谷歌Gemini和蘋果的頂級華人科學(xué)家離職創(chuàng)業(yè)，劍指AGI，下一代大模型來了！

來源：新智元

【導(dǎo)讀】谷歌 Gemini 數(shù)據(jù)聯(lián)合負(fù)責(zé)人 Andrew Dai 聯(lián)手蘋果首席研究科學(xué)家 Yinfei Yang，隱身創(chuàng)辦 AI 新秀 Elorian。首輪將融資 5000 萬美元，劍指「視覺推理」這個下一代大模型的核心問題。

硅谷的 AI 創(chuàng)業(yè)熱潮中，最昂貴的籌碼永遠(yuǎn)押注在最資深的「大腦」上。

曾在谷歌 DeepMind 效力長達(dá) 14 年的資深研究員 Andrew Dai，正在籌建一家名為Elorian的 AI 初創(chuàng)公司。

這家尚不為人所知的公司，種子輪融資目標(biāo)即高達(dá) 5000 萬美元。

與 Andrew Dai 聯(lián)手的，是剛于去年 12 月離職的蘋果研究科學(xué)家 Yinfei Yang。

這兩位分別來自谷歌和蘋果的技術(shù)老兵，正在試圖解決大模型領(lǐng)域的下一個核心問題：視覺推理（Visual Reasoning）。

領(lǐng)投這輪融資的，極有可能是由前 CRV 普通合伙人 Max Gazor 創(chuàng)立的 Striker Venture Partners。

如果交易達(dá)成，這將是硅谷近期最受矚目的早期融資之一，也再次印證了資本市場對于「谷歌畢業(yè)生」的瘋狂追捧。

14 年，從 BERT 早期到 Gemini 幕后

在 AI 研究圈，Andrew Dai 這個名字代表著一種「長期主義」。

不同于那些在 Transformer 浪潮爆發(fā)后才匆匆入局的創(chuàng)業(yè)者，Andrew Dai 在谷歌的工號可以追溯到 2012 年。

這意味著他完整經(jīng)歷了深度學(xué)習(xí)從邊緣學(xué)科走向世界中心的整個周期。

在他的 LinkedIn 履歷中，最引人注目的是他作為Gemini 模型預(yù)訓(xùn)練（Pre-training）數(shù)據(jù)工作的聯(lián)合負(fù)責(zé)人。

在當(dāng)前的大模型戰(zhàn)爭中，數(shù)據(jù)質(zhì)量和預(yù)訓(xùn)練策略被認(rèn)為是決定模型智商上限的關(guān)鍵因素。

能夠在這個核心環(huán)節(jié)擔(dān)任負(fù)責(zé)人，足以證明他在谷歌內(nèi)部的權(quán)重。

Andrew Dai 的學(xué)術(shù)貢獻(xiàn)不僅限于此。

他曾與谷歌首席科學(xué)家 Jeff Dean 以及 Quoc V. Le（Google Brain 的傳奇人物）共同撰寫過多篇論文。

早在 2015 年，他發(fā)表的一篇關(guān)于半監(jiān)督序列學(xué)習(xí)（Semi-supervised Sequence Learning）的論文，就被認(rèn)為對后來 OpenAI 的 GPT 系列模型產(chǎn)生了深遠(yuǎn)的啟發(fā)。

https://proceedings.neurips.cc/paper/2015/file/7137debd45ae4d0ab9aa953017286b20-Paper.pdf

一位熟悉 Andrew Dai 的人士評價道：「他是語言模型的先驅(qū)之一，過去二十年一直專注于預(yù)訓(xùn)練相關(guān)的研究。他最擅長的，就是如何從海量、嘈雜的數(shù)據(jù)源中提煉出高質(zhì)量的“知識”。」

如果說 Andrew Dai 代表了谷歌在大數(shù)據(jù)處理上的暴力美學(xué)，那么聯(lián)合創(chuàng)始人 Yinfei Yang 則帶來了蘋果系的精致與多模態(tài)視角。

Yinfei Yang 此前在蘋果機(jī)器學(xué)習(xí)團(tuán)隊(duì)擔(dān)任首席研究科學(xué)家（Principal Research Scientist），主要參與蘋果自研 AI 模型的開發(fā)。

在加入蘋果之前，他也曾在 Google Research 工作過四年，專注于多模態(tài)表示學(xué)習(xí)。

他在圖像-文本共嵌入（Image-text Co-embedding）領(lǐng)域的專長，恰好填補(bǔ)了單純語言模型的感知短板。

視覺推理

不只是「看見」，更要「理解」

Elorian 究竟想做什么？

根據(jù) Andrew Dai 的說法，Elorian 并不是要再造一個 ChatGPT，而是要構(gòu)建一個能夠「同時理解和處理文本、圖像、視頻和音頻」的原生多模態(tài)模型。

目前的 AI 模型大多是基于文本訓(xùn)練，再通過「補(bǔ)丁」的方式接入視覺能力。

而 Elorian 的愿景是構(gòu)建一個天生的「通感者」。

這種模型不再是將圖片轉(zhuǎn)化為文字標(biāo)簽，而是像人類一樣，通過視覺直接感知物理世界的邏輯。

「視覺推理」被認(rèn)為是通向 AGI 的必經(jīng)之路。

Andrew Dai 提到，機(jī)器人將是 Elorian 技術(shù)的一個潛在應(yīng)用場景，但他強(qiáng)調(diào)公司的愿景遠(yuǎn)不止于此。

在硅谷的投資人眼中，這通常意味著 Elorian 瞄準(zhǔn)的是AI 智能體的廣闊市場——一個能夠像人類一樣看著電腦屏幕、理解圖形用戶界面（GUI）、處理退貨流程、審核法律文件、操作其他軟件的超級助手。

它不需要你通過 API 喂給它數(shù)據(jù)，而是直接像你一樣「看」著 Excel 表格、「聽」著電話錄音，同時「讀」懂屏幕上的郵件，并實(shí)時做出決策。

這就是 Elorian 試圖構(gòu)建的未來。

資本的邏輯

為「血統(tǒng)」買單

5000 萬美元的種子輪融資，在幾年前聽起來像是天方夜譚，但在今天的 AI 泡沫中，這似乎成了頂級團(tuán)隊(duì)的「入場費(fèi)」。

正在與 Elorian 洽談領(lǐng)投的 Striker Venture Partners，本身也是一家極具話題性的新銳基金。

其創(chuàng)始人 Max Gazor 曾是老牌風(fēng)投 CRV 的合伙人，以眼光毒辣著稱。

他在去年 10 月剛剛自立門戶，Elorian 很可能是該基金成立后的首批標(biāo)志性賭注之一。

對于 Max Gazor 這樣的投資人來說，他們賭的不僅僅是技術(shù)路徑，更是「谷歌 DeepMind + 蘋果」這種稀缺的基因組合。

谷歌提供了大規(guī)模訓(xùn)練基礎(chǔ)設(shè)施的經(jīng)驗(yàn)，而蘋果則有著將 AI 落地到具體產(chǎn)品的務(wù)實(shí)文化。

Elorian 的出現(xiàn)，也折射出大模型戰(zhàn)場的轉(zhuǎn)移。

第一階段的戰(zhàn)爭是關(guān)于「文本生成」，OpenAI 憑借 ChatGPT 拔得頭籌；

第二階段的戰(zhàn)爭則是關(guān)于「多模態(tài)理解」和「物理世界交互」。

在這個新戰(zhàn)場上，無論是 Gemini 還是 GPT，都在瘋狂補(bǔ)課視覺能力。

Elorian 作為一個初創(chuàng)公司，想要在巨頭的夾縫中生存，唯一的籌碼就是技術(shù)上的代差，或者在垂直場景（如復(fù)雜的視覺 Agent）上做到極致。

在硅谷，每一個從巨頭出走的頂級研究員，都懷揣著一個「反叛」的夢想：用更小的團(tuán)隊(duì)、更聚焦的資源，去顛覆老東家龐大而遲緩的官僚體系。

Andrew Dai 離開了效力 14 年的谷歌，Yinfei Yang 離開了發(fā)布 Apple 智能的蘋果。

他們選擇了一條最艱難的路——試圖教會機(jī)器不僅「看見」世界，還要「看懂」世界。

這讓人想起計算機(jī)視覺領(lǐng)域的一句老話：「攝像頭只是眼睛，算法才是靈魂。」

而在 AI 的洪流中，真正稀缺的永遠(yuǎn)不是算力，而是那些能夠透過數(shù)據(jù)的迷霧，看清未來方向的眼睛。

參考資料：

https://www.theinformation.com/articles/former-google-apple-researchers-raising-50-million-new-visual-ai-startup

為偉大思想而生！

AI+時代，互聯(lián)網(wǎng)思想（wanging0123)，

第一必讀自媒體