广告烧钱过亿,70%用户靠投流,大模型算不过成本账?

一个兽医博主在记录父亲深夜抢救母牛的过程中,使用Kimi查找“母牛传染病”的相关医学内容;一个生活博主在告诉大家如何用AI实现人生第一个13万的过程中,向用户展示如何用豆包生产内容;打工人上班途中在北京地铁1号线永安里站出口,看到智谱清言应用的大屏广告;好学的年轻人睡前在自己常听的播客节目里,听到MiniMax的植入……

广告投放,是当下大模型白热化竞争中的一个切面。大模型厂商们希望获得足够多的用户,讲一个大模型原生应用的故事。


但现实是,高额的成本、千万级的用户,都不足以支撑故事继续。绕了一圈,大模型厂商们还是需要回到现实:一个关于技术与商业化的永恒命题。

烧钱换增长,一个月广告投放过亿

谁也没有想到,B站成了AI时代商业化赢麻了的平台。

财报显示,今年第二季度,B站AI行业今年一季度广告收入同比增长超5倍,二季度金额环比一季度继续大幅上涨。一位科技UP主声称,自己与同行的商业投放合作档期基本都被大模型企业填满,3个月接了20单商业合作的UP主不在少数,甚至出现了不同大模型企业为了一个档期抢单“大打出手”的情况。

大模型创业公司最激进的是月之暗面,这家公司旗下的AI智能助手Kimi因长对话能力出圈,是时下最火热的大模型产品之一。Tech星球通过AppGrowning查询发现,今年3月开始,Kimi每个月的广告投放都高达上千万元。3月份,Kimi的广告投放还只有近1500万元,到了7月和8月,高达近5000万元。

广告为Kimi带来了海量的用户。今年3月20日,因为流量超过了规划,Kimi一度宕机。App Growing的数据显示,从3月到8月,短短6个月,Kimi的广告投入已经将近1.4亿元。

对于第三方平台的监测数据,月之暗面对Tech星球表示,以上数据不实。

一家成立不到2年的公司,月活用户400万,估值200亿元,商业化前景不明朗的企业,单月的广告投放高达上千万元,这放在过去几乎是匪夷所思的。可以作为参照对比的是,2020年,风头正盛的元气森林已经有了超级大单品气泡水,创造了27亿的营收,其中广告费有9亿,相当于每个月7500万元。

Kimi的广告投放几乎覆盖了除去抖音外的所有渠道,他们的逻辑是通过更多的用户来训练大模型。一位小红书的博主称,几乎每周都会有三四个Kimi的人过来询问合作意向。

另一个广告投放大户是豆包。一位曾在豆包负责用户增长的员工告诉Tech星球,仅仅在抖音上,豆包高峰期每天的投放就有60万。

Tech星球通过AppGrowning查询发现,今年6月豆包的投放达到了1.4亿元,相当于每天光投放就要花掉467万元,一个月的投放费用比Kimi半年都要多。

一开始豆包的投放渠道,基本上是巨量引擎、小米、腾讯广告三个平台,后来不断拓展,不过基本上巨量引擎为主。

今年6月,Tech星球此前曾披露过,目前聊天对话类大模型投放的CPA(Cost per Action,获取一个用户的费用)是十块多钱。

如果按照10元计算,根据七麦数据显示,仅在iPhone,过去三月Kimi累计下载量为148万,豆包累计下载量为2223万。据此计算,仅在iPhone渠道,Kimi每天的投放金额接近20万,豆包则为248万。

“所有目前不明朗的行业月投入上亿都很大,单月买量上亿运营费用应该是买量的1.5到2.5倍”,一位广告代理商告诉Tech星球。

除去线上渠道,你甚至能在地铁口和机场看到大模型的广告。比如在地铁1号线的AI助手智谱清言,在机场出现的豆包。

图注:智谱清言在北京地铁投放广告。(Tech星球拍摄)
不过,相比于豆包和Kimi,其他类对话式大模型产品的投放金额并不多。App Growing的数据显示,智谱清言和星辉的投放规模仅在几百万。

算不过来的成本账

投放带来的结果显而易见。据Similarweb统计,年初至今AI五小龙(智谱AI、MiniMax、百川智能、零一万物、月之暗面)产品的总访问量,在6个月内暴涨了963%。获客只是第一步,更重要的是留存和转化。一位国内对话类大模型产品的员工告诉Tech星球,他所负责的产品有超过85%的新增用户是靠投流获得。据他所知,业内的另外一款知名产品,付费获得用户的比例也超过70%。一些投资人因此开始质疑,如果没有广告投放,大模型产品自然增长的用户到底有多少。一位负责直播投流的人员告诉Tech星球,直播带货的投流占比也有70%以上。但问题的关键是,直播带货的商业模式已经成熟,而大模型产品则不然。Tech星球获得的一份数据显示,国内头部大模型产品次日留存为30%,这样的数据和消费品差不多,但关键是30日后的留存。另一个值得关注的数据,QuestMobile数据显示,当前主流AIGC类APP的月人均使用天数基本低于5天(仅有星野达到7.7天),导致活跃率普遍低于15%(星野、文心一言、天工、豆包分别为25.7%、16.8%、15.2%、15.1%)。活跃度低于15%对于大模型厂商来说,喜忧参半。这些大模型产品还未能像微信、抖音一样成为许多人生活的必需品。根据QuestMobile数据,2024年6月,在中国大语言模型应用中,豆包APP月活用户达到2750万,排名第一,这和日活动辄过亿的移动互联网产品还有一个数量级的差距。大模型厂商们希望更多的用户来训练“调教”产品,用户有限的使用次数显然无法让他们来实现这个目标,好处是,厂商成本也不太多。不同于互联网产品,可以通过规模效应拉低成本。…



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

售价高达 100 万的 AI 产品,有钱人排队求买,为什么?

文章来源:极客公园
原文链接:https://mp.weixin.qq.com/s/-xbHUC6a6uCQB6s-p6G0mw

图片来源:由GPTNB生成

从帝王将相到亿万富豪,永生一直是掌握权力和财富的人类金字塔尖阶层的执念。过去他们把财富投入到虚无缥缈的寻仙问道,以及延年益寿的生物科技,而随着 AI 的出现,赛博永生引起了富豪们的兴趣。


近日,笔者接触了石榴科技创始人 Frank,他做了一款未来有望实现「数字永生」的产品——从记忆承载-思想复刻-意识上传-最后到数字永生,高达 100 万的售价,却已有 10 多位 70 岁以上的香港富豪为之买单。

这款名为「意识永藏」的产品,通过定制个人化小模型,可以将一个人的记忆、经历和生活故事转化为数字化的个人记忆博物馆。这个博物馆不仅仅是一个静态的展示,而是一个动态的、互动的、并且能够随着时间不断更新和扩展的个人历史档案。

在具体的产品交付上,「意识永藏」有三方面的内容,包括个人的记忆库、基于个人记忆数据训练得出的个人分身小模型以及一个数字形象或者个人传记的外化效果呈现;在交付形式上,项目采用本地部署方式,将交互系统集成到用户的电脑中(系统包含一个数据库和一个小型 AI 模型),形成一个网页形态的个人化产品。

就是这个看起来并不复杂的产品,为什么能让精明的香港富豪豪掷百万?Frank 给我们讲了讲背后的故事。

01、数字永生——
用 AI 传承家族记忆

「意识永藏」这个项目,最初来自 Frank 一个朋友的执念。

朋友是福建闽南人,是对家族记忆传承,对家谱、对祠堂有一些…



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

疯狂星期四Qwen2.5开源,通义成了最Open的AI?

来源:硅星AGI
原文链接:https://mp.weixin.qq.com/s/HZT2_9DbDrKPgBNDpI3cqw

图片来源:由GPTNB生成

对国外开发者们来说,今天是一个特殊的“疯狂星期四”!

周四还没来,就有开发者在社交媒体平台上翘首以盼;

已经要睡觉的日本网友,半夜爬起来测试竞技场;

甚至有人直呼今天是“疯狂星期四”!

没错,一切都是因为,Qwen2.5开源了,而且一口气上架了100多个模型!

9月19日云栖大会,阿里云CTO周靖人发布通义千问新一代开源模型Qwen2.5系列,包括语言模型 Qwen2.5,多模态模型Qwen2-VL,以及专门针对编程的 Qwen2.5-Coder 和数学模型 Qwen2.5-Math。

2023年8月开始,Qwen系列开始逐渐开源,不到一年内,从1.0逐步升级到2.5,完成了四次重大迭代,从今年年初到现在持续霸榜,开发者们更是将这一次开源,称为“史诗级开源”。


甚至网友辣评:这才是真正的“Open AI”。

完整文章阅读

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

首个Mamba+Transformer混合架构多模态大模型来了,实现单卡千图推理

本文作者来自于香港中文大学深圳和深圳大数据研究院。其中第一作者为香港中文大学深圳博士生王熙栋和研究助理宋定杰,主要研究方向分别为医疗AGI和多模态学习;博士生陈舒年研究方向为多模态学习,博士生张辰研究方向为高效语言模型。


通讯作者为香港中文大学深圳数据科学学院王本友教授。

扩展多模态大语言模型(MLLMs)的长上下文能力对于视频理解、高分辨率图像理解以及多模态智能体至关重要。这涉及一系列系统性的优化,包括模型架构、数据构建和训练策略,尤其要解决诸如随着图像增多性能下降以及高计算成本等挑战。

该团队将模型架构调整为 Mamba 和 Transformer 块的混合体,在数据构建中考虑多个图像之间的时间和空间依赖性,并采用渐进式训练策略。提出了首个混合架构多模态大语言模型 LongLLaVA,在效率和性能之间实现了更好的平衡。

LongLLaVA 不仅在各种基准测试中取得了有竞争力的结果,还保持了高吞吐量和低显存消耗,其可以在单个 A100 80GB GPU 上处理近千张图像,展现出了广阔的应用前景。

论文地址:https://arxiv.org/abs/2409.02889
项目地址:https://github.com/FreedomIntelligence/LongLLaVA

  1. 简介

多模态大语言模型(MLLMs)的快速进步展示了它们在各个应用领域中的显著能力。然而,多图像理解场景仍然是一个重要但尚未充分探索的方面。特别是,将 MLLMs 的应用场景扩展到理解更长的视频、更高分辨率的图像以及基于更多历史信息的决策,对于提升用户体验和进一步拓展 MLLMs 的应用范围至关重要。

  1. 结论

LongLLaVA(长上下文大型语言和视觉助手)这一创新性混合架构模型,在长上下文多模态理解方面表现出色。该模型集成了 Mamba 和 Transformer 模块,利用多个图像之间的时空依赖性构建数据,并采用渐进式训练策略。

LongLLaVA 在各种基准测试中表现出竞争性的性能,同时确保了效率,为长上下文多模态大型语言模型(MLLMs)设定了新的标准。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

o1 研发团队完整采访:Ilya早期曾参与,灵感源于AlphaGo

自从 OpenAI 的 o1 问世以来,它强大的推理能力就承包了 AI 圈近期的热搜。不需要专门训练,它就能直接拿下数学奥赛金牌,甚至可以在博士级别的科学问答环节上超越人类专家。


展示 o1 实力的 demo,我们看了不少,评估 o1 表现的评测,全网比比皆是,关于 o1 技术路线的讨论也如火如荼,引发了广泛的关注和深入的思考。
不过 o1 背后的故事,还鲜为人知,那些在幕后默默付出的团队成员们,他们的故事同样值得被讲述和铭记。
刚刚,OpenAI 发布了 o1 研发团队的完整访谈,为我们揭秘了 o1 的「成长历程」。o1 如何一步步蜕变,最终成为一个「智商高达 120」的非凡存在?他们是将强化学习和监督学习两种范式结合起来的?这背后是无数的突破与挑战,OpenAI o1 的研究人员与 OpenAI 研究团队的负责人 Bob McGrew 畅谈了研发过程中的「Aha moments」—— 那些破解瓶颈、灵感迸发、豁然开朗的瞬间。
在访谈中,他们揭秘了 o1 团队的关键人物,最早由 Jakub Pachocki 进行了一些探索,后来又和Łukasz Kaiser (Transformer 作者之一)和 Ilya Sutskever 进行了早期的探索。这可能也是为什么虽然 Ilya 已经离职,但仍出现在贡献者名单前列的理由。
o1 项目的关键时刻是 Jerry Tworek 整合了这些内容,并继续推动项目。

Image

原视频链接:https://www.youtube.com/watch?v=tEzs3VHyBDM

以下是对访谈主要内容摘录:


什么是 o1?

Hyung Won Chung:我们将使用新名称 o1 推出一系列新模型。这是为了强调这样一个事实:与 GPT-4 等以前的模型相比,您在使用 o1 时可能会感到不同。o1 是个推理模型,它在回答你的问题之前会做更多思考。我们将发布两个模型:o1 preview,也就是 o1 的内容预览版,还有采用了与 o1 相似的训练框架、更小更快的 o1 mini。希望你喜欢我们的新命名方案 o1。

Hyung Won Chung

什么是推理?

Giambattista Parascandolo:可以这么理解:对于一些需要立即回答的简单问题,例如,「意大利的首都是哪里?」,不用想太多,就知道答案是罗马。但是如果想要解一个复杂的谜题、想精心策划一份商业企划书、或者想写小说,那可能需要很多思考。想得越多,可能成果越好。因此,可以说推理是一种把思考时间转化为更好成果的能力。

Giambattista Parascandolo

你们研究 o1 多久了?

Jakub Pachocki:在 OpenAI 的初创时期,我们深受 AlphaGo 的启发,意识到了深度强化学习的巨大潜力。因此,我们在这方面投入了大量研究,在数据和机器人技术方面取得了很好的扩展效果。我们一直在思考如何在通用领域中应用强化学习,以创造出强大的人工智能。GPT 的成功,让我们见证了扩展和监督学习的范式所带来的惊人结果。从那时起,我们就一直在思考如何将这两种不同的范式结合起来。

o1 项目的初创成员:Jakub Pachocki

Mark Chen:很难确切指出 o1 是从哪个具体的时刻开始的。最早和 Yakob 进行了一些探索,后来又和Łukasz 和 Ilya 进行了早期的探索。关键时刻是 Jerry 一起整合了这些内容,并由 Jerry 来推动项目。

o1 项目的初创成员:Łukasz Kaiser

o1 项目的关键人物:Jerry Tworek

你们有没有过「Aha Moment」?

Jerry Tworek:我们训练了 GPT-2、GPT-3、GPT-4,模型刚出炉时,我们开始与模型对话,人们都说:「哇,这个模型真的很棒。」在训练过程中,有一个特定的时刻,我们投入了更多的计算资源,并训练模型生成连贯的思维链。然后我们看到:「哇,这看起来和以前真的有显著的不同。」对我来说,那就是「Aha Moment」。

Trapit Bansal:与此相关的另一个发现是。当我们开始考虑要训练一个推理模型时,我最先想到的方法就是,可以让人类写下他们的思维过程,然后以此进行训练。我的「Aha Moment」是当我们发现,通过使用强化学习来训练模型生成和打磨它自己的思维链,效果竟然比让人类为其写下思细链更好。我们意识到可以真正扩展这个方法,并且专家模型也可以通过这种方式进行推理。

这个项目中有没有哪些部分是必须的,但人们可能没有意识到它有多重要?

Łukasz Kondraciuk:我认为,建立实验室规模的可靠基础设施,用来运行我们最大、最重要的模型训练平台以及进行研究实验,虽然不像研究本身那么令人兴奋,但却至关重要,对整个项目的成功产生了巨大影响。

Łukasz Kondraciuk

Jerry Tworek:我觉得 OpenAI 在如何构建其研究方面有一些特别之处,我们同样重视算法进步和建立可靠的大规模系统,以及创建用于训练这些模型的数据集。我为 OpenAI 这一点感到非常自豪。

Jakub Pachocki:每次我们将某件事扩大一个数量级时,都会遇到一组新的问题 —— 包括算法和基础设施方面的问题 ——OpenAI 无疑已经发展出了同时解决这两个方面问题的强大能力。


O1 Mini 是如何诞生的?

Hongyu Ren:我们的动机是希望将 o1 系列带给更多的用户,并降低成本。因此,我们创建了 o1 Mini,它的设计目的是展示整个 o1 管道或框架的简化版本。我们让它成为一个推理专家,它可能不一定知道你最喜欢的名人的生日,但它确实能够非常有效地理解如何进行推理。它比我们之前最好的推理模型要聪明得多,并且几乎与我们最好的模型 o1 持平。

Hongyu Ren

完整访谈视频内容,请查看原视频。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Datorios推出Apache Flink®的Lineage Analyzer

Datorios是领先的实时业务运营数据可观察性和数据质量技术开发者,他们推出了适用于Apache Flink®的Datorios Lineage Analyzer。图片{ width=60% }


在正在进行的Current 2024的会议上在得克萨斯州奥斯汀宣布,Lineage Analyzer为流数据基础设施运营商提供了更深入、更完整的洞察力,揭示驱动实时业务运营和实时人工智能的数据处理管道的性能。

数据血统指的是信息从起点到通过各种转换或采取行动的各个管道进行传输的生命周期和旅程。随着企业越来越依赖于数据驱动的实时自动化和人工智能,并使用Apache Flink来创建这些系统,Lineage Analyzer对于确保准确性和可用性至关重要。它加速了Apache Flink开发人员和运营商的开发、故障排除和优化。

数据血统在确保数据处理符合法律标准的许多要求监管合规性至关重要的行业中发挥着至关重要的作用。通过维护数据在Flink作业内部是如何转换和移动的清晰记录,公司可以向审计员和监管机构提供必要的透明度。这对于证明实时数据处理工作流的完整性和准确性至关重要。

Lineage Analyzer不仅提供“什么”,而且提供“为什么”。Lineage Analyzer提供了一套全面的功能,旨在帮助开发人员跟踪他们在管道中的数据,监视转换,并确定数据更改发生的位置。与其他数据血统工具不同,这些工具仅显示对数据起作用的进程列表,Lineage Analyzer还提供有关进程内步骤的见解,从而可以明确数据发生更改的原因。这使组织能够进行更彻底的审计,并轻松进行故障排除。

Lineage Analyzer的关键功能包括:

  • 数据血统可视化–查看交互式作业图,这些作业图是提供实时处理管道概览的有向无环图(DAG)。
  • 数据流细节–深入挖掘作业图,探索数据流操作符的详细视图。
  • 数据跟踪–探索实际数据记录在操作符之间的流动,并实时查看数据转换。
  • 低性能开销–与其他血统工具不同,Lineage Analyzer在Flink作业之外运行,这样您就可以获得所需的可见性,而不会影响您的实时系统性能。

“今天的业务创新者不仅仅是使用AI聊天机器人来回答问题;他们正在创造使用AI采取行动的自主代理人。”Datorios的首席执行官兼联合创始人Ronen Korman说。“由于这些系统的成功至关重要,企业不能承担停机或错误;Lineage Analyzer帮助他们避免这些问题,并自信前行。”

要了解更多信息,请访问Datorios的博客或在公司的Slack频道中与社区成员联系。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

将特朗普的谎言标记为“有争议”在X上使支持者更加相信,研究表明

研究发现,在特朗普支持者心目中,将关于选举舞弊的虚假言论标记为“有争议”几乎不会改变他们之前存在的信念,并且可能会使他们更可能相信这些谎言。


这项研究由明尼苏达大学代尔斯堡分校的助理教授约翰·布兰查德和斯瓦斯莫尔学院的副教授凯瑟琳·诺里斯共同撰写,他们分析了2020年12月对1072名美国人进行的一项调查数据。研究人员本月在哈佛肯尼迪政府学院的《误传评论》杂志上发表了一个同行评议的论文。诺里斯表示:“这些‘有争议’标签的目的是警示读者存在虚假/错误信息,所以发现它们可能产生相反的效果令人震惊。”

参与者们被要求对四条唐纳德·特朗普发布的关于选举舞弊的虚假言论进行评分,范围从一到七,根据它们的真实性。对照组看到没有“有争议”标签的推文;实验组看到带有标签的推文。在看到这些推文之前和之后,被试还被要求对整体选举舞弊问题进行评分。该研究发现,那些一开始对广泛舞弊指控持怀疑态度的特朗普支持者,在特朗普的推文旁边出现“有争议”标签时更有可能认为这些谎言是真实的。与此同时,调查结果显示,拜登的支持者的信念在看到“有争议”标签后基本上没有受到影响。第三方选民或非选民在阅读带有标签的四条推文后略微不太可能相信这些虚假言论。

布兰查德和诺里斯在他们的研究中本来预期,对于政治知识水平较高的特朗普支持者,“有争议”标签对其改变观点会很小,因为先前的研究表明,政治上参与度高的人可能会忽视纠正措施,而更倾向于持有自己的反驳观点。研究人员并没有预测到相反的可能性:纠正作为确认。调查中政治知识水平高的特朗普支持者对改正措施非常抵触,事实核查标签实际上加强了他们对错误信息的信念。布兰查德表示:“令人惊讶的是,那些政治知识水平较高的特朗普支持者,在看到有争议标签后,实际上加强了他们对选举错误信息的信仰,相较于没有标签的对照条件。标签表现出并非没影响,而是起到反作用,加强了这部分人群对错误信息的信仰。”

先前的研究和对误传专家的研究已经提出,直接挑战阴谋论者的信仰可能适得其反,导致他们选择退出或坚定他们的信念。布兰查德和诺里斯在研究中指出,虽然他们的发现并不能证明这种事后反效应是普遍存在的–因为调查中特朗普支持者的样本量相对较低–但他们更有信心认为,随着特朗普支持者的政治知识水平提高,“有争议”标签的有效性也越来越低。

社交媒体平台多年来一直试图建立各种标记系统,向用户指出内容包含虚假、误导性或未经验证的声明。Twitter/X过去曾经将一些带有虚假信息的推文标记为“有争议”,这一做法近年来已经被其“社区笔记”同行评审功能以及对内容管理的更加宽松态度所取代。误传研究人员认为,质疑虚假言论的标签和事实核查是否真的有效具有重要的意义,有些研究发现这些警告实际上可能产生反效果。在当前政治两极分化严重且选举舞弊的虚假言论普遍存在的时候,这一研究领域对社交媒体平台、新闻机构以及旨在预防误传的倡议具有影响。

调查人员通过向被试提出10个问题来测试对美国政治的一般理解水平,例如:“约翰·罗伯茨现在担任哪个政治职务?”该研究的一个局限性在于进行研究时的独特时间框架–即2020年选举的高潮阶段,当时保守派对Twitter持有更加敌视的态度。自从进行该研究以来,Twitter不仅取消了“有争议”标签,而且经历了更广泛的所有权变化、内容管理政策和用户态度的变化。在2022年特斯拉首席执行官埃隆·马斯克以440亿美元收购了Twitter并更名为X之后,该平台重新吸引极右声音回到平台,包括特朗普本人,同时也向右倾转向,导致保守派更积极地看待它。“我们无法确定为什么有争议的标签在特朗普支持者中适得其反,但对平台的不信任可能起到一定作用,”布兰查德说。“考虑到当时保守派对Twitter的不信任,特朗普支持者可能会将这些标签视为明显企图限制他们的自主权,促使他们更加坚定地坚守错误信息。”

探索更多相关主题
技术
X
唐纳德·特朗普
互联网
美国政治
美国选举2020
新闻
分享
转载此内容



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Cybord获得870万美元A轮融资

利用人工智能和大数据,Cybord分析装配线上的100%电子元件,验证其可靠性、真实性和可追溯性,以支持所有使用电子电路板的行业,从汽车到数据中心。图片{ width=60% }


今天,眼睛AI解决方案Cybord宣布已获得870万美元的A轮融资,由Capri Ventures领投,Ocean Azul Partners和现有投资者IL Ventures和NextLeap Ventures等新老投资者参与。 Cybord与Flex和西门子等领先制造商合作,已整合到全球60多条生产线中,每天检查数百万电子元件。 这笔最新融资将用于加速公司的增长并进一步全球分销其变革性解决方案。

利用深度学习和人工智能算法,Cybord分析并检查PCBA上的100%电子元件,为从电动汽车到数据中心的所有产品提供动力。 Cybord解决方案解决了行业对抗击电子元件质量的迫切需求,以防止损害产品状况、消费者信任以及制造商的底线。 直到现在,电子元件的质量和安全性在很大程度上被忽视,导致缺陷的增加和昂贵的召回,使2023年召回数达到了七年来的最高水平。 这种不可靠的电子元件质量状态导致对电子板和产品进行耗时和昂贵的重做和报废,在预期的保修索赔中分配宝贵的资金,并造成价值数百万至数十亿美元的昂贵召回损失。

凭借拥有超过40亿个元件等数据库,Cybord的机器学习模型代表了电子制造领域人工智能的前沿。 在组装线上放置时,该视觉化AI解决方案以99.9%的准确率实时防止次品、损坏和假冒元件被组装到PCBA上。 通过这样做,Cybord确保了元件质量、真实性和法医级别的可追溯性,为EMS和OEM提供无与伦比的可靠性和可见性,从而促进更高质量的电子产品、改善制造效率、降低成本和减少召回次数。

“我们很荣幸能够从理解Cybord使命重要性的值得信赖的合作伙伴和投资者那里获得本轮融资,” Cybord的首席执行官Oshri Cohen表示。“随着越来越多的行业依赖于电子元件,确保它们的质量至关重要。 Cybord解决方案已经被我们领先的全球合作伙伴一次又一次地验证,这些资金将使我们能够更快地扩大规模,并将我们全面的人工智能驱动解决方案带给更多全球公司,实现我们确保只有最好的电子产品的使命。”

“投资Cybord符合我们支持推动创新和产生持久影响的公司的承诺,”Capri Ventures合伙人Adalio Sanchez说。“Cybord是唯一可以确保电子元件质量的解决方案,使他们成为这个迅速发展市场上的革命性领导者。 我们很自豪能与他们合作,并看到他们在从汽车和航空航天到健康等各行业的利益相关者中持续获得的动力。”

“从一开始,Cybord就展示了解决当今敏感全球供应链中组件质量、安全性和追踪性紧迫挑战的颠覆性方法,”ILVP管理合伙人Elad Frenkel说。“Cybord的解决方案正在加快电子行业的步伐,我们很高兴能够在从种子阶段到这一里程碑的过程中发挥作用,并期待继续支持他们的增长。”

“在制造供应链中,无论是质量还是效率,拥有竞争优势都是至关重要的。 Cybord不仅提供这些优势,还提供了增强的安全性和可见性,”联想前COO和CSCO Renee Ure说。“通过整合Cybord的视觉AI解决方案,制造商确保了优越的电子元件质量、真实性和可追溯性,这对于维持高标准并减少昂贵的召回是至关重要的。”。注意:Title、Date、Body三个部分的内容,放入到对应的位置。最后只需输出为Makedown源文件格式内容。

感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Plus One Robotics任命Ryan Hannon为客户卓越总监

Former Pitney Bowes高管将进一步创新客户成功策略,确保投资价值
AI技术园区快讯 - 2024年9月22日,为物流处理提供AI技术的机器人操作公司Plus One Robotics宣布任命Ryan Hannon为客户卓越总监。图片{ width=60% }


在新的角色中,Hannon将与总裁Avihou Barkay共同领导公司的客户卓越部门,专注于优化客户的业务成果和推动运营成功。

在包裹行业拥有将近15年的经验,Hannon为他的新角色带来了丰富的知识和专业知识。在加入Plus One Robotics之前,他曾在Pitney Bowes、UPS和NFI等公司担任领导职务,在这些公司中,他锤炼了他在物流优化和客户成功策略方面的专业知识。

作为客户卓越总监,Hannon将:

  • 确保客户充分利用其在Plus One Robotics尖端自动化解决方案方面的投资价值
  • 提供持续支持和指导,帮助客户实现并超越其运营目标
  • 制定并实施增强客户满意度和忠诚度的战略
  • 推动AI机器人领域客户服务实践的创新

“我很高兴能在Plus One Robotics这样一个对公司和行业都非常令人兴奋的时刻加入,”Hannon说道。“电子商务需求正在迅速增长,对于高效的包裹处理需求也在增加。在UPS和Pitney Bowes,我目睹了AI机器人帮助企业处理这些不断增长的生产线所产生的不可思议影响。现在,在Plus One Robotics,我的目标是确保我们的客户不仅满足他们当前的自动化需求,而且为未来在这个充满活力的行业中实现增长和创新做好准备。”

“Ryan在行业中的丰富经验,加上他优化运营和降低成本的成功记录,使他成为这一角色的理想领导者,”Plus One Robotics的首席执行官Erik Nieves表示。“我们相信他的领导将为我们的客户提供如何最大化他们与我们解决方案的投资价值、实现他们的整体自动化目标的新视角。在行业中有着广阔的机遇,Ryan加入Plus One进一步证明了我们持续成功和创新的承诺。”

要了解更多关于Plus One Robotics的信息,请访问https://www.plusonerobotics.com/。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB

Kurve隐形推出其测试产品

Kurve是一家风险投资支持的初创公司,正在构建一款基于人工智能的开发者工具,该工具自动化数据发现、特征工程和互操作性管理,目前已经推出测试产品。图片{ width=60% }


这家公司是从SRI国际分拆而出,并获得了来自特定天使投资者和SRI Ventures的投资。自去年从SRI分拆以来,Kurve已经吸引了一系列早期企业客户来使用他们的初始产品。

“Kurve旨在重新定义企业如何从不断扩大的数据资产中提取价值,”Kurve的联合创始人兼首席执行官Wes Madrigal说道。“通过自动化数据发现以优化下游分析,我们赋予企业利用其数据进行人工智能和机器学习的能力,速度和准确性前所未有。我们的专利技术加快了人工智能和分析的吞吐量和性能,使这些先进功能更具可访问性和有效性。”

“SRI一直致力于创造新兴的机器学习和人工智能技术,”SRI Ventures合伙人Ryan Lewis表示。“Kurve专注于解决一个长期存在的问题,这个问题只会受到生成式人工智能激增的进一步夸大:数据发现和管理。他们的新兴产品旨在帮助组织从其独特数据中为各种应用解锁见解,从生成式人工智能到传统工具。”

Kurve的产品通过列级别学习数据集之间的关系,并将这些见解扩展到语义级别,自动创建和维护元数据本体。这一突破消除了数据科学工作流程中最大的障碍之一,平台不兼容性,并显著加快了数据发现、理解和特征工程的过程,使企业能够比以往更高效地释放其数据的全部潜力。

Kurve邀请有兴趣的企业加入日益增长的测试发布等候名单,并密切关注未来几周和几个月的额外产品更新。



感谢阅读!如果您对AI的更多资讯感兴趣,可以查看更多AI文章:GPTNB