来源:硅星人(ID: guixingren 123)
作者:Juny
编辑VickyXiao
图片来源:由** AI工具生成。
最近几个月，似乎每个人都在日常生活中与ChatGPT和Bard等AI机器人聊天，请它们帮助写邮件、写总结和制定计划。但是有一个普遍的现象是，一旦人们切换到工作模式，这些生成性AI工具就很少出现在大家的工作流程中，甚至被一些公司禁止使用。
AI这么厉害，为什么公司不用？
这背后的核心原因其实很简单——每个企业的数据安全和隐私问题都太重要了。没有一个企业敢把自己的“命脉”完全交给尚未成熟、被其他大公司掌控的AI。
那么，有没有办法解决这个棘手的问题，然后在企业端最大限度地发挥生成式AI的潜力呢？事实上，自2019年以来，一家名为Cohere的AI初创公司一直在密切关注这一问题，并不断提出解决方案。
长期以来，企业级生成性AI一直是一个壁垒较高的相对较小的市场，但Cohere却得到了一大批技术成熟、嗅觉敏锐的大佬和巨头的支持。目前Cohere的投资方不仅包括英伟达、甲骨文、Salesforce等巨头，还包括图灵奖得主Geoffrey Hinton、斯坦福大学AI教授李菲菲等一批圈内大腕。不久前，YouTube前首席财务官马丁·康(Martin Kon)也选择加入Cohere，担任总裁兼首席运营官。
英伟达、甲骨文、Salesforce都在押宝Cohere。
来源:Crunchbase
乘着ChatGPT爆炸的东风，Cohere的潜力在今年被越来越多的人看到，进入了估值飙升的快车道。目前已成为继OpenAI、Antropic之后，全球AIGC赛道第三大独角兽。
脱胎于Google，来自加拿大顶级AI圈。
Cohere成立于加拿大多伦多，由艾丹·戈麦斯(Aidan Gomez)、伊万·张(Ivan Zhang)和尼克·弗罗斯特(Nick Frosst)于2019年共同创立。这三个本科生都在多伦多大学主修计算机科学。按照入院时间，三人目前年龄应该都不超过30岁。
Cohere的创始团队
来源:Cohere官网
其中，艾丹·戈麦斯(Aidan Gomez)参与了谷歌大脑团队的研究，并在2017年本科期间作为署名者之一发表了题为《注意力是你所需要的全部》的论文，而这篇论文是日后著名的Transformer机器学习架构的开端，也是开发未来革命性架构如Google BERT和OpenAI的GPT的基石。
同年，艾丹·戈麦斯(Aidan Gomez)和同学伊万·张(Ivan Zhang)为. ai创立了一个非营利性的人工智能研究社区，以支持和链接全球人工智能的独立研究人员。
艾丹·戈麦斯(Aidan Gomez)本科毕业后前往牛津大学攻读计算机科学博士学位，还加入了“深度学习之父”、图灵奖获得者杰弗里·辛顿(Geoffrey Hinton)领导的谷歌AI团队，基于Transformer架构进行进一步研究。在Google Brain的Hinton团队中，Aidan Gomez认识了一直从事机器学习和认知科学研究的Nick Frosst。
在接下来的两年里，通过深入的研究，我们了解到Transformer可以扩展成一个性能优异的大规模神经网络，它在语言相关的任务中表现非常出色。包括艾丹·戈麦斯在内的一些变形金刚论文作者开始思考这背后的商业化机会。目前除了还在谷歌工作的Llion Jones，其他7位作者已经全部下海创业。
其中，艾丹·科梅斯(Aidan Comez)与尼克·弗罗斯特(Nick Frosst)和伊万·张(Ivan Zhang)共同创立了Cohere。与谷歌、微软等实力雄厚的公司投入巨资训练大模型不同，Cohere自2019年成立以来，一直专注于企业用例，试图基于不同公司的专有数据创建定制化的大语言模型。
不依赖云，做企业定制的生成式AI服务。
简单来说，Cohere的目标是成为各类开发者的默认NLP工具包，让各类开发者可以使用大型神经网络和最先进的AI来解决任何语言相关的问题，但不依赖任何公有云，让模型可以运行在私有云或本地部署中。
目前Cohere的主要产品主要集中在企业日常运营中的三个关键领域:文本生成、文本分类和文本检索，几乎涵盖了企业生产中所有与文字相关的领域。
文本生成部分主要包括总结、生成和命令模型三个产品。Summary是一个大型语言模型驱动的文本摘要生成器，可以快速地对一个文档的关键点进行归纳和总结，可以支持10万字符的输入和文本格式选项。Generate是一个内容生成器，它可以为各种目的生成独特的内容，例如电子邮件和产品描述。
接下来，我们将重点关注命令模型。Command是Cohere推出的文本生成模型，可以通过用户的个性化命令进行训练。也就是说，企业用户将自己的数据与命令结合后，可以产生一个独特的语言模型，在企业的实际业务中可以起到立竿见影的作用。
命令模型
来源:Cohere
值得注意的是，作为一个只有520亿个参数的模型，Command的准确率已经超越了之前更大规模训练的其他模型，最近被斯坦福大学的语言模型综合评估(HELM)评为全球最有能力的大规模语言模型。
来源:斯坦福大学语言模型综合评估(HELM)官网
文本检索部分包括三个产品:嵌入、语义搜索和重新排序。
对于想要构建自己的文本分析应用的机器学习团队来说，Embed可以帮助他们快速找到趋势，并支持100多种语言。语义搜索是一个强大的搜索工具。用户只需使用API就可以使用这个搜索功能。它可以支持根据查询的含义返回各种信息，而不仅仅是关键字，并且不受语言的限制。Rerank可以基于语义相关性对现有工具的搜索结果进行分析和排序，从而提供更丰富、更相关的结果，并且几乎不需要用户干预或编程经验。
文本分类部分的主要产品是Classify，它可以让用户单独组织信息，以帮助内容审核、用户分析和聊天机器人体验。例如，它可以通过快速标记不同类型的客户来提供高效的客户服务，还可以识别积极和消极的社交媒体评论，以更好地了解客户反馈。
来源:Cohere
Cohere的商业模式是先承担创建一个大型变压器神经网络的费用，然后将有需要的公司连接到这些网络上，公司将根据其使用情况付费。Cohen的主要特点是为客户提供多种数据托管选择，包括私有云、本地部署、Cohen hosting cloud等云合作伙伴AWS和Google，让用户根据自己的需求进行选择，让客户拥有对数据的控制权。
对于希望学习原型设计并成为社区一员的开发人员，Cohere提供免费和有限的使用。然而，如果你想进入生产，训练定制模型，访问所有端点并获得增强的客户支持，你将需要支付费用。目前Cohere的客户包括Spotify、Jasper、HyperWrite等。
从价格上看，在嵌入功能下，默认型号为每百万代币40美分，企业自定义型号为80美分。在生成函数下，默认模型为每百万代币15美元，自定义模型为30美元，在汇总函数下，为每百万代币15美元。
不同功能粘合剂的价格情况
来源:Cohere
不过之前科恩的定价还是比较有优势的，但是昨天OpenAI大降价之后，预计会给科恩带来不小的冲击。比如OpenAI的嵌入式模型价格直接跳水75%，每千个代币只需要0.0001美元，也就是1美元1000万个代币，远低于Cohere的。
在大佬和巨头们的支持下，Cohere进入了AIGC的第一阵营。
Cohere，瞄准企业级AI数据安全痛点，在当前AI客户端厮杀中脱颖而出，包括VC、科技巨头、人工智能领域大腕。自2021年正式进入商业化以来，Cohere的估值也在不断攀升，目前已经达到约22亿美元，在AIGC赛道上仅次于微软支持的OpenAI和谷歌支持的Anthropic。
Cohere成立之初，其人工智能学术色彩似乎更加浓厚。在科恩2021年和2022年的A轮和B轮融资中，当时的AIGC赛道投资还处于寒冬。科恩的扶持资金是谁投的？在这两轮投资榜单中，我们都看到了以下艾大榭的身影。
来源:Crunchbase
除了多伦多几位创始人直接研究的“深度学习之父”、图灵奖获得者杰弗里·辛顿(Geoffrey Hinton)，斯坦福大学教授、视觉实验室负责人李菲菲，加州大学伯克利分校教授、伯克利人工智能实验室主任彼得·阿比尔(Pieter Abbeel)，多伦多大学教授、优步驾驶技术研究中心前主任拉奎尔·乌尔塔森(Raquel Urtasun)，都是人工智能领域的学术大咖。
在本月初公布的最新一轮融资中，在AIGC的热潮中，Cohere也吸引了更多领域科技公司的关注。其中包括人工智能最强“军火商”英伟达，以及云巨头Salesforce和甲骨文。目前融资总额已达4.39亿美元。
Cohere的快速发展离不开深厚的技术背景和赛道选择。从大的模式来看，Cohere可能不是目前市场上最先进的，但他们敏锐地抓住了AIGC企业应用的痛点，在首先满足企业安全需求的前提下，可以进一步提供内容生成、摘要、搜索等领域的服务。
他们的商业模式使得大量公司无需花费大量资金建立自己的模型，就可以定制接入大规模神经网络，并且通过细分业务模块，公司可以根据使用情况付费，从而达到双赢的状态。
从Cohere的日益火爆，以及OpenAI近期的大规模降价和API升级来看，AIGC之战正在向用户端的企业战场一路蔓延。到那时，或许一场真正的AI生产力革命才会真正开始。
本网站声明:网站内容来源于网络。如有侵权，请联系我们，我们会及时处理。
温馨提示：注：内容来源均采集于互联网，不要轻信任何，后果自负，本站不承担任何责任。若本站收录的信息无意侵犯了贵司版权，请给我们来信(j7hr0a@163.com)，我们会及时处理和回复。
原文地址"英伟达撑腰+图灵奖得主投资，这家企业赛道的公司成为AI领域第三大独角兽"：http://www.guoyinggangguan.com/qkl/143633.html。
微信扫描二维码关注官方微信
▲长按图片识别二维码
