130亿美元!OpenAI 或再入局!

文章来源:半导体行业观察
原标题:《OpenAI的自研芯片,再传新进展》

图片来源:由GPTNB生成

来源:内容由半导体行业观察(ID:icbank)综合自theinfornation等。

周四,据《Information》报道称,博通公司已讨论为 OpenAI 制造一款人工智能芯片,这可能使其进一步进入英伟达公司的领域。


此后,博通公司股价上涨近 3%。

据新闻媒体报道,ChatGPT 聊天机器人的制造商 OpenAI 向博通提出了这个想法,这是该初创公司与芯片设计师进行更广泛讨论的一部分。OpenAI 的努力还包括聘请曾在谷歌 Tensor 处理器上工作过的前谷歌员工。

报告发布后,博通在纽约交易中上涨 2.9%,至 160.53 美元。受该公司蓬勃发展的人工智能设备销售提振,该公司股价今年已上涨 44%。

博通和 OpenAI 的代表没有立即回应置评请求。

尽管英伟达是人工智能支出的最大受益者,但博通也在市场上迅速取得进展。它向数据中心运营商出售一系列组件,这些运营商正在迅速扩大其设施以适应人工智能服务。博通首席执行官 Hock Tan 表示,到 2024 财年,博通的人工智能销售额将超过 110 亿美元。

与此同时,彭博社今年早些时候报道称,OpenAI 首席执行官萨姆·奥特曼一直在努力从全球投资者那里为芯片企业筹集数十亿美元的资金,计划利用这些资金建立一个生产半导体的工厂网络。

金融时报表示,OpenAI 一直在与包括博通在内的半导体设计公司就开发新芯片进行洽谈,以期减轻对英伟达的依赖并加强其供应链。

此次谈判是该公司联合创始人兼首席执行官萨姆·奥特曼 (Sam Altman) 牵头的努力的一部分,旨在加强运行日益强大的人工智能模型所需的零部件和基础设施的供应。

“人工智能的限制因素是容量:芯片容量、能源容量、计算容量。[OpenAI] 不会袖手旁观,让别人在前线开发这些,”一位了解OpenAI计划的人士表示。

Altman已与芯片制造商、微软等合作伙伴、政府机构和金融支持者进行合作,努力提高产能,并保持公司在该技术领域大规模繁荣的中心地位,这一繁荣是由这家旧金山公司于 2022 年底发布的 ChatGPT 聊天机器人引发的。

据一位了解OpenAI 与博通之间谈判情况的人士透露,谈判尚处于早期阶段,OpenAI 已经“与整个行业进行了接触”。

OpenAI 在一份回应中表示:“OpenAI 正在与行业和政府利益相关者进行持续对话,以增加对基础设施的访问,确保人工智能的好处能够广泛普及。”“这包括与顶级芯片设计师、制造商和数据中心的实体开发商合作。”

博通没有回应置评请求。

强大的半导体是顶级 AI 公司最热门的商品之一。OpenAI、微软和主要竞争对手 Anthropic 和谷歌尤其依赖 Nvidia 的尖端图形处理单元来训练和运行他们的模型。

OpenAI 短期内不太可能与 Nvidia 的技术实力相媲美,但该公司一直在探索各种方式,以便在追求通用人工智能(可以在一系列认知任务中超越人类的人工智能)的过程中变得更加自力更生。

据知情人士透露,即使得到微软 130 亿美元的支持,这家初创公司仍需要外部资金支持或商业合作才能实现其计划。

“可以公平地说,做这些事需要大量资金,”该人士表示。

参考链接
https://finance.yahoo.com/news/broadcom-gains-report-discussing-chip-201050180.html



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

5 年 160 亿估值,硅谷「企业 AI」领头羊怎么做到的?

文章来源:美漪 极客公园

Glean 希望在企业中击败 ChatGPT。
作者 | 美漪
编辑 | 靖宇

大模型引发的 AI 大战持续了两年多之后,现在所有创业团队和投资人都在问的一个问题是——适用于大模型真正的场景有哪些?或者,更重要的是,到底怎么才能获得货真价实的客户和营收?
当普通消费者依然为对话式聊天助手而感到兴奋时,AI 公司们早已经在寻找 AI 的落地场景。


例如,企业 SaaS,这个千亿美元级别赛道上挤满了 OpenAI、Anthropic、微软等 AI 新贵和科技巨头。
就在这样拥挤的赛道中,一家名为 Glean 的公司,凭借企业内部 AI 搜索产品拿下了索尼电子、Databricks 等行业巨头。

最近,这家刚刚成立 5 年的公司,在 D 轮融资中拿到了 Kleiner Perkins 和光速创投的 2 亿美元巨款,公司估值暴涨至 22 亿美元(约 160 亿人民币),成为企业 AI 赛道当之无愧的领头羊。
Glean 是怎么做到的?它的 企业 AI 搜索产品,又有什么不同凡响之处?

01

集中式 AI 搜索平台
Glean 可以看做一个 AI 企业搜索和知识管理的平台,主要功能包括:AI 搜索、知识管理、工作主页。
AI 搜索是 Glean 最核心的功能,与传统搜索相比,它的优势在于跨应用和个性化。
Glean 打造了一个深度集成的工作空间,为企业员工提供统一的界面,访问企业所有的应用程序和服务,快速搜索定位和整合零散的信息,如会议记录、支持票据、项目档案等,极大提高了查找信息的速度。
例如,用户可以在 Glean 的平台上搜索到 Slack 对话信息、Google 文档内容和 Confluence 中的信息等。
不仅如此,用户还可以在 Glean 上执行与之连接的 SaaS 应用的轻量级功能,例如在 Glean 上直接启动会议、创建 Jira 文档等等。

在企业内部集成数据的基础上,Glean 不仅整合了可实现「语义理解」的矢量搜索和关键词搜索技术,还利用 LLM 推出了生成式 AI 的搜索功能,并推出了 AI 助手。

Glean 的 AI 助手主要有三个功能:

1、AI 答案
Glean 的 AI 可以根据每位用户的具体需求、偏好和访问权限,提供定制化的搜索结果。例如不同职位、不同地理位置的员工搜索自己的 OKR 指标时,Glean 会给到每个人不同的结果。Glean 还会利用员工的活动(如点击搜索结果)来提升搜索的相关性.

2、专家检测
当检索不到信息时,Glean 还能将员工与能够帮助回答问题或完成任务的人联系起来。
员工可以通过点击「people」选项,寻找到与搜索结果相关的内部「主题专家」。例如,当用户想要搜索「员工数据保留政策」的时候,该用户可以用过「people」选项查找到工程安全部的相关负责人.

3、上下文推荐
用户选中文档等某个内容后,输入快捷键 Cmd-J / Ctrl-J 就可以查看这一内容相关的补充内容和上下文。
例如,当用户在查看「供应商安全调查问卷」文档时,就可以输入快捷键查看「销售安全文档」、「常见安全问题汇总」等链接.

此外,Glean 的 AI 助手还具有写作和编码助手的功能。例如,服务团队可以使用 Glean 生成支持票据回复.同样,它还能加快软件开发任务的速度,如查找编程最佳实践和最近的代码变更信息.
正如 Glean 创始人 Arvind Jain 所说,「Glean 是一个面向公司所有数据的 AI 平台。你可以把它想象成你公司内部的谷歌或 ChatGPT,它可以基于公司内部信息回答员工提出的任何问题,并引用源代码.」
除了搜索功能,Glean 还提供「知识管理」和「工作主页」的功能.
「知识管理」指的是用户可以分享和整合相关的文档或链接,使用全新简短形式的 URL 进行界面跳转等,以便更轻松地导航到常用资源.

而且,任何员工或者团队都可以为应用程序中的文档添加自定义的描述,便于他人快速了解文档并与他人共享.例如,HR 团队可以将员工入职相关的文档和链接整合到一个专门的集合中,便于新员工更快地了解公司.

「工作主页」则是根据用户的不同习惯,在主页呈现个性化的功能模块,包括公司公告、员工目录、日历等,用户还可以将重要项目固定到搜索结果的顶部.

可见,Glean 可以在一个集中的 AI 平台上连接、保护、索引和理解客户的企业数据,这不仅极大地提升了信息检索的效率,还使得企业内部的信息和知识更加易于管理和利用.
对此,Glean 创始人 Arvind Jain 表示,「通过这些功能强大的更新,Glean 将企业搜索提升到了一个新的高度.我们正在提供一种辅助系统,使企业用户不仅能与公司知识保持联系,还能相互联系,从而在日益复杂的数字工作环境中推动前进.」

02

让企业放心用 AI
Cisco(思科)最近的一项调查发现,超过四分之一的企业因隐私和数据安全风险而禁止使用 GenAI.在民意调查中,企业表示他们担心 GenAI 工具会泄露他们的 IP 或可能向公众或竞争对手披露其他敏感信息.
对此,Glean 公司首席执行官 Arvind Jain 表示,「企业领导者已经看到了 ChatGPT 在消费领域的威力,并渴望利用其潜力来显著提高工作场所的生产力和绩效.但企业数据非常复杂,需要克服的障碍很多,包括通用大模型存在的幻觉和数据泄漏的风险.如果部署不当,就有可能犯下代价高昂的错误.它需要建立在正确的搜索基础上,才能真正发挥价值.」
他还补充道,「Glean 是唯一一家解决了如何将企业知识与 LLM 的推理能力结合起来,在工作中提供准确、安全的对话式 AI 体验的公司.」
那么,Glean 是如何做到「准确」、「安全」的?
答案是帮企业用自己的数据训练企业专属的生成式 AI 模型.
而这一模型的基础就是 Glean 历时 4 年研发的「可信知识模型」.该模型不仅了解搜索内容,还了解上下文、人与人之间的关系、公司内部语言以及隐私和安全参数等,因此可以满足与企业需求相匹配的准确性、安全性和参考能力.
「可信知识模型」围绕三大支柱展开:

公司知识和上下文:
Glean 通过 100 多个连接器,连接到客户公司的所有应用程序,抓取数据源,再通过把所有元数据编制索引,通过全面梳理并深度理解,企业的内部语言、内部关系、内容活动等,为每个客户建立了一个独特的企业「知识图谱」作为「搜索索引」,从而确保搜索答案的个性化和相关性.
「知识图谱」不仅权衡了每条信息之间的直接联系,还权衡了无数其他信号和关系,比如能够识别细微差别,这使搜索引擎的知识更加完整,使生成式 AI 不断学习和改进,提高搜索相关性.

权限和数据管理:
Glean 的数据安全措施符合最高行业标准,客户个人信息的维护和保护符合欧盟《通用数据保护条例》(GDPR)的规定.
Glean 采用了准确的数据访问权限与数据加密.比如,Glean 遵守公司数据源中设置的权限规则,会进行用户访问审查以执行最小特权原则.这意味着,无论是 Slack、Teams、Jira、ServiceNow 等,员工都只能根据他们被授权访问的数据来获取答案.
同时,Glean 通过对所有数据均使用 AES 256 进行静态加密,所有数据在传输过程中均使用 TLS 1.2+ 加密等控制措施,来限制数据外泄风险.当用户在底层应用程序中删除文档时,该文档也会从 Glean 系统中同步删除.
此外,Glean 还提供可扩展的基础设施和审核工具,以确保敏感数据按预期使用.

完全可参考性:
Glean 可以显示每条信息的来源以及每个响应是如何生成的.用户可以清楚地知道每条信息的来源,以及谁对此负责.
因此,当公司员工进行基于自然语言的查询时,Glean 的 AI 助手会通过利用生成式机器学习模型,对其进行理解和分析,再使用公司专属的 AI 搜索引擎和以及检索增强生成(RAG:Retrieval-augmented Generation)技术来检索最相关、最新的信息,最后将这些信息数据输入大型语言模型 (LLM),根据公司的内部「知识图谱」,基于员工访问权限,为其提供「准确」、「安全」的搜索结果.
尽管,Glean 正在混合使用大型语言模型输出搜索答案,包括 OpenAI 的 GPT-4 和谷歌的转换器模型 BERT 等,但 Glean 官方表示,「鉴于企业的生成式 AI 模型是定制的,因此企业的任何数据都不会被用于训练这些公开的模型,并使外部组织受益,甚至事实上根本不会被保留.」

可见,Glean 相当于一个既了解公司情况又了解每位员工偏好的助手,搜索的回答是以「可信知识模型」为基础,让所有信息都安全私密、准确可追溯.
不仅「准确」、「安全」,Glean 的部署使用也十分「方便」.
Glean 提供 Glean Apps 和 Glean API,企业用自然语言就能在任何需要的地方创建自定义 AI 应用程序,或者创建定制的 AI 助手、协同机器人、聊天机器人和代理,并将其集成到他们的工作流程中,数天内即可投入运行.

对此,Glean 创始人 Arvind 表示,「Glean 的初步设置时间不超过两小时,并且不需要任何工程技能或手动微调即可部署.无论是通过网络应用、新标签页、侧边栏搜索、原生搜索还是 Slack 命令,Glean 都提供了无缝的工作流程集成.」

03

拥挤的企业 AI 赛道
Glean 由云数据管理公司 Rubrik 的联合创始人 Arvind Jain 发起,其灵感来自于 Jain 的观察:Rubrik 的员工经常难以找到工作所需的信息,其他公司的员工也因同样的问题而苦恼.
2019 年,Jain 与谷歌、微软和 Meta 的前员工一起组建了一个小型创始团队,在硅谷中心帕洛阿尔托,建立了面向企业客户的 AI 搜索应用 Glean.
随着生成式 AI 的发展,Glean 成长转型为业界领先的 GenAI 解决方案提供商,致力于「为人们提供改变世界所需的知识」.

事实上,企业搜索在市场上并不是一个完全创新的概念,Glean 有不少竞争对手,主要包括一些提供类似服务的大公司和其他初创公司,像是 Microsoft SharePoint Syntex、Amazon Kendra、Google Cloud Search、Coveo、Elastic、Lucidworks 等.
但是,Glean 首次成功创建了全面解决方案,通过其独特的 AI 模型和个性化服务,在简化部署和操作流程方面领先于这些竞争对手.
Glean 商业模式为纯 ToB 的模式,并向企业客户提供了两种不同的计费方式.
一种是基于每月每位用户(per-seat)的收费模式,

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

芯片暴跌,全怪特朗普

据路透社报道,周三,华尔街半导体指数市值蒸发逾 5000 亿美元,创下 2020 年以来最糟糕的一个交易日。

之所以芯片会出现暴跌,部分归因于此前的报道称,美国正在考虑加强对中国先进半导体技术的出口限制。


与此同时,美国共和党总统候选人唐纳德·特朗普表示,台湾作为芯片生产中心应当向美国支付保护费。因为根据他的观点,台湾抢走了美国的芯片业务,此举加剧了芯片类股的抛售。…

美国芯片巨头,纷纷下跌

虽然美国过去一段时间都在加强对中国的芯片限制,但美国芯片厂商依然在合规的前提下,继续支持其中国客户,这在某种程度上支持了美国芯片的大涨。统计数据显示,费城半导体指数在 2024 年仍上涨 30%,表现优于标准普尔 500 指数17%的增长。…


美国芯片制造商,唯一赢家?

在芯片公司大跌之际,唯有英特尔和格芯这些美国本土晶圆制造商收货利好。

数据宣示,英特尔公司和格罗方德公司周三上涨,不受芯片公司普遍抛售的影响,因为投资者猜测这两家公司可能受益于拜登或特朗普政府的新政策。英特尔股价一度上涨 8.2%,Globalfoundries 股价上涨 14%。

Dakota Wealth Management 高级投资组合经理罗伯特·帕夫利克 (Robert Pavlik) 表示:“特朗普的言论让英特尔受益,英特尔在美国确实拥有制造能力,因此它将是受益者。”

从逻辑上其实可以很简单了解这件事。从特朗普政府到拜登政府再到可能的特朗普政府,他们一直在坚持的一件事就是推动芯片的本土制造,而英特尔和格罗方德作为美国仅有的两家本土芯片制造公司,他们的利好显而易见。

目前,英特尔代工厂获得了 85 亿美元的美国《芯片法案》补贴和高达 110 亿美元的贷款,英特尔旗下独立管理的部门英特尔代工厂正在推进其计划,力争到 2030 年成为仅次于台积电的第二大代工厂商。

迄今为止,该公司已宣布在美国建立四个新工厂,其中两个位于亚利桑那州,两个位于俄亥俄州。

位于亚利桑那州钱德勒的两座工厂——英特尔的 Fab 52 和 Fab 62——自 2021 年初 Gelsinger宣布以来取得了最大的进展。截至 2023 年 12 月,英特尔透露工厂的混凝土上层建筑工程已经完工。施工队目前正在安装自动化物料搬运系统,英特尔将其描述为用于运输晶圆的“自动化高速公路”。

该晶圆厂预计将于今年晚些时候或 2025 年初投产,并计划生产基于英特尔下一代 Angstrom 时代工艺技术的芯片。当中包括面向大众市场Intel 18A 节点。…


写在最后

如ASML 前CEO所说,中美之间的芯片竞争会持续一段时间,这应该是全球大多数人的共识。但是,日本、荷兰和韩国等美国盟国似乎对继续加强对中国的芯片限制,没有太多兴趣。据知情人士透露,东京政府官员已表示不会强制执行此类措施。日本经济产业省和荷兰外贸部代表均拒绝置评。

中国外交部发言人林剑更是直言,中方已多次就美国恶意封锁打压中国半导体产业表明严正立场,美方将经贸科技问题政治化、泛安全化、工具化,不断加码对华的芯片出口管制,胁迫别国,打压中国半导体产业,严重破坏国际贸易规则,损害全球产供链稳定,不利于任何一方。中方对此一贯坚决反对。林剑称,希望相关国家明辨是非,坚决抵制胁迫,共同维护公平开放的国际经贸秩序,真正维护自身的长远利益。

在笔者看来,当前的半导体股票市场,还有一个不确定因素,那就是在AI推动下,英伟达的股价已经屡创新高,它是否会破灭?何时破灭?会成为影响芯片股票未来的一个关键因素。

最后提一下,在这波动荡中,费城半导体的 30 个成分股中,除了 5 个股票以外,其余均下跌。

参考链接

https://www.reuters.com/markets/us/chip-stocks-tumble-fears-tighter-us-curbs-sales-china-2024-07-17/
https://www.bloomberg.com/news/articles/2024-07-17/us-considers-tougher-trade-rules-against-companies-in-chip-crackdown-on-china
https://www.ft.com/content/6bc103f8-b6ba-4137-beae-6222827b297f
https://finance.yahoo.com/news/tokyo-electron-leads-japan-tech-043937055.html
https://www.cnbc.com/2024/07/17/global-chip-stocks-from-nvidia-to-asml-fall-as-geopolitics-trump-weigh.html
https://www.bloomberg.com/news/articles/2024-07-17/intel-globalfoundries-defy-chip-slump-sparked-by-policy-worry?srnd=technology-vp
https://www.theregister.com/2024/04/16/intel_foundry_vision/
https://www.nytimes.com/2024/02/19/business/economy/biden-administration-1-5-billion-chipmaker-globalfoundries.html

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

芯片暴跌,全怪特朗普

据路透社报道,周三,华尔街半导体指数市值蒸发逾 5000 亿美元,创下 2020 年以来最糟糕的一个交易日。

之所以芯片会出现暴跌,部分归因于此前的报道称,美国正在考虑加强对中国先进半导体技术的出口限制。


与此同时,美国共和党总统候选人唐纳德·特朗普表示,台湾作为芯片生产中心应当向美国支付保护费。因为根据他的观点,台湾抢走了美国的芯片业务,此举加剧了芯片类股的抛售。

路透社表示,近年来,美国政府对美国半导体制造业采取了更具保护性的立场,认为该行业对于与中国竞争具有重要的战略意义,这让芯片投资者产生了最新的担忧。

在这波动荡中,费城半导体的 30 个成分股中,除了 5 个股票以外,其余均下跌。

参考链接:



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

130亿美元!OpenAI 或再入局!

文章来源:半导体行业观察
原标题:《OpenAI的自研芯片,再传新进展》

图片来源:由GPTNB生成

来源:内容由半导体行业观察(ID:icbank)综合自theinfornation等。

周四,据《Information》报道称,博通公司已讨论为 OpenAI 制造一款人工智能芯片,这可能使其进一步进入英伟达公司的领域。


此后,博通公司股价上涨近 3%。

据新闻媒体报道,ChatGPT 聊天机器人的制造商 OpenAI 向博通提出了这个想法,这是该初创公司与芯片设计师进行更广泛讨论的一部分。OpenAI 的努力还包括聘请曾在谷歌 Tensor 处理器上工作过的前谷歌员工。

报告发布后,博通在纽约交易中上涨 2.9%,至 160.53 美元。受该公司蓬勃发展的人工智能设备销售提振,该公司股价今年已上涨 44%。

参考链接

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

业内:若AI不能让企业赚钱 英伟达商业模式或"崩溃"

文章来源:网易科技

图片来源:由GPTNB生成

7月22日消息,在第47届韩国商工会议所济州论坛上,韩国商工会议所会长、SK集团董事长崔泰源向与会者发出警示,若企业不能通过人工智能技术赚钱,英伟达的商业模式可能会“崩溃”。

崔泰源在论坛上表示:“如果AMD、Arm等竞争对手能以更低的成本提供高品质的芯片,英伟达的商业模式可能会面临严峻挑战,甚至有崩溃的风险。


”他还将当前的人工智能热潮比作19世纪中叶的加州淘金热,并预测英伟达在未来三年内有望继续维持其市值巅峰地位,就像淘金热时期的铁镐和牛仔裤制造商一样繁荣。

然而,崔泰源也提醒大家:“淘金热总有结束的一天,当黄金不再容易获取时,挖掘工具便失去了市场。同样,如果人工智能行业不能持续盈利,这股热潮可能会迅速退去,重蹈淘金热的覆辙。”

几周前,崔泰源前往美国,与亚马逊、英特尔、微软及Open AI等科技巨头的高层进行了深入交流。今年四月,他还与英伟达首席执行官黄仁勋会面。崔泰源指出:“美国的大型科技公司对我们的半导体和能源解决方案构建的高效人工智能数据中心表现出了强烈需求。尽管我们不可能提供AI数据中心所需的所有组件,但我们将利用自身的技术和材料优势,致力于打造更高效的人工智能数据中心。”

英伟达借助于2023年数据中心GPU的创纪录销量,上月一度成为全球市值最高的公司,尽管市场调整后其股价有所下滑,但仍然稳居全球市值前三。鉴于人工智能发展的强劲势头未见放缓,我们有理由相信英伟达将在可预见的未来继续保持其行业领先地位。

然而,值得注意的是,培训新一代大型人工智能语言模型的成本正在以惊人的速度增加。Anthropic首席执行官达里奥·阿莫代伊(Dario Amodei)透露,目前进行中的模型训练成本已达数十亿美元,预计到2025年将出现耗资千亿美元的模型。人工智能开发成本的激增已引起金融机构如高盛的关注,他们开始质疑人工智能的过度炒作和巨额投资是否能够带来相应的回报。

虽然人工智能已成为现代社会不可或缺的组成部分,其未来发展依然取决于企业是否能找到这一技术的盈利方式。如果找不到可持续的盈利模式,人工智能的竞争可能会演变成一个泡沫,并最终破裂。在这种情况下,专为支持人工智能进程而设计的硬件投资可能会大幅下降,英伟达其业务或将受到波及。

然而,业内人士并不认为“绿队”(即技术开发者)会因此退缩。回顾英伟达的历史,其创始人黄仁勋在创业之初,人工智能尚未崭露头角。英伟达始终拥有稳固的游戏行业基础作为其核心市场,其芯片在多样化应用中持续展现价值。

然而,英伟达面临的主要挑战来自其竞争对手。虽然AMD已经制造出一些性能良好的GPU,但在超采样技术方面仍有不足,FSR 3.0技术被认为仍然落后于DLSS 3.5,但AMD正在迅速追赶。同时,英特尔也在GPU市场上取得进展,其Arc GPU和XeSS超采样技术正在改变市场竞争格局。

只要英伟达能继续提供无与伦比的性能,个人和机构客户就会继续购买其产品。但其竞争对手并未放慢脚步。随着微软、亚马逊、谷歌和OpenAI等AI巨头加大对自主硬件研发的投资,英伟达在AI加速领域的领先地位可能会面临前所未有的挑战。

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

获得5000万美元融资的K Health如何通过AI提供个性化医疗服务?

“行业观察者”是我们针对人工智能、XR、元宇宙和Web3等前沿科技而设立的专栏,主要分享这些领域中的新兴企业或者创业者们的故事。K Health是一个利用人工智能技术来提高医疗诊断准确性和患者护理效率的系统。


通过分析大量的医疗数据,K Health能够帮助医生做出更加精准的治疗决策,同时为患者提供个性化的健康建议。K Health融资5000万美元的背后有何魅力?以下是我们的第19期内容,以下Enjoy。

随着全球人口的增长和老龄化,慢性病的发病率不断上升,医疗需求日益增加。然而,医疗资源的分布不均和医疗成本的不断攀升,使得许多患者难以获得及时和高质量的医疗服务。在这种情况下,K Health的创立极大地缓解了患者就医难的问题。凭借其先进的AI技术,短短几年时间,K Health就吸引了超过1000万用户,连接全美48个州的医生,提供精准诊断和个性化治疗,带来一场医疗领域的变革。

01. 1分钟项目速览

  1. 项目名称:K Health
  2. 成立时间:2016年
  3. 产品简介:K Health通过分析医生记录、实验室结果、治疗方法、处方等组成的数据集,借由人工智能聊天机器人告知用户其健康问题,以及该如何被诊断和治疗,并给出相应的就医路线。
  4. 创始人团队:
    • CEO:Allon Bloch
    • CPO:Ran Shaul
    • CMO:Neil Brown, MD
    • CTO:Ashok Balakrishnan
    • GC:Chen Yehudai
    • CFO:Yaron Savoray
  5. 融资情况:
    • 2018年7月完成了1250万美元的A轮融资,同年12月获得了2500万美元的B轮融资;
    • 2020年2月27日,K Health完成了4800万美元的C轮融资,由14W和Mangrove Capital领投,Anthem、Lerer Hippeau和Primary Venture Partners跟投;
    • 2024年7月,获得由Marcelo Claure的Claure Group领投的5000万美元融资。

02. AI医疗的革命者

公司的创立背景可以起源于创始人Allon Bloch和Ran Shaul对医疗行业的深刻洞察。越来越多的人们认识到,随着医学知识的不断进步、医学技术的不断更新,传统的面诊方式已无法满足大多数患者的需求。K Health的创办理念十分简单:利用先进的人工智能技术,使医疗诊断更加精准,患者护理更加高效。在这个愿景的驱动下,公司于2016年成立,致力于通过整合大数据、机器学习和自然语言处理等技术,提供更智能、更个性化的医疗解决方案。

Image

公司的核心团队是由一群经验丰富的医疗专家和顶尖的人工智能工程师组成,共同致力于解决医疗领域中的实际问题,如疾病预测、病程管理、药物反应预测等。K Health团队表示,“我们的使命是让每个人都能享受到高质量的医疗服务。”为了实现这一目标,公司不断推动技术创新,开发出一系列智能诊断工具和患者护理平台。这些工具不仅能够辅助医生进行更准确的诊断,还能帮助患者更有效地管理自己的健康。K Health近日获得了5000万美元的融资,有了这笔资金,公司将能够帮助更多的人获得更满意的健康保障。

03. 用户体验的两极分化

自K Health推出以来,已有超过1000万人使用其人工智能技术与平台进行互动,其中310万人选择与医生或护士进行聊天咨询。这样极高的用户参与度显现出了K Health在提供便捷医疗服务方面的巨大潜力。然而,尽管用户数量庞大,针对平台使用的评价也呈现出两极分化的趋势。

大多数用户对K Health的服务感到满意,特别是在与AI对话后进行线上医疗访问。

Image

当前,约有70%的用户在完成与AI的对话后,选择继续进行线上医疗访问。这一数据表明,K Health的AI系统在初步诊断和用户信任建立方面表现出色。但在TrustPilot和其他一些平台上,部分用户对K Health提出了负面评价,主要集中在在线治疗的局限性。一些用户感到沮丧,因为他们在在线咨询过程中无法获得需要的治疗或药物。例如,有用户表示被禁止使用必要的抗生素,或者在需要更详细的医疗检查时被告知需要面对面就诊。

针对上述问题,K Health的家庭医学医生兼绩效总监Stephanie Foley解释说,低抗生素处方率是有意为之,因为大多数咳嗽和感冒由病毒引起,抗生素无效。同时,一些用户在在线咨询后被建议进行面对面的医疗服务,如急诊室、紧急护理或专家诊疗。虽然这种转诊是一种医疗服务,但用户往往对这种建议感到失望,尤其是在他们付费后期待能在网上解决问题。

对此,K Health的创始人Bloch表示,“K Health在约5%的情况下会向客户退款,这与传统医疗服务相比更为灵活,对用户来说更为友好。”除了诊断体验外,用户也在持续关注K Health对使用者数据的保护和隐私处理。公司通过匿名化处理症状检查器和就诊过程中收集的所有数据,以保护用户隐私。与医生或护士的聊天记录符合《健康保险隐私及责任法》(HIPAA)的要求,确保数据安全和用户隐私不受侵犯。

Image

K Health一直以来都在不断收集正负面评价并分析用户反馈,持续改进其平台和服务,以更好地满足用户需求,提升用户体验。用户的互动数据不仅帮助公司优化其AI模型,还为开发新功能和服务提供了宝贵的参考。例如,2020年,K Health从梅奥诊所获得了包括530万患者记录的大型匿名数据集,这些数据帮助公司开发了用于高血压个性化治疗方案的预测算法。高血压患者众多,传统的医疗体系往往难以为每个患者提供充分的关注和个性化服务。通过AI技术,K Health能够大幅提升医疗服务的效率和质量,减轻医生的工作负担,使他们能够将更多时间和精力投入到复杂病例的诊治中。同时,患者也能获得更及时和高效的医疗服务。

04. AI医疗的全球化浪潮

时至今日,AI技术正在不断提高医学研究、诊断和治疗水平,以此带来更好的医疗效果,并不断提高医疗服务的生产力和效率。

Image

2022年,人工智能医疗行业的市场规模为151亿美元。随着人们对用AI驱动的解决方案的需求不断增加,在未来几年,全球人工智能医疗市场也将大幅增长,预计在2030年达到惊人的1879.5亿美元。市场的增长还将催生新兴人工智能医疗技术的发展。

K Health的首席执行官Allon Bloch说:“人工智能未来有可能实现某些诊断和治疗过程的自动化。”尽管AI医疗行业目前也存在着监管不确定性、数据质量问题和医生抵制等挑战,但人工智能技术必然会像Allon Bloch所想的那样,不断增加新功能、实现新突破,循序渐进地改变我们诊断、治疗和预防疾病的方式,从而开启AI驱动医疗的新时代。

用AI开启“新”医疗革命

将人工智能融入医疗保健领域是一个复杂而持续的过程。在漫长的时光里,K Health的使命从来没有改变过——让每个人都能获得高质量的护理。随着新一轮资金的注入,K Health计划继续加强其人工智能,用于在个性化初级保健中扩展临床AI。同时,它也正关注着预防性医疗在未来的市场机遇,致力于将生成式AI应用在预防型医疗保健服务上。此外,K Health还与包括Cedars-Sinai在内的卫生系统合作,制定了一项结合面对面与虚拟交互的初级保健纵向护理计划。考虑到美国的人口基数,在初级保健并未全面普及的现状下,现实医疗与虚拟医疗的合作方式必定是潜力无限的。K Health的野心不止在医疗层面,基于业务拓展与公司可持续发展的可能性,它也在为未来潜在的IPO做准备。

“K Health是我见过的第一家成功使用人工智能影响数百万人生活的公司。他们正在大规模提供更快、更高质量、更低成本的护理,以此来应对医疗保健面临的最大挑战。”Claure Group创始人兼首席执行官Marcelo Claure表示。这也是人工智能充斥在各行各业的今天,K Health能用实际行动推动AI医疗的切实进展,从而赢得广大投资人青睐的原因所在。总体而言,人工智能在医疗保健领域的前景十分光明。但是,我们必须意识到与这项技术相关的挑战和风险。就像K Health从始至终坚持的理念那样,通过共同努力,最终确保人工智能用于改善每个人的医疗保健。

参考链接:
1. K Health官网
2. K Health在AI领域的革命
3. K Health获得5000万美元融资
4. K Health完整报告

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

Botdoc与KPA合作打造完整合规解决方案

Botdoc与KPA合作提供了安全的方式,为汽车零售商提供端到端加密的方式传输机密信息
Botdoc是端到端加密通信的先驱,今天宣布已与合规软件和解决方案领导者KPA合作,为汽车经销商提供一种经济实惠、无缝且符合FTC标准的解决方案,以管理其消费者数据。图片{ width=60% }


通过这一合作,将确保为经销商提供完整的合规解决方案,帮助他们应对最近发生的数字文件操作中断和车辆交易网络攻击所带来的影响。
“最近的网络攻击迫使数千家汽车零售商中断其后勤操作,这不仅仅是个头疼的问题”,Botdoc首席执行官卡尔·福克说。“这一事件不仅仅是对网络风险相关危险的重要提醒,还说明了汽车经销商在业务连续性计划方面往往存在漏洞,除了潜在的罚款和网络风险外。”通过与KPA的合作,Botdoc提供了一种安全的方式,为汽车经销商提供端到端加密的方式传输机密信息,通过其两个产品版本:Botdoc Lite和Botdoc Connect。这些解决方案为汽车经销商提供了一种简单、安全和高效的信息交流方式,以确保合规性并创建运营效率。
Botdoc Lite使经销商的员工可以通过一个安全链接发送和收集客户文件,无需密码或登录,可在电子邮件签名块、文本快捷方式甚至社交媒体中使用。
Botdoc Connect比Botdoc Lite提供了更多功能,可以将客户信息直接自动填充到CRM中,无需手动输入数据。此外,客户文件(驾驶执照、保险、交易条款等)会自动安全地附加到CRM中客户的个人资料中,消除了经销商员工的额外步骤和摩擦。
“KPA致力于工作场所和员工合规性,包括保护客户和员工信息,这就是我们与Botdoc合作为我们的汽车客户提供安全信息交换的原因,”KPA总裁克里斯·范宁说。“汽车经销商可以通过投资于合规软件(如KPA的Vera Suite)和Botdoc的安全文件管理工具,减少网络威胁,推动效率,增强信任,并最终在日益竞争的市场中取得长期成功。”
KPA服务于全国1.5万家汽车经销商,一直致力于保障经销商的安全与合规性。借助Vera Suite软件和咨询服务,KPA为汽车界提供涵盖前台和后台的完整合规性,确保环境、健康和安全,以及人力资源、广告、销售和财务合规性。与Botdoc合作将KPA的全面解决方案拓展至客户和经销商之间的安全数据交换。
这一综合解决方案已立即提供给最近受网络干扰影响的任何汽车经销商,他们将有资格获得三个月的Botdoc Lite免费试用。更多信息,请访问 https://botdocauto.com/botdoclitekpa/。



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

专访诺奖得主:大模型是记忆还是理解?

物理学家理查德·费曼曾将自然世界比作众神的游戏,比如国际象棋——我们不知道游戏规则,但却可以观察棋盘,也许只是其中的一角,然后根据这些观察,试图找出游戏规则。
费曼的比喻,道出了科学研究的核心,也生动描绘了许多经济学家的工作,他们同样致力于从纷繁复杂的经济现象中,洞悉隐藏的模式和规律。


当我们谈及人工智能,尤其是近年来蓬勃发展的大模型,似乎也能看到同样的影子。以数据为中心的人工智能(Data-Centric AI)正在改变着人类组织和解释信息的方法,并在某些领域展现出改变信息获取方式的潜力。那么,大模型能否像伽利略、牛顿、爱因斯坦一样,从数据中提炼出全新的理论,实现真正的科学发现?
对此,2011 年诺贝尔经济学奖得主托马斯·萨金特(Thomas J. Sargent)教授认为,人工智能和机器学习的核心理念可以追溯至伽利略时代,都是通过构建世界模型并基于模型进行预测和决策。机器学习作为人工智能的关键组成部分,通过数据驱动的方式实现了这一过程。
萨金特教授在写于 2023 年 10 月的工作论文《Sources of Artificial Intelligence》中表示,他所理解的「人工智能」,是指那些旨在完成「智能」任务的计算机程序,而这些任务过去是由像伽利略、达尔文和开普勒这些拓展了人类认知边界的先驱完成的。很多机器学习技术利用数据、概率论和微积分来推断模式,而设计机器学习芯片、算法和代码的程序员,则是在再现(copy)伽利略的自由落体实验。
带着对人工智能和科学发现的疑问,以及对诺贝尔经济学奖得主独特视角的期待,机器之心在 2024 罗汉堂数字经济年会上对萨金特教授进行了独家专访。

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

ICML 2024 Oral | DPO是否比PPO更适合LLM,清华吴翼团队最新揭秘

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年,机器之心AIxiv专栏接收报道了2000多篇内容,覆盖全球各大高校与企业的顶级实验室,有效促进了学术交流与传播。


如果您有优秀的工作想要分享,欢迎投稿或者联系报道。投稿邮箱:liyazhou@jiqizhixin.comzhaoyunfeng@jiqizhixin.com

吴翼,清华大学交叉信息院助理教授,曾任 OpenAI 全职研究员,研究领域为强化学习,大模型对齐,人机交互,机器人学习等。2019 年在美国加州大学伯克利分校获得博士学位,师从 Stuart Russell 教授;2014 年本科毕业于清华大学交叉信息院(姚班)。其代表作包括:NIPS2016 最佳论文,Value Iteration Network;多智能体深度强化学习领域最高引用论文,MADDPG 算法;OpenAI hide-and-seek 项目等。

如何让大模型更好的遵从人类指令和意图?如何让大模型有更好的推理能力?如何让大模型避免幻觉?能否解决这些问题,是让大模型真正广泛可用,甚至实现超级智能(Super Intelligence)最为关键的技术挑战。这些最困难的挑战也是吴翼团队长期以来的研究重点,大模型对齐技术(Alignment)所要攻克的难题。

对齐技术中,最重要的算法框架就是根据人类反馈的强化学习(RLHF, Reinforcement Learning from Human Feedback)。RLHF 根据人类对大模型输出的偏好反馈,来学习基于人类反馈的奖励函数(Reward Model),并进一步对大模型进行强化学习训练,让大模型在反复迭代中学会辨别回复的好坏,并实现模型能力提升。目前世界上最强的语言模型,比如 OpenAI 的 GPT 模型和 Anthropic 的 Claude 模型,都极其强调 RLHF 训练的重要性。OpenAI 和 Anthropic 内部也都开发了基于大规模 PPO 算法的 RLHF 训练系统进行大模型对齐。

整体内容转化为以上Makedown源文件格式。

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