Published on

YuanShi Intelligence Ottiene Finanziamenti per lo Sviluppo di Modelli AI

Autori
  • avatar
    Nome
    Ajax
    Twitter

YuanShi Intelligence: Una Nuova Stella nel Campo dell'AI

YuanShi Intelligence, un'azienda che si è distinta nel programma di accelerazione di startup Chiji 2024, ha annunciato di aver completato con successo un round di finanziamento seed di milioni di RMB. Questo traguardo, guidato da Sky Capital, segna un momento cruciale per l'azienda, che si concentra sullo sviluppo di architetture di modelli di grandi dimensioni e applicazioni di intelligenza artificiale.

Percorso di Finanziamento e Profilo Aziendale

Fondata nel giugno 2023, YuanShi Intelligence ha rapidamente guadagnato riconoscimento nel settore dell'AI grazie alla sua tecnologia innovativa e alla sua chiara strategia di sviluppo. Prima di questo round di finanziamento seed, l'azienda aveva già ottenuto un finanziamento pre-seed guidato da Chiji Venture Capital nel gennaio 2024. Questo dimostra la fiducia del mercato nella sua forza tecnologica, nelle prospettive di sviluppo e nella capacità di esecuzione del team.

Utilizzo dei Fondi e Piani Strategici

I fondi raccolti saranno destinati a tre aree principali:

  • Accelerazione dell'Evoluzione dell'Architettura RWKV:
    • Aumentare gli investimenti nella ricerca e sviluppo della tecnologia di base dell'architettura RWKV per migliorare le prestazioni, l'efficienza e la stabilità del modello.
    • Espandere il team di ricerca e sviluppo per esplorare la fusione multimodale, migliorare e ottimizzare i modelli multimodali RWKV e ampliare il loro campo di applicazione.
    • Promuovere la leggerezza del modello e l'implementazione lato client, consentendo ai modelli RWKV di funzionare in modo efficiente in ambienti con risorse limitate come dispositivi mobili e dispositivi IoT.
  • Sviluppo di Più Applicazioni AI ToC:
    • Espandere una varietà di scenari applicativi, applicando la tecnologia RWKV a una gamma più ampia di scenari di consumo.
    • Dare importanza al feedback dell'esperienza utente e ottimizzare continuamente la progettazione del prodotto per soddisfare le esigenze degli utenti.
  • Supporto allo Sviluppo dell'Ecosistema:
    • Costruire una community di sviluppatori più prospera, riducendo la barriera all'uso di RWKV.
    • Organizzare attività di scambio tecnologico RWKV e competizioni correlate, come il "Concorso di Raccolta Contenuti dell'Ecosistema RWKV 2025", e pianificare di pubblicare le impostazioni dei premi e le regole di valutazione del "Premio Annuale dell'Ecosistema RWKV 2025".
    • Promuovere la cooperazione industriale e lavorare con le aziende a monte e a valle della catena industriale per promuovere l'applicazione e la popolarizzazione dell'architettura RWKV.
    • Collaborare attivamente con università, istituti di ricerca e community open source per promuovere l'open source e lo sviluppo della tecnologia RWKV.

RWKV-7: Una Nuova Forza per l'AI Lato Client

L'ultima architettura RWKV-7 di YuanShi Intelligence adotta un meccanismo di evoluzione dinamica dello stato, che sovverte i tradizionali modelli di attenzione/attenzione lineare. Non solo ha una forte capacità di apprendimento contestuale, ma può anche realizzare un vero apprendimento continuo. Ciò significa che il modello può auto-ottimizzarsi e migliorare costantemente in base a nuovi dati nelle applicazioni pratiche, migliorando significativamente l'adattabilità e l'efficienza del modello.

RWKV-7, pur mantenendo il 100% delle caratteristiche della rete neurale ricorrente (RNN), ha anche un'eccellente capacità di elaborazione di testi lunghi e può gestire facilmente complesse attività di elaborazione del testo. Ad esempio, il modello RWKV-7-World 0.1B, dopo essere stato pre-addestrato con una lunghezza di contesto di 4k, può superare perfettamente il test "ago nel pagliaio" con una lunghezza di contesto di 16k senza alcuna messa a punto.

Tecnologia RWKV: Riconoscimento del Settore e Sviluppo dell'Ecosistema Open Source

Dalla sua nascita, l'architettura RWKV ha attirato un'ampia attenzione e applicazione grazie alla sua efficienza e praticità, diventando una delle soluzioni tecnologiche più importanti nel campo dell'intelligenza artificiale. In particolare, nel settembre 2024, la community RWKV ha scoperto che il sistema Microsoft Windows aveva integrato la libreria di runtime RWKV dopo l'aggiornamento dei suoi componenti Office. Ciò significa che centinaia di milioni di dispositivi Windows in tutto il mondo sono già dotati della tecnologia RWKV, che si prevede sarà utilizzata in futuro per supportare alcune funzioni del sistema Windows, come Copilot locale e richiamatori di memoria locale. Ciò dimostra pienamente i vantaggi di RWKV nell'implementazione lato client e nel basso consumo energetico, nonché il suo enorme potenziale nelle applicazioni pratiche.

Il fiorente ecosistema open source di RWKV ha anche attirato la partecipazione di molte aziende e istituti di ricerca di alto livello. Ad esempio, aziende come Alibaba, Tencent e Horizon hanno condotto ricerche su tecnologie all'avanguardia come l'elaborazione di informazioni multimodali e l'intelligenza incarnata basate su RWKV. Inoltre, università come l'Università di Zhejiang e l'Università di Scienza e Tecnologia della Cina Meridionale hanno anche condotto una serie di ricerche innovative basate su RWKV, come modelli multimodali, modelli simili al cervello e modelli decisionali, promuovendo ulteriormente l'applicazione diversificata e le scoperte della tecnologia dell'intelligenza artificiale.

Attualmente, il sito web ufficiale di RWKV ha incluso più di 40 articoli sull'uso di RWKV scritti da varie università e aziende, il che dimostra pienamente la fattibilità e la capacità di RWKV nei settori della lingua, della multimodalità e delle serie temporali.

YuanShi Intelligence, in quanto azienda high-tech focalizzata sulla ricerca e sviluppo di architetture di modelli di grandi dimensioni e applicazioni di intelligenza artificiale, ha la sua tecnologia di base incentrata sull'architettura RWKV. L'azienda si impegna a creare modelli AI efficienti e leggeri per superare i colli di bottiglia della tradizionale architettura Transformer, ottenendo un'implementazione lato client più efficiente e una gamma più ampia di scenari applicativi.