https://techcrunch.com/2025/06/02/elon-musks-neuralink-closes-a-650m-series-e/ 编译： ChatGPT 图片来源： Unsplash XAI 拟以 1130 亿美元估值出售 3 亿美元股票 埃隆 ·马斯克旗下的人工智能初创公司 xAI 正允许员工向投资者出售价值 3 亿美元的股份，该交易对 公司估值为 1130 亿美元。这一估值与马斯克今年 3 月宣布 xAI 收购其社交媒体平台 X 时的公司定价 持平。 此次二次发行紧随 xAI 最大竞争对手 Anthropic 和 OpenAI 的类似售股计划，反映了硅谷日益盛行的 让员工变现部分持股的趋势。马斯克旗下另一家公司 SpaceX 也定期为员工安排股票出售。 据知情人士透露， xAI 还正在摩根士丹利安排下进行 50 亿美元的债务融资。 据《金融时报》报道， xAI 正寻求筹集更多资金，与此同时马斯克正试图将注意力从政治事务转向其 旗下多家企业——这些企业在科技大亨涉足华盛顿政坛期间均遭受冲击。特斯拉股价在 3 月初跌至六 个月低点，而 X 平台则经历了多次长时间服务中断。与此同时， ...

图片来源： Console 如果你曾因工作电脑被锁而无法登录，就会明白急需联系 IT 支持的迫切感。不幸的是，技术支持人 员往往忙于处理其他请求，这意味着你可能要等待很长时间才能重新获得访问权限。 安德烈 ·塞尔班在担任 Rippling 应用与集成团队产品负责人时，深刻认识到 IT 手工工作的重要性。 塞尔班于 2023 年随其代码安全初创公司 Fuzzbuzz 被 Rippling 收购后加入，他发现了用 AI 自动化服 务台基础工作的机会——从重置密码、授权访问 Figma 和 Miro 等应用，到常规故障排查。 塞尔班迫不及待地开始实践他的愿景。去年他离开 Rippling ，创立了 Console ，这家初创公司的使命 是帮助 IT 团队减少繁琐重复性任务，从而让服务台专业人员腾出时间投入更具战略性和复杂性的项 目。 虽然实现服务台功能自动化并非新概念，但 Console 通过摒弃冗长复杂的安装流程，与现有竞争对手 （包括 3 月被 ServiceNow 以 28.5 亿美元收购的 Moveworks ）形成差异化优势。 得益于与 Slack 的轻松集成， Console 的 AI 助手能在几周内为 ...

总部位于纽约的 Seek 由 Nagy 于 2021 年创立，提供一系列帮助企业高效利用数据的工具。 其软件允 许用户通过类聊天机器人界面与数据交互，能自动将自然语言问题转化为数据库查询，并执行高级数 据分析和摘要生成。 图片来源： Seek AI IBM 于 6 月 2 日 宣布已收购 Seek AI ，这是一个允许用户使用自然语言查询企业数据的 AI 平台，具 体收购金额未披露。 Seek 公司 CEO 兼创始人 Sarah Nagy 表示，这家初创企业的技术将成为 Watsonx AI 实验室的核心 组成部分。该实验室是 IBM 今日同步宣布成立的、位于纽约市的新人工智能加速器。 Nagy 在领英帖子中写道： " 我们将扩展平台规模，为 IBM 客户部署关键任务解决方案，赋能新一代 AI 开发者，并大幅扩充团队规模。 " IBM 收购 Seek 之际，这家科技巨头正寻求扩大其在人工智能领域的投资，特别是企业级 AI 应用。 这一战略目前成效显著——得益于软件业务增长和强劲的 AI 需求， IBM 第一季度财报超出市场预期 。 在退出前， Seek AI 已从包括 Battery Ventures 、 C ...

机器人技术的演变与未来 - Google DeepMind专注于将大模型嵌入现实世界的机器人中 语言能力进步显著但具身智能发展相对缓慢 [3] - 传统机器人依赖预先编程完成特定任务 对环境和物体有大量假设 通常需人类远程操控 [4] - 2022年首次将LMS引入机器人 实现自然语言指令理解 2023年推出Robotics Transformers架构 开启数据驱动机器人学习新时代 [5] Gemini机器人的突破性能力 - 通过Gemini多模态理解能力 机器人可结合视觉输入和自然语言转化为操作指令 支持任意Gemini兼容语言 [5][16] - 展示灌篮等未经训练的任务执行能力 依靠对"篮球"概念的理解而非具体编程 动作决策仅需0 25秒 [9][10] - 具备手眼协调抓取能力 如抓香蕉时通过视觉学习而非上千次重复训练 独创性在于知识迁移应用 [11] 具身智能与通用性进展 - 区别于预设动作序列的机器人 新型机器人需实时推断任务含义 如理解"打包午餐"涉及的面包装袋和封口逻辑 [12] - 通过更换背景 移动物体 多语言指令等基准测试验证泛化能力 西班牙语指令可立即执行 [13] - 引入"边界框"识别技术 精确定位物体边缘和空间关系 实现类似人类的具身推理能力 [17][18] 系统架构设计创新 - 采用双模型架构：服务器端"慢系统"负责复杂推理 本地"快系统"处理即时反应 模仿人类快慢思考机制 [24][25] - 慢系统解析任务概念（如灌篮的篮球定位） 快系统执行轨迹并动态调整 应对环境突变 [25] - 双系统协同解决Moravec悖论 使机器人既能处理复杂推理又能快速响应可变物理环境 [26][34] 训练方法与数据获取 - 通过VR远程操作采集人类示范数据 如系鞋带任务仅需1000次示例 简单任务仅需十几个示例 [31][35][37] - 结合仿真环境与强化学习 DemoStart项目将现实所需训练数据减少100倍 如钥匙插入锁孔任务 [45][46] - 平衡仿真训练与现实迁移 可变形物体操作（如叠衣服）在现实更易学习 而稳定动作适合仿真 [48] 安全机制与社会应用 - 建立Asimov安全数据集 包含医院伤害案例和潜在危险情境 确保物理行为符合安全规范 [51][52] - 机器人可充当人类助手 如护士护理时负责物品搬运 保留人际互动中的人文关怀部分 [54] - 当前机器人能力相当于2岁儿童 需突破社交技能（读取肢体语言）和工作中的持续学习能力 [55] 行业前景展望 - 机器人技术可能成为继LLM后的下一个飞跃点 物理世界运作能力将增强AI模型对人类空间的理解 [57] - 关键突破窗口期为2-5年 需整合理解 灵巧控制和全身协调等技术模块 [56] - 心智进步（如Gemini的概念理解）比身体优化带来更大飞跃 改变机器人技术发展轨迹 [57]

01 开端：在占山为王的 AI 领域挑战一站式服务 - 通用人工智能 AGI 的概念长期存在，DeepAI 的分布式 Agent 网络与生成工具正将科幻想象转化为可触达的技术图景 [2] - 2023 年消费级 AGI 产品爆发，OpenAI、Google DeepMind 等长于文本和代码生成，Leonardo.ai 等专攻图像，Character.AI 聚焦聊天机器人赛道 [2] - 当前 AI 工具未随使用场景融合而整合，头部玩家依赖独家数据库，算力和数据量限制多模态拓展，生成稳定性优先于融合 [2][7] 02 创新：普惠 + 生态 = 市场更喜欢的多样 AI 工具 - DeepAI 提供免费基础功能（文本生成、图像生成、API 调用等），对比 ChatGPT 免费版 3-4 小时仅限 8 次对话更普惠 [4] - 采用 DePIN 模式鼓励个人开发者构建 AI Agent，通过使用量为创作者匹配收益 Token，形成去中心化生态 [4] - 开发者平台提供多样 API 工具（如客服机器人、数据分析 Agent），用户市场自发筛选解决传统模型高成本、低复用率问题 [5] 03 设计：多模态与个性化工具 - 预设角色（如心理咨询师、语言学习伙伴）降低用户 prompt 构思门槛，直接进入使用场景 [9] - DeepCORE 技术统一解析 prompt 后分发给多模型，解决跨工具生成内容融合度低的问题 [10] - 支持语音交互（Voice Chat），实现自然流畅的语音识别与合成 [22] 04 技术：提升效率而非依赖数据 - 传统生成式 AI 依赖海量数据（如 GPT-3 参数达 1750 亿），但高质量语言数据或于 2026 年耗尽 [41] - DeepAI 创始人提出未来竞争核心是效率优化，通过模型架构改进减少数据依赖 [42] - 创始人曾联名呼吁暂停训练最先进 AI 模型六个月，防范超智能风险 [44] 05 团队与商业模式 - 创始人 Kevin Baragona 有软件开发与嵌入式系统经验，联合创始人 Peter Griggs 擅长产品管理与创业 [47][50] - 商业模式结合 DePIN 激励、分层订阅（免费/Pro 版）及 Token 经济，对比 Character.AI 传统订阅更具用户粘性 [62] 06 竞争对手与市场潜力 - 对比 OpenAI（505M/月访问量），DeepAI 更轻量化且开发者友好 [54] - 平台定位优于 Sleepless AI（虚拟恋人应用）和 Bittensor（机器学习协议），扩展性更强 [57][60] - 麦肯锡评估生成式 AI 潜在价值达数万亿美元，DeepAI 的 DePIN 模式有望形成头部网络效应 [51] 产品功能细节 - **AI Image Generator**：支持 100+ 风格预设，免费版生成速度优先但质量弱于 Google ImageFX [27][30] - **AI Video Generator**：Pro 版可付费购买高质量视频生成次数（5 美元/30 次含 5 次 Genius Mode） [34] - **AI Music Generator**：免费开放，支持文本描述生成音效与背景音乐，可与其他模态联动 [39][40]

三星电子与Perplexity AI的战略合作 - 三星电子拟投资Perplexity AI并将后者的搜索技术整合至其设备生态核心 包括预装应用 网页浏览器搜索功能及Bixby虚拟助手 [1] - 目标在2025年宣布整合方案 计划将Perplexity设为2026年Galaxy S26系列默认助手 [1] - 三星可能成为Perplexity新一轮5亿美元融资的主要投资者 该轮融资估值达140亿美元 [1] 合作细节与行业影响 - 双方讨论共同开发融合AI技术的操作系统及可调用多款AI助手的智能代理应用 [2] - 合作有助于三星减少对谷歌的依赖 效仿苹果多AI开发商合作策略 [1] - Perplexity此前已与摩托罗拉达成整合协议 此次合作是其最大移动端突破 [1] 竞争格局与苹果动向 - 苹果考虑将Perplexity作为谷歌搜索替代方案 并评估其替代Siri中ChatGPT集成的可行性 [2] - 苹果服务高管公开表示对Perplexity技术方向的兴趣 已展开初步讨论 [2] - 三星与苹果竞争对手的合作可能影响行业AI服务布局格局 [3] 时间线与谈判进展 - 双方自2024年初开始谈判 近期在韩国会面接近达成协议 [2] - 具体合作细节尚未最终确定 仍存在变动可能性 [1]

谷歌发布AI模型本地运行应用 - 谷歌发布名为Google AI Edge Gallery的实验性应用 支持Android平台并即将登陆iOS 允许用户离线运行Hugging Face平台的公开AI模型 [1] - 应用功能包括图像生成 问题解答 代码编写与编辑 用户可通过GitHub下载并按照说明操作 [5] - 主界面提供图片问答 AI聊天等快捷入口 点击后显示适配任务的模型列表 如谷歌Gemma 3n模型 [5] 离线AI模型的技术特点 - 所有模型均通过手机处理器离线运行 无需互联网连接 解决云端AI的数据隐私和网络依赖问题 [2] - 性能表现与设备硬件配置强相关 现代高性能设备运行速度更快 但模型大小直接影响任务耗时 大型模型处理相同任务所需时间更长 [5] 应用扩展功能与开发者生态 - 内置提示实验室功能 支持单轮任务如文本摘要和重写 提供任务模板和可配置参数用于模型行为微调 [5] - 采用Apache 2 0许可证 允许商业和非商业场景无限制使用 谷歌正积极收集开发者社区反馈以优化体验 [6]

AI思维工具的发展 - AI被视为新时代的思维工具 类似于历史上文字 数学符号 数据可视化等认知工具 通过外部化记忆扩展人类认知能力 [3][4] - LLM的突破性在于动态提供上下文 实时重写内容并提取信息 实现人类能力的巨大释放 [4][7] - 未来交互界面将从当前"一问一答"模式进化到更流畅的协同式体验 类似从命令行到图形界面的变革 [14][15] Granola产品特性 - 核心功能为智能会议记录 结合实时转录与用户手写笔记 会后自动优化扩展内容 [5][8] - 差异化功能包括跨会议主题分析 个人化上下文定制 以及即将推出的线下会议支持 [5][10][26] - 产品哲学强调AI增强而非替代人类 保留用户判断权 自动化低价值写作工作 [9][24] AI应用开发趋势 - 小团队优势显著 Granola团队不足25人 通过LLM技术红利实现传统需大规模团队才能完成的产品 [11][32] - 开发模式分为探索模式(寻找正确路径)与执行模式(快速迭代) 需保持转向能力避免过早固化 [19][20] - 竞争壁垒在于持续快速迭代而非数据独占 模型个性化仍是当前技术短板 [17][18][26] 行业未来展望 - 预测将出现全新类别的工作软件 成为知识工作者的主工作空间 整合文档 会议 项目管理等功能 [21][22] - 教育领域存在人机交互创新机会 如儿童与AI的拟真互动 但1对1辅导模式可能被通用AI取代 [29][30][31] - 未来可能出现20人规模百亿美元市值公司 客户服务等职能将通过AI工具重构 [32] 创业方法论 - 产品需在当下提供明确价值 同时布局长期愿景 平衡渐进改进与突破创新 [22] - 最关注潜在竞争对手是能快速迭代的新创团队 而非现有大公司 [23] - 投资人价值体现在产品思维深度 能针对具体功能提出真知灼见 [27][28]

核心观点 - AI时代软件商业模式正经历从"卖效率工具"向"卖结果"的范式转变，智能Agent将成为企业核心数字界面 [7][10][12] - 商业模式转型比技术转型更具挑战性，初创公司因无历史包袱而具备独特优势 [4][14] - 垂直领域AI应用比横向平台更具商业潜力，需深度切入企业核心工作流 [23][26] AI行业分层与机会 - 基础模型层：资本密集型产业，最终可能由少数巨头主导，利润率低但体量极大 [8] - 工具层：类似"卖铲人"角色，但风险最高因接近基础模型且面临云厂商竞争 [9] - 应用层：以垂直领域智能Agent为代表，可能诞生万亿级企业软件公司 [9][11] 商业模式创新 - 成果定价：AI自主完成任务才收费，人工介入则免费，颠覆传统订阅制 [4][13] - 价值创造：用AI解决高成本商业问题，以十分之一成本交付同等价值成果 [12][26] - 采购逻辑：需理解企业决策链，成本节约与收入增长模式适用不同场景 [27] 企业转型关键 - 老牌企业需将AI节省成本重新投入增长，改变单位经济模型 [19][26] - 技术落地需聚焦客户真实需求而非产品功能，找到独特价值匹配点 [21][23] - 销售策略应使用客户语言，共情其商业痛点而非技术参数 [19][21] 创业方法论 - 资源分配应聚焦核心差异点，外包非核心事务降低隐性成本 [17] - 执行比战略更重要，客户成功是产品进化方向 [23][26] - 自我定位需动态调整，不让擅长事项限制发展可能性 [4][6]

融资与估值 - 公司正在进行由Andreessen Horowitz领投的3亿美元新融资，估值达到53亿美元（含投资金额）[1][2] - 此次融资使公司估值较几个月前的27.5亿美元几乎翻倍[2] - 自2024年初以来，公司已筹集超过4亿美元风险投资资金[7] - Khosla Ventures也参与了此次新融资[2] - 早期投资者包括IVP、Elad Gil、Spark Capital、Bessemer风险投资和Union Square Ventures[8] 公司背景与发展 - 公司成立于2018年，总部位于匹兹堡，专注于利用AI转录医疗对话[1][7] - 首席执行官Shiv Rao从心脏病专家转型，创办公司的部分原因是手写病人会诊笔记难以辨认[3] - 公司团队和顾问多为卡内基梅隆大学的毕业生和教授[11] - 公司最初发展艰难，面临医疗同行质疑，但ChatGPT的出现使其成为"一夜成名"[7] 产品与技术 - 公司提供基础的转录产品，医生可免费下载到智能手机使用[12] - 产品使用情况构成了公司LLM的基础[12] - 产品在数千次医患对话中训练，具有四年领先优势[13] - 产品被医院高管和医生形容为"改变生活的"、"神奇的"[13] 市场表现与客户 - 大型医疗系统急于与公司签订合同，销售周期通常为18-24个月[13] - 自2024年初以来，公司几乎每周宣布一个新医疗系统客户[13] - 客户包括芝加哥大学、萨特医疗、耶鲁、李健康、基督医疗、埃默里等[13] - 大型医院不仅购买数千席位许可证，还发布高度评价[13] 行业影响 - 公司成为最受关注且增长最快的AI驱动医疗企业之一[12] - 产品显著减少医生在文书工作上花费的时间（每天约两小时）[9] - 行业对能提升医疗效率的AI软件兴趣浓厚，估值快速增长[2] - 投资者竞相支持使语言模型对专业人士更有用的应用层AI初创公司[7]