YuanShi Inteligentne Zabezpiecza Finansowanie na Rozwój Modelu AI

YuanShi Inteligentne: Nowa Siła w Świecie AI

YuanShi Inteligentne, absolwent obozu start-upów Qiji z wiosny 2024 roku, z sukcesem pozyskał dziesiątki milionów RMB w rundzie finansowania zalążkowego. Runda ta, prowadzona przez Tianji Capital, ma na celu przyspieszenie rozwoju ich kluczowej technologii, nowej architektury RWKV. Dodatkowo, firma planuje rozszerzyć swoje aplikacje sztucznej inteligencji skierowane do konsumentów (ToC) oraz stworzyć prężny ekosystem dla deweloperów.

Historia Finansowania i Profil Firmy

Shenzhen YuanShi Inteligentne Co., Ltd. ogłosiła oficjalne zakończenie zmian w rejestrze handlowym 25 grudnia 2024 roku, co oznacza zamknięcie rundy finansowania zalążkowego na poziomie dziesiątek milionów RMB. Firma, założona w czerwcu 2023 roku, koncentruje się na badaniach nad architekturą dużych modeli i zastosowaniach sztucznej inteligencji. Jako wschodząca gwiazda w dziedzinie AI, YuanShi Inteligentne zdobywa uznanie rynku dzięki innowacyjnej technologii i jasnej strategii rozwoju. Warto zauważyć, że przed tą rundą finansowania zalążkowego, firma pozyskała finansowanie zalążkowe od Qiji Chuangtan w styczniu 2024 roku. To potwierdza zaufanie rynku do ich zdolności technicznych, perspektyw rozwoju i skuteczności zespołu, a także wskazuje na ogromny potencjał i przestrzeń rynkową w dziedzinie sztucznej inteligencji.

Wykorzystanie Funduszy i Plan Strategiczny

Pozyskane fundusze zostaną przeznaczone na trzy główne obszary:

Przyspieszenie ewolucji nowej architektury RWKV:
- Zwiększenie inwestycji w badania nad podstawową technologią architektury RWKV w celu ciągłego podnoszenia wydajności, efektywności i stabilności modeli.
- Rozbudowa zespołu badawczo-rozwojowego, eksploracja fuzji multimodalnej, ulepszanie i optymalizacja modeli multimodalnych RWKV oraz rozszerzanie ich zakresu zastosowań.
- Promowanie lekkości modeli i wdrażania po stronie klienta, umożliwiając efektywne działanie modeli RWKV w środowiskach o ograniczonych zasobach, takich jak urządzenia mobilne i Internet Rzeczy (IoT).
Rozwój większej liczby aplikacji AI dla konsumentów (ToC):
- Rozszerzenie różnorodnych scenariuszy zastosowań, wykorzystanie technologii RWKV w szerszym zakresie scenariuszy konsumenckich.
- Przywiązywanie wagi do opinii użytkowników, ciągła optymalizacja projektów produktów w celu zaspokojenia potrzeb użytkowników.
Wsparcie rozwoju ekosystemu:
- Budowa bardziej prężnej społeczności deweloperów, obniżenie progu wejścia w korzystanie z RWKV.
- Organizowanie wydarzeń wymiany technologii RWKV i powiązanych konkursów, takich jak ogłoszony już "Konkurs na Treści Ekosystemu RWKV 2025", oraz planowanie ogłoszenia nagród i zasad oceny "Nagrody Rocznej Ekosystemu RWKV 2025".
- Promowanie współpracy przemysłowej, wspólne promowanie zastosowania i popularyzacji architektury RWKV z przedsiębiorstwami z łańcucha przemysłowego.
- Aktywna współpraca z uniwersytetami, instytucjami badawczymi i społecznościami open source w celu promowania otwartego oprogramowania i rozwoju technologii RWKV.

RWKV-7: Nowa Siła w AI po Stronie Klienta

Najnowsza architektura RWKV-7, wprowadzona przez YuanShi Inteligentne, wykorzystuje mechanizm dynamicznej ewolucji stanu, rewolucjonizując tradycyjne modele attention/linear attention. Nie tylko posiada silne zdolności uczenia się kontekstowego, ale także umożliwia prawdziwe ciągłe uczenie się. Oznacza to, że model może stale optymalizować się i ulepszać w oparciu o nowe dane w rzeczywistych zastosowaniach, co znacznie poprawia jego adaptacyjność i wydajność.

RWKV-7, zachowując 100% charakterystykę rekurencyjnej sieci neuronowej (RNN), posiada również doskonałe zdolności przetwarzania długich tekstów, z łatwością radząc sobie ze złożonymi zadaniami przetwarzania tekstu. Na przykład model RWKV-7-World 0.1B, po wstępnym treningu na długości kontekstu 4k, może bez żadnego dostrajania idealnie przejść test "szukania igły w stogu siana" na długości kontekstu 16k.

Technologia RWKV: Uznanie Branży i Rozwój Ekosystemu Open Source

Od czasu wprowadzenia architektury RWKV, dzięki swojej wydajności i praktyczności, zyskała szerokie zainteresowanie i zastosowanie, stając się jednym z najbardziej obiecujących rozwiązań technologicznych w dziedzinie sztucznej inteligencji. Warto wspomnieć, że we wrześniu 2024 roku społeczność RWKV odkryła, że system Microsoft Windows wbudował bibliotekę uruchomieniową RWKV po aktualizacji komponentów Office. Oznacza to, że setki milionów urządzeń z systemem Windows na całym świecie jest już wyposażonych w technologię RWKV, która ma być wykorzystana w przyszłości do obsługi niektórych funkcji systemu Windows, takich jak lokalny Copilot i lokalny mechanizm wywoływania pamięci. To w pełni odzwierciedla zalety RWKV w zakresie wdrażania po stronie klienta i niskiego zużycia energii, a także jego ogromny potencjał w rzeczywistych zastosowaniach.

Rozwijający się ekosystem open source RWKV przyciągnął również udział wielu czołowych firm i instytucji badawczych. Na przykład firmy takie jak Alibaba, Tencent i Horizon prowadzą badania nad przetwarzaniem informacji multimodalnych i inteligentnymi systemami ucieleśnionymi w oparciu o RWKV. Ponadto uniwersytety takie jak Zhejiang University i Southern University of Science and Technology również prowadzą wiele innowacyjnych badań opartych na RWKV, takich jak modele multimodalne, modele mózgopodobne i modele decyzyjne, co dodatkowo promuje zróżnicowane zastosowania i przełomy w technologii sztucznej inteligencji.

Obecnie na oficjalnej stronie RWKV znajduje się ponad 40 artykułów napisanych przez wiele uniwersytetów i firm na temat korzystania z RWKV, co w pełni dowodzi wykonalności i możliwości RWKV w dziedzinach języka, multimodalności i szeregów czasowych.

YuanShi Inteligentne, jako przedsiębiorstwo high-tech specjalizujące się w badaniach i rozwoju architektury dużych modeli i zastosowań sztucznej inteligencji, koncentruje swoją kluczową technologię wokół architektury RWKV. Firma dąży do tworzenia wydajnych i lekkich modeli AI, aby przełamać wąskie gardła tradycyjnej architektury Transformer, osiągnąć bardziej wydajne wdrażanie po stronie klienta i szerszy zakres zastosowań.