估值10億美金，Imbue 2億美金融資通往Agent的下一個階段

原文來源：深思SenseAI

圖片來源：由無界AI‌ 生成

大模型遇冷，但是Agent 方向的融資熱潮似乎還如火如荼。 Imbue 日前獲得了2 億美元的B 輪融資，估值已超過10 億美元。領投方為加密貨幣億萬富豪Jed McCaleb 成立的非營利組織Astera Institute，同時，英偉達、通用汽車旗下自動駕駛公司Cruise 的首席執行官Kyle Vogt、Notion 的聯合創始人Simon Last 等也是本輪融資的投資方，幫助Imbue 成長為了AI 領域的新獨角獸。大語言模型可能卷不過Open AI，但要說Agent，真說不上誰會是這個領域的“ OpenAI ”。

作為同樣在AI Agent 領域的初創公司，Imbue 更像是一個技術向的人工智能研究室，從編程場景切入，致力於訓練模型的推理能力，以讓任何人都能夠定制自己的人工智能代理。

雖然10 億美金的估值已經躋身前列，但Imbue 本身還處於非常早期的階段，員工僅有20 人，也未有成熟產品面世。這與公司價值觀也息息相關，創始人表示，Imbue 的商業化之路還很漫長，在融資過程中，他們有意避免了與風投公司的會面，非盈利組織會對公司成長更有耐心。

Imbue 團隊規模不大，但團隊成員有著非常多元的背景，在AI 、神經科學、等離子體物理學等學科都有豐富的經驗。

**Sense說：**值得注意的是，Imbue 是少數由女性創業者領導的AI 初創公司。創始人Kanjun 關注“人”、“文化”和社會組織，致力於通過理解機器的思維方式來實現通用智能。 Kanjun 畢業後作為Chief of Staff 加入Dropbox 將公司從300 人增長至1500 人，後創辦了The Archive 和YC 投資的AI 招聘平台Sourceress。

他們瞄準Agent 賽道，以超大規模的語言模型為基礎，不斷提高AI 推理能力，豐富代理場景，希望可以實現完全的超級PC 中的AI 智能，人們可以根據自己的目標設定不同功用的Agent ，服務與我們的日常工作。

1. 高效的Agent 需要訓練強大的推理能力

他們表示，當前的人工智能係統代表用戶完成簡單任務的能力非常有限，雖然可以預見到未來幾年會迅速發展，但在人工智能代理能夠以真正強大、安全和可用的方式實現更複雜的目標之前，還有很多工作要做。

**推理（ reasoning ）**通常被認為是完成一個有效Agent 的主要障礙，它涉及處理不確定性的能力、知道什麼時候應該變化使用方法、提出問題、收集新信息以及處理現實複雜的、難以預測的問題的能力。為了創建可靠性強的推理模型，Imbue採取了“全棧”方法：訓練基礎模型，構建實驗代理和接口，在基礎設施工具中投入資源，同時不斷學習模型運作的核心機制。

• 模型層。 ** Imbue 訓練的超大型模型擁有超過1000 億的參數，因為有英偉達的投資，他們有約1 萬個H100 集群**，讓他們能夠從訓練數據到架構和推理機制的所有內容進行快速迭代——與OpenAI 用來訓練GPT-3 的處理器數量差不多。

• **代理層。 ** 目前，Imbue 主要開發了用於內部編碼的代理，同時也在孵化更多的代理方向。

• **界面層。 **現在的AI 聊天界面基本都是擬物化的。而團隊認為，這不一定是最好的交互方式，新的交互界面可能可以更好的解決Agent 的穩健型、協作能力和信任感，它們可以理解世界，也可以做到更真實。

• **工具層。 ** Imbue 在內部系統中投入很多資源，無論是錯誤檢查還是代理和模型的可視化頁面，完善效率工具的搭建可以讓整個過程更加可視化，同時可以為外部產品工具注入新鮮思路。

• **理論層。 ** Imbue 的研究人員發表了有關自我監督學習的理論基礎，以及控制神經網絡等系統學習基本定律的文章，他們認為深刻理解深度學習理論，才能更好的理解大型語言模型學習過程背後的核心機制。

這種“全棧”方法漸漸形成了正向循環。設計可用於內部的Agent 和工具可以幫助Imbue 更快地迭代更好的模型，進而解鎖更有用的代理，創建更好的模型。研究理論可以促進對於神經網絡的理解，進而可以更好的設計模型架構。

2. 以編碼Agent 為切入點進行開發

Imbue 一開始就選擇了編碼場景作為Agent 的切入點，主要是因為：

• **使用是創新的必要條件。 **當開發的產品也在自己的日常工作中被頻繁使用的時候，產品才能被足夠重視，而且能得到足夠的信息以進行後續的優化。

• **解決編碼問題可以提高模型的推理能力。 **可能因為代碼是互聯網上為數不多的顯式推理示例之一，有代碼的訓練通常可以提升模型的推理能力。而且由於編程問題非常客觀（代碼要么通過測試，要么沒有通過），形成了一個理想的測試平台，讓我們理解是否正在對底層系統進行有意義的改進。

• **編碼能力對最終的問題解決很重要。 **生成代碼是Agent 解決問題的有效方式。更強的編碼能力可以直接轉化為更有可能成功完成複雜任務的智能體。 （例如，編寫SQL 查詢表中信息的代理比嘗試在不使用任何代碼的情況下組裝相同信息的代理更有可能滿足用戶請求。）

• **編碼Agent 具有重要的戰略意義。 ** 隨著代理的改進並接管我們更多的工作，Imbue 公司的研究和工程速度也隨之提高。這不僅有助於構建軟件系統，還可以藉助編碼Agent 的能力進行下一步的原型設計。

但Imbue 目前不打算開放編碼Agent ，它成為了一種改進代理的方式。後續隨著產品成熟，相應的工具和模型也會被公開。

當我們構建人工智能代理時，實際上是在構建能夠理解我們的目標、主動溝通並在後台為我們工作的智能PC。今天，我們離不開電腦，因為如果我們不在電腦前，就很難完成任何事情。真正有用的人工智能代理將從根本上改變這一點，讓我們能夠專注於我們真正關心的事情。

這就是Imbue 的願景：**我們希望構建真正的個人電腦，賦予我們自由、尊嚴和代理權，讓我們可以做自己喜歡的事情。 **

“如果我們深思熟慮地構建這項技術，就可以生活在一個不再需要粘在屏幕上的世界，計算機可以幫助我們消除想法和執行之間的障礙。我們將自由地探索我們的好奇心，發現宇宙的規律，進行創造藝術，更深入地了解彼此，或者只是花時間享受生活。”

同時，Imbue 也在密切關注AI 的安全風險，已經在三個領域開展了工作：

• 設計AI代理以自然語言進行推理，並完全以最終用戶的目標為條件。

• 追求深度學習的基本法則，以提高對當今最重要的人工智能係統的理解。

• 為政策制定者開發工具，以理解大量監管建議並將其轉化為保護人民的政策。

參考材料