创始人31岁,公司成立仅2个月,一家AI公司天使轮获得近20亿元投资,投资机构包括了最头部的几家VC,如红杉资本、今日资本、砺思资本等。
这家公司名字听起来有些特别:月之暗面(Moonshot AI),由清华大学交叉信息学院、智源青年科学家杨植麟领衔创立于2023年4月,公司总部设立在北京,同时在上海临港设有分公司。
近日,这家明星大模型公司完成创业首秀,宣布在“长文本”领域实现了突破,推出了首个支持输入20万汉字的大模型moonshot,以及搭载该模型的智能助手产品Kimi Chat。
创始人杨植麟表示,“目前,团队成员在50人左右。首轮融资及接下来的新一轮融资,都将主要用于技术产品的研发,以及团队扩展上。”
今年6月,The Information评选了五家最有可能成为中国OpenAI的公司,其中月之暗面(Moonshot AI)就位列其中。
一家如此年轻的创始团队,为何被资本和业界一致寄予厚望?我们从其创始人经历,以及其对公司的业务规划、行业的思考等层面来进行一一展现。
01
清华毕业时成绩年级第一
师从苹果AI研究负责人
曾在Google人工智能实验室工作
创业新人杨植麟是典型的学院派创业者。相比王小川、王慧文这些互联网时代的风云创业者,杨植麟在公众中的知名度稍逊。但在AI圈和创投圈眼中,他在这一波大模型创业浪潮中的关注度丝毫不弱于前二者。
杨植麟
原因之一是,杨植麟在AI圈子中的履历堪称翘楚。
早在高中时期,杨植麟就表现优异,他在没有任何编程基础的情况下,被选拔进信息学奥林匹克竞赛培训班,最终顺利通过竞赛保送清华大学。
清华求学时,杨植麟师从清华大学计算机系知识工程实验室(KEG)带头人、智源研究院学术晶院长、悟道项目负责人唐杰教授。最终他以满分成绩通过所有程序设计课程,并以年级第一的成绩毕业。
根据机器之心此前的报道,2015年从清华计算机系毕业后,杨植麟前往美国卡内基梅隆大学攻读博士,师从苹果AI研究负责人Ruslan Salakhutdinov和谷歌首席科学家William Cohen。
博士期间,杨植麟先后以一作身份,发表Transformer-XL和XLNet两项工作,谷歌学术被引次数近两万。Transformer-XL成为首个全面超越RNN的注意力语言模型,论文成为NeurIPS 2019与ACL 2019的最高引论文之一;XLNet则在20项任务上超越谷歌BERT模型,一鸣惊人。
除开学术成果,杨植麟的职业经历也是AI圈中的“顶配”。根据GitHub上的个人资料,杨植麟曾在Google和MetaPlatforms的人工智能实验室工作。在创立Moonshot AI前,杨植麟还与他人共同创立了循环智能(Recurrent AI),红杉中国也对该公司进行了投资。
杨植麟的学术和创业实践背景,让月之暗面(Moonshot AI)成为了投资机构追逐的明星项目。在公司成立的前两个月,融资的消息就流传出来了。
据杨植麟介绍,公司的名称来源于自己最喜欢的英国摇滚乐队发行的专辑《The Dark Side of The Moon》(月之暗面),月之暗面是月亮的背面,令人好奇和向往。摇滚精神是其公司很重要的一个底色。
杨植麟认为,公司最主要的一个特色其实是人才密度。“我们希望通过这种很高的人才密度以及组织力量,能够打造一个很快迭代的组织机器,让人才能够快速基于我们现有和未来发展出的技术,开发出比较好的产品。”
据了解,月之暗面(Moonshot AI)创始团队核心成员参与了Google Gemini、Google Bard、盘古NLP、悟道等多个大模型的研发,多项核心技术被Google PaLM、Meta LLaMa、Stable Diffusion等主流产品采用。
而一位行业内人士指出,市场上大模型相关的人才非常稀缺,真正有相关经验、有计划有认知、愿意创业且在合适的年龄的人其实并没有那么多,在算法创新方面的人才稀缺程度则比之更甚。这也是月之暗面(Moonshot AI)被资本热捧的重要原因。
02
首创20万字超长输入
以此为切口构建大模型竞争力
月之暗面(Moonshot AI)首秀产品有何特别?
当前大模型输入长度普遍较低的现状对其技术落地产生了极大制约,例如:目前大火的虚拟角色场景中,由于长文本能力不足,虚拟角色会轻易忘记重要信息。
月之暗面(Moonshot AI)观察到了“大模型输入长度受限带来的应用困难”,据杨植麟介绍,大模型moonshot支持20万字超长输入。“据我们所知,全球其他家目前还没有(支持这么长的文本的大模型产品)。”
杨植麟表示,做长文本,不管是存储、算力还是带宽,消耗其实都非常大。做长文本只是其“登月计划”的第一步,先从长文本入手克服困难。“当我们去看计算机系统发展史,一个必然的趋势是,都是从最开始的很小内存的计算机服务,再到很大的内存的服务。所以我觉得大模型肯定也是会有一样的趋势,从现在很少内存的大模型,到以后的很大内存。而且这个可能是决定模型的应用最关键的因素之一,我们是觉得这里面它的重要性其实非常大,另一个是刚刚说到的参数量。当AI计算足够复杂时,需要有足够大的内存来管理这个过程。我们要去真正克服这些困难,在这里面做了算法的优化。”
换言之,当大家都在拼AI的处理器时,他还把目光瞄向做大AI的内存。
据杨植麟介绍,moonshot可实现完整的上下文接入,不管是50个文档还是10个链接,可以同时对这些内容去进行处理。以Kimi Chat的一些实际使用为例,他进行了详细介绍。
来源:月之暗面(Moonshot AI)
案例二:出差发票太多?全部拖进Kimi Chat,它可快速整理信息。
案例三:发现了新的算法论文时,Kimi Chat能够直接帮你根据论文复现代码。
杨植麟在发布会上分享了公司未来的发展规划,他表示将会以长文本输入为核心构建其底座大模型的差异化竞争力。他认为这是行业现在最需要解决的问题,也是通往下一步产品化路上的最大卡点。
03
最高优先级做ToC产品
赛道很宽,市场不会只有一家OpenAI
杨植麟透露,未来公司不会拘泥于单一产品,而是多个产品共同发展。“大模型公司不可能说只局限在一个很狭窄的方向上,因为这是它的成本结构所决定的。不管是娱乐、还是生产力的工具与场景,还有多模态,我们都会去做尝试。”
另外,他还表示,Moonshot AI现在最高优先级的任务是在C端找到产品、技术以及市场的方向。但同时也会以开放心态去看B端的方向。“我觉得首先会分成ToB和ToC,它可能是两个不同的阵营。我们肯定是坚定在ToC这个阵营,ToC会产生头部的Super APP(超级应用),我认为这些Super APP会是基于自研的模型做出来的,因为需要在用户体验上能够有差异化,我们希望能够在Super APP 里面去占领一个比较好的位置。但同时我们还会觉得可能会出现一个长尾的各种各样的应用,这样的应用有可能是基于开源模型去做的。”
在杨植麟看来,短期来看,国内大模型公司与美国存在差距,但长期来看是比较乐观的。“虽然OpenAI在某些智能领域做得很好,但可能在某些特定场景中,比如生成图片的美学价值上,它暂时还无法超过Midjourney。由于AI是异质化的,面向不同人的智能维度完全不一样,每个公司可能都有自己擅长的部分。”
所以,对于当下而言,相比于商业模式,他认为现阶段的核心议题是产品创新。做到产品创新的关键,在于公司的人才和组织能力。“大模型有点类似登月计划,本身需要自顶向下的规划和统筹,但同时,我们需要鼓励自下而上的创新,保持一定程度的开放性和组织的扁平化,这样创新就更容易发生。
而在未来,杨植麟说希望月之暗面(Moonshot AI)通过AI给个人提供更便捷、更强大、更个性化的普惠产品。
热门跟贴