運行，開發者可以使用 mistral-inference 試用 Mistral NeMo。

小米小愛大模型即將全量升級：全部免費，本月底手機、平板、電視全支持

小米小愛大模型將迎來全量升級，並且全部免費。升級後的模型將更加聰明，支持智能問答、創作等功能，並且提升閒聊體驗。7 月底將有手機、平板和電視等設備支持新模型。手機和平板的版本爲 V6.126.5，電視的版本爲 V4.30.1，內存容量需要 1G 以上。8 月底將有無屏音箱升級支持，而 10 月底則是有屏音箱的升級。（快科技）

蘋果發佈超 Mistral-7B 性能開源模型 DCLM-7B

蘋果在 Hugging Face 上發佈了 DCLM-7B 開源模型。該模型的性能已經超越了 Mistral-7B，並且正在逼近 Llama 3 和 Gemma。DCLM-7B 模型的開源資源包括模型權重、訓練代碼和預訓練數據集。研究團隊提出了 DCLM 新基準，用於評估大型語言模型的性能，特別是在多模態領域。DCLM 基準採用了標準化的實驗框架，包括固定的模型架構、訓練代碼、超參數和評估，以找出最適合訓練高性能模型的數據整理策略。DCLM-7B 模型使用基於 OpenLM 框架的預訓練方案，在 MMLU 基準上的 5-shot 準確率達到了 64%，與 Mistral-7B-v0.3 和 Llama 3 8B 相媲美，但所需計算量僅爲 Llama 3 8B 的 1/6。

谷歌和雷朋廠商開發搭載 Gemini AI 模型的智能眼鏡

谷歌公司已接觸 EssilorLuxottica（雷朋 Ray-Bans 品牌背後公司），計劃合作生產 Gemini 智能眼鏡。EssilorLuxottica 公司此前已經和 Meta 公司合作，推出了兩代雷朋 Meta 智能眼鏡，而最新消息稱 Meta 正計劃斥資數十億美元收購 EssilorLuxottica 大約 5% 的股份。（The Verge）

今日產品動態

Product Hunt 熱榜，Flow Studio

Flow Studio 是由 Flow GPT 團隊開發的能將文本轉換成高質量的短片的工具。該平臺由 Lifan Wang、Sam Xu、Qianhua Ge、Jay Dang 和 Luke Pioneero 共同開發，於 2024 年 7 月 18 日在 Product Hunt 上發佈。Flow Studio 的亮點是能夠通過單一的文本提示，自動生成一個包含故事、配音、背景音樂和聲效的完整視頻，極大地簡化了視頻製作過程。Flow GPT 獲得了用戶的高度評價，平均得分爲 4.9/5 星。

創始人Jay Dang大學在加州大學伯克利分校學習計算機科學，他是 FlowGPT、Markit AI 和 LUUM 的創始人，也在 C. Light Technologies, Inc. 和 Glaucomark 擔任過數據科學家和獨立研究員。

?https://flowgpt.com/flow-studio?ref=producthunt

GitHub Trending 熱榜，構建多智能體和 RAG的框架Langflow

Langflow 是一個視覺化的框架，旨在幫助開發者構建多智能體和 RAG 應用程序。項目基於 Python 開發，已開源，可以完全自定義，同時支持不同的語言模型和向量存儲。用戶可以通過 pip 安裝 Langflow，並且需要確保系統中安裝的 Python 版本至少爲 3.10。項目提供了詳細的文檔和部署指南。

?https://github.com/langflow-ai/langflow

特別關注

前谷歌大腦高級研究員、Reka AI聯合創始人Yi Tay解析：爲什麼在 BERT 之後沒有看到更多的編碼器模型擴展？

Yi Tay 是 Reka AI 的聯合創始人和首席科學家，並籌集了 1 億美元的資金。他曾在 Google Brain 從事大型語言模型和人工智能研究，2020 年到 2023 年初，深入參與了 Google 的大部分大型語言模型和多模態工作。他曾在 ICLR 和 WSDM 會議上獲得的最佳論文獎項，在 Stanford University 的 CS25 課程中擔任客座講師。

Yi Tay 在 X 平臺上發佈系列博客的第一篇，旨在探討大型語言模型時代的模型架構。討論了包括 Transformer 編碼器、編碼器 - 解碼器、PrefixLM 以及去噪目標在內的各種架構。Yi Tay 引用了一個常見問題，即爲什麼在 BERT 之後沒有看到更多的編碼器模型擴展，以及編碼器 - 解碼器或僅編碼器模型的命運。他還質疑了去噪目標的有效性，並在博客中分享了自己的想法。

博客首先提到了近年來自然語言處理領域的人們對於編碼器模型消失的困惑，以及 BERT 和 T5 等模型的發展情況。強調了編碼器 - 解碼器模型、編碼器只模型和解碼器只模型之間的區別和聯繫，並指出了 PrefixLM 架構的特點。進一步解釋了去噪目標的概念，包括 BERT 風格的 “原地” 去噪和 T5 風格的序列到序列的去噪方式，並討論了去噪目標的優缺點。

Yi Tay 還分析了編碼器 - 解碼器模型的計算成本，以及爲什麼 BERT 風格的模型逐漸被淘汰。並指出，去噪目標通常與因果語言模型相輔相成，並在大型語言模型的預訓練中發揮作用。此外，雙向注意力機制在不同規模的模型中的作用也被討論了。最後，Yi Tay 總結了編碼器 - 解碼器架構的優缺點，並強調了理解歸納偏差和預訓練策略的重要性，以及 BERT 模型爲何被更靈活的 T5 模型取代的原因。

?https://www.yitay.net/blog/model-architecture-blogpost-encoders-prefixlm-denoising

敬請期待明日的最新動態！

雷峰網