Yapay Zeka Model Geliştirme İçin YuanShi Zekası Finansman Sağlıyor

YuanShi Zekası'nın Finansman Turu ve Şirket Profili

YuanShi Zekası, 2024 Bahar döneminde Qiji Girişim Kampı'nda öne çıkan bir mezun şirketi olarak, milyonlarca yuan değerinde bir melek yatırım turunu başarıyla tamamladı. Bu tur, Tianji Capital liderliğinde gerçekleşti ve toplanan fonlar, şirketin temel teknolojisi olan RWKV yeni mimarisinin geliştirilmesini hızlandırmak için kullanılacak. Aynı zamanda, tüketiciye yönelik (ToC) yapay zeka uygulamalarını genişletmeyi ve daha gelişen bir geliştirici topluluğu ekosistemi oluşturmayı hedefliyor.

Shenzhen YuanShi Zekası Co., Ltd., 25 Aralık 2024 tarihinde ticari değişikliklerini tamamladığını ve milyonlarca yuan değerindeki melek yatırım turunun başarıyla sonuçlandığını duyurdu. Şirket, Haziran 2023'te kuruldu ve büyük model mimarileri ile yapay zeka uygulamaları üzerine öncü araştırmalar yapmaktadır. Yapay zeka alanında yükselen bir yıldız olarak YuanShi Zekası, yenilikçi teknolojisi ve net gelişim stratejisi sayesinde sermaye piyasalarından sürekli olarak takdir görmektedir. Bu melek yatırım turundan önce, YuanShi Zekası, Ocak 2024'te Qiji Venture Capital tarafından yönetilen bir tohum yatırım turu almıştı. Bu durum, pazarın şirketin teknolojik gücüne, gelişim beklentilerine ve ekip performansına olan yüksek güvenini göstermektedir. Aynı zamanda, yapay zeka alanında büyük bir gelişim potansiyeline ve pazar alanına sahip olduğunu da işaret etmektedir.

Fonların Kullanımı ve Stratejik Planlama

Bu finansman turundan elde edilen fonlar, aşağıdaki üç temel alana yönlendirilecektir:

• RWKV Yeni Mimarinin Gelişimini Hızlandırmak:
  • Modelin performansını, verimliliğini ve kararlılığını sürekli olarak artırmak için RWKV mimarisinin temel teknolojisine daha fazla yatırım yapmak.
  • Araştırma ekibini genişletmek, çok modlu entegrasyonu keşfetmek, RWKV çok modlu modelini geliştirmek ve optimize etmek, uygulama alanını genişletmek.
  • RWKV modelinin mobil cihazlar, Nesnelerin İnterneti (IoT) cihazları gibi kaynak kısıtlı ortamlarda verimli bir şekilde çalışmasını sağlamak için modelin hafifletilmesini ve uç cihazlara dağıtımını teşvik etmek.
• Daha Fazla ToC Yapay Zeka Uygulaması Geliştirmek:
  • RWKV teknolojisini daha geniş tüketici senaryolarına uygulamak için çeşitli uygulama senaryolarını genişletmek.
  • Kullanıcı geri bildirimlerine önem vermek ve kullanıcı ihtiyaçlarını karşılamak için ürün tasarımını sürekli olarak optimize etmek.
• Ekosistem Gelişimini Desteklemek:
  • RWKV kullanım eşiğini düşürmek için daha gelişen bir geliştirici topluluğu oluşturmak.
  • RWKV teknik değişim etkinlikleri ve ilgili yarışmalar düzenlemek, örneğin, kamuya açık olan "2025 RWKV Ekosistem İçerik Yarışması" ve "2025 RWKV Ekosistem Yıllık Ödülleri"nin ödül ayarlarını ve değerlendirme kurallarını yayınlamayı planlamak.
  • RWKV mimarisinin uygulanmasını ve yaygınlaştırılmasını teşvik etmek için endüstri zincirindeki yukarı ve aşağı yönlü şirketlerle işbirliğini teşvik etmek.
  • RWKV teknolojisinin açık kaynaklı gelişimini teşvik etmek için üniversiteler, araştırma kurumları ve açık kaynak topluluklarıyla aktif olarak işbirliği yapmak.

RWKV-7: Uç Cihaz Yapay Zekasının Yeni Gücü

YuanShi Zekası'nın en son piyasaya sürdüğü RWKV-7 mimarisi, geleneksel dikkat/doğrusal dikkat modellerini alt üst eden dinamik durum evrimi mekanizmasını kullanır. Sadece güçlü bir bağlam öğrenme yeteneğine sahip olmakla kalmaz, aynı zamanda gerçek sürekli öğrenmeyi de başarabilir. Bu, modelin gerçek uygulamalarda yeni verilere göre sürekli olarak kendini optimize edebileceği ve geliştirebileceği, böylece modelin uyarlanabilirliğini ve verimliliğini önemli ölçüde artırabileceği anlamına gelir.

RWKV-7, %100 tekrarlayan sinir ağı (RNN) özelliklerini korurken, karmaşık metin işleme görevlerini kolayca ele alabilen olağanüstü uzun metin işleme yeteneklerine de sahiptir. Örneğin, RWKV-7-World 0.1B modeli, 4k bağlam uzunluğunda ön eğitimden sonra, 16k bağlam uzunluğundaki "iğne arama" testini herhangi bir ince ayar yapmadan mükemmel bir şekilde geçebilir.

RWKV Teknolojisi: Sektörde Tanınma ve Gelişen Açık Kaynak Ekosistemi

RWKV mimarisi piyasaya sürüldüğünden beri, verimliliği ve pratikliği sayesinde geniş ilgi ve uygulama görmüş ve yapay zeka alanında dikkat çeken bir teknoloji çözümü haline gelmiştir. Özellikle, Eylül 2024'te RWKV topluluğu, Microsoft Windows sisteminin Office bileşenleri güncellendikten sonra RWKV çalışma zamanını içerdiğini keşfetti. Bu, dünya çapında yüz milyonlarca Windows cihazının RWKV teknolojisiyle donatıldığı anlamına gelir ve gelecekte Windows sistemindeki yerel Copilot, yerel bellek geri çağırma gibi bazı işlevleri desteklemek için kullanılması beklenmektedir. Bu, RWKV'nin uç cihazlara dağıtım ve düşük güç tüketimi konusundaki avantajlarını ve gerçek uygulamalardaki büyük potansiyelini tam olarak göstermektedir.

RWKV'nin gelişen açık kaynak ekosistemi, birçok önde gelen şirket ve araştırma kurumunun katılımını da çekmiştir. Örneğin, Alibaba, Tencent ve Horizon gibi şirketler, RWKV'yi temel alarak çok modlu bilgi işleme ve somut zeka gibi öncü teknolojiler üzerine araştırmalar yapmaktadır. Ayrıca, Zhejiang Üniversitesi ve Güney Bilim ve Teknoloji Üniversitesi gibi üniversiteler de çok modlu modeller, beyin benzeri modeller ve karar modelleri gibi RWKV tabanlı birçok yenilikçi araştırma yürütmekte ve yapay zeka teknolojisinin çeşitlendirilmiş uygulamalarını ve atılımlarını daha da teşvik etmektedir.

Şu anda, RWKV resmi web sitesinde, birçok üniversite ve şirket tarafından RWKV kullanımı hakkında yazılmış 40'tan fazla makale bulunmaktadır. Bu, RWKV'nin dil, çok modlu ve zaman serisi gibi alanlardaki uygulanabilirliğini ve yeteneğini tam olarak kanıtlamaktadır.

YuanShi Zekası, büyük model mimarileri ve yapay zeka uygulamaları geliştirmeye odaklanan yüksek teknoloji bir şirket olarak, temel teknolojisi RWKV mimarisi etrafında dönmektedir. Şirket, geleneksel Transformer mimarisinin darboğazlarını aşmak, daha verimli uç cihaz dağıtımı ve daha geniş uygulama senaryoları elde etmek için verimli ve hafif yapay zeka modelleri oluşturmaya kendini adamıştır.