Graphon AI 獲 830 萬美元融資，旨在減輕 AI 模型負荷

人工智慧初創公司 Graphon AI 已獲得 830 萬美元的種子輪融資，旨在解決當前人工智慧的核心局限：理解海量且相互關聯的數據集所需的高昂計算負荷。該公司的「智能層」旨在大型語言模型之外映射數據間的關係，此舉有望降低處理成本並釋放此前難以觸及的信息洞察力。

Novera Ventures 的 Arvind Gupta 是本輪融資的領投方，他表示：「這是一種全新的基礎技術，而非僅僅是稍微提高 AI 效率的工具。」

該公司指出，即使是最先進的大語言模型，一次也只能處理數百萬個標記（tokens），而各機構在文檔、視頻、日誌和數據庫中卻擁有「數萬億個標記」。Graphon 的 830 萬美元種子輪融資獲得了 Perplexity Fund、Samsung Next、GS Futures、Hitachi Ventures 等機構的參與，將用於構建其旨在彌合這一差距的 AI 基礎設施級別產品。

該技術的成功可能通過提供一種比現有方法更高效、更具擴展性的替代方案，從而影響 AI 基礎設施格局。對於坐擁海量非結構化數據集的公司而言，它提供了一種更廉價地提取價值的潛在途徑。這可能會影響未來的投資趨勢，並影響那些依賴大規模大語言模型的公司的競爭地位。

這家總部位於舊金山的初創公司由亞馬遜前高級應用科學家 Arbaaz Khan 創立，他目前擔任首席執行官。Khan 表示，其核心思路是在數據接觸大語言模型之前，為組織的整個數據宇宙（從文檔和視頻到系統日誌）創建一個關係圖譜。這種預處理旨在提高效率，避免讓龐大的模型反覆分析所有數據以尋找關聯。

從機器人到關係數據

Khan 從他在賓夕法尼亞大學攻讀機器人學博士的工作中汲取了靈感。他解釋說，機器人在定義的空間內操作時，可以利用對該結構的瞭解來減少其計算需求。他將類似的思路應用於數據，利用了「graphon」（圖形極限）這一數學概念，該概念可以基於共享的關係屬性識別並將不同的用戶或數據點分組為「鄰域」。雖然大語言模型中的 Transformer 技術需要消耗巨大的能量來弄清楚哪些詞相關，但 Khan 的智能層則獨立完成這項工作。Khan 表示：「我們將構建這種大型關係表示……並將其饋送給模型，而不是讓模型承擔所有繁重的工作。」他認為這將帶來巨大的成本節約，並指出「運行這個 2 億參數的模型一千次，比嘗試運行一個 5 兆參數的模型一小時要高效得多。」

韓國企業集團實測新技術

韓國企業集團 GS 已通過其 GS Futures 部門投資並開始使用該技術。GS 負責 52g 數位轉型計劃的副總裁 Ally Kim 表示，團隊使用 Graphon 來改進對監控施工現場安全合規性的閉路電視錄像的分析。該公司還利用該技術更高效地分析足球運動員的影片，以便為 GS 贊助的球隊挖掘人才，評估球員的動作、優勢和劣勢。Kim 說：「我們確實需要將知識範圍擴展到多模態，如語音、影片或其他語境。Graphon 可以提供很好的支持。」

本文僅供參考，不構成投資建議。