OpenAI 六大劲敌之一 Inflection AI，最新融资 13 亿美元！

这家由 DeepMind 创始人之一创立的人工智能初创公司，从微软、英伟达、和 3 位亿万富翁获得了融资。

Inflection AI 发文称，我们正在建立世界上最大的人工智能集群，将由 22000 张英伟达 H100 组成。

此轮融资后，Inflection 最新估值为 40 亿美元。以 15.25 亿美元的总融资，成为融资第二大的生成式 AI 初创公司。

仅次于 113 亿美元融资的 OpenAI。

对于这番融资，网友表示这些大语言模型的玩家就是拿着 VC 的钱送给英伟达，就像某某某花了 11 亿美元买 GPU。

马斯克也掺和一句:没错！

2 万多张 H100，打造世界最大 AI 超算！

Inflection 在博客中表示，将与合作伙伴 CoreWeave 和英伟达一起，构建世界上最大的人工智能集群。

这个世界超大 AI 集群，将是前所未有。

22,000 个英伟达 H100 GPU 集成，支持新一代大规模 AI 模型的训练和部署。

直接碾压，Meta 在 5 月宣布的 16,000 张 GPU 打造的集群。

2 万多张显卡加起来，意味着超级 AI 集群在 16 位精度模式，能够实现惊人的 22 exaFLOPS 运算次数。如果利用较低的精度，就会更快了。

首席执行官 Suleyman 表示，这大约是用于训练 GPT4 的计算量的 3 倍。

在 TOP500 超级计算机榜单中，Inflection 估计，22k H100 集群能够排在第二，甚至直逼榜首。尽管主要针对 AI，而不是科学计算的应用进行了优化。

就 6 月最新发布榜单来看，位列世界第一的超算是美国 Frontier，第二是日本的「富岳」。

目前，Inflection 也在 MLPerf 基准测试中测试最新集群的性能。

27 日，Inflection 和英伟达、CoreWeave 打造的由 3,584 个 H100 GPU 组成的集群，刷榜 MLPerf。

短短 11 分钟，内完成了基于 GPT-3 的大规模基准测试。

英伟达黄仁勋表示，人工智能革命的一个强大好处是能够使用自然的对话语言与超级计算机交互，以简化我们日常生活的各个方面。

Inflection 的的工作，部署英伟达人工智能技术来开发、训练和部署大规模生成人工智能模型，从而实现令人惊叹的个人数字助理。

当然，这笔资金也将用来支持 Inflection 构建和设计在 5 月推出的第一款产品「Pi」。

成立一年多，Inflection 开发了最复杂的大型语言模型之一 Inflection-1，让人们能够以最简单、自然的方式与 Pi 进行交互，还能获得快速、相关和有用的信息和建议。

值得一提的是，OpenAI 最大投资人微软也特别看好这家初创公司。

微软 CTO 兼人工智能执行副总裁 Kevin Scott 称，

我们很自豪能支持 Inflection，因为他们追求更值得信赖和更个性化的人工智能体验。这是一个激动人心的时刻，像 Inflection 这样雄心勃勃的人工智能公司正在以可访问、易于使用、展示人工智能多种可能性的变革性产品引领行业。

就连谷歌前 CEO Eric Schmidt 大家赞赏，InflectionAI 取得了令人难以置信的成就。在不到一年的时间里，他们开发了最复杂的 LLM 之一，并推出了 Pi，第一个具有高情商的个人 AI 产品。

此前，Inflection 在 2022 年初的第一轮融资中从 Greylock、微软、Reid Hoffman、比尔?盖茨、Eric Schmidt、Mike Schroepfer、Demis Hassabis、Will.i.am、Horizons Ventures 和 Dragoneer 筹集了 2.25 亿美元。

根据 Crunchbase 统计的每轮最大 AI 融资机构中，OpenAI 位列第一，Inflection 排在了第四位。

值得一提的是，最新一期融资结束，Inflection 以 40 亿美元估值仅次于 OpenAI。下表列出了，与 OpenAI 劲敌的估值状况。

这家名为 Inflection AI 的人工智能初创公司，由 LinkedIn 联合创始人 Reid Hoffman、DeepMind 联合创始人 Mustafa Suleyman，以及前 DeepMind 研究员 Karén Simonyan 联合创办。

其中，团队由来自 DeepMind、谷歌、OpenAI 和微软的 35 名员工组成，Suleyman 出任首席执行官。

Suleyman 曾帮助谷歌开发了 LaMDA 对话模型，2022 年 1 月，因理念与谷歌出现分歧提出离职。

目前，这家总部位于加利福尼亚州帕洛阿尔托的初创公司，有约 35 名员工。

一流大模型 Inflection-1，碾压 PaLM，GPT-3.5

就在前几天，Inflection 发布了自研的最领先大型语言模型 Inflection-1，也是 Pi 背后的支柱。

Inflection-1 在一个非常大的数据集上，使用数千个英伟达 H100 GPU 进行了训练。

技术报告显示，Inflection-1 是其计算类中最好的模型，在广泛的基准测试中优于 GPT-3.5、LLaMA、Chinchilla 和 PaLM-540B。

根据同一计算类中的模型，研究人员在广泛的基准上评估了 Inflection-1。

以下是 6 个最受欢迎的基准，Inflection-1 为大规模多任务语言理解树立了新标准。

大规模多任务语言理解是一个常用的基准测试，测试非常广泛的学术知识。该基准包括 57 个不同类别的考试，从高中、大学到专业水平的难度。

在这个基准测试中，Inflection-1 是同类中性能最好的基础模型，优于 Meta 的 LLaMA、OpenAI 的 GPT 3.5 和谷歌的 PaLM540B。

Inflection-1 在所有 57 个任务中平均达到 72.7%，在 5 个不同的任务中准确率超过 90%。

在 15 个任务中，Inflection-1 的准确率超过 85%。相比之下，人类专家的平均得分为 89.8%，而人类评分者的平均得分为 34.5%。

Inflection-1 与 MMLU 基准上的许多模型进行比较。最新模型优于计算类中的所有模型，包括 GPT-3.5 和 LLaMA

Inflection-1 在「小知识问题」上表现更好

在衡量语言模型闭卷问答能力的两个基准测试 TriviaQA 和 Natural Questions 上，Inflection-1 优于 LLaMA、Chinchilla 和 PaLM540B，比 LLaMA 的 TriviaQA 性能提高了 2.1%。

在 Natural Questions 上，Inflection-1 比 PaLM540B 高出 8.6%，比 LLaMA 高出 6%。事实上，该模型能够与谷歌最新的旗舰模型 PaLM 2-L 竞争。

在小知识问答方面，Inflection-1 模型以相当大的优势碾压 LLaMA，并与谷歌最近的旗舰模型 PaLM 2-L 竞争

值得注意的是，技术报告中展示的结果是 Inflection-1 基础模型的结果，该模型没有经过任何微调或对齐。

Inflection-1 通过专有的适应过程被进一步改造，为聊天机器人 Pi 加满 buff。

Pi:情商远超 ChatGPT，主打的就是一个陪伴

今年 5 月，Inflection 重磅发布了全新的聊天机器人 ——Pi。

通过简单的交流你就会发现，它不仅是一个「聪明」的 AI，更是一位「亲密」的朋友。

Pi 友好轻松的口吻，以及根据此前对话进行总结的能力，会让你强烈感觉自己是在与一位真实的朋友交流。

此外，你还能选择多达 4 种不同的语音，把生成的文字回复非常自然地讲出来。

众所周知，现在的语言模型，大多都是直截了当地给出问题的答案，并等待用户的下一个提问。

相比之下，Pi 则表现出了强烈好奇心，并且非常渴望进行聊天。而这也提高了它在使用自然语言方面的能力。

举个例子，比如我们让 AI 写个「冒泡排序」。

秒秒钟，ChatGPT 就生成了相应的 Python 代码，并且配上了简单的讲解。

对于同样的问题，Pi 的表现更像是一位耐心的老师。

首先，它会为你简单地介绍什么是「冒泡排序」。紧接着会询问，你是想要某种编程语言的具体实现，还是更加通俗易懂的解释。

如果给出的是一个泛泛的回答，Pi 并不会自顾自地随机生成一段代码，而是继续追问我们想要的是哪种语言。

接着，就有些出乎意料了 ——Pi 在一行一行地给我们解释，每段代码的含义是什么。

在加上语音之后，就更有「它好像真的想教会我」那味了。

Pi 与个人 AI 的未来

作为个性化人工智能的代表，Pi 可以说是充分地展现了生成式 AI 领域取得的进展，以及人类与技术互动的革命。

随着不断改进，它们很可能成为那些正在寻求与潜在客户和现有客户建立有意义、个性化和有效联系的企业的必备工具。

像 Pi 这样的 AI 伴侣聊天机器人是似乎预示着这样一个未来:其中 AI 不仅是一种工具，也是社交生态系统的组成部分，而人工智能和人类之间的界线也将变得模糊不清。

不过，在让 AI 更深入地渗透到我们的生活之前，还是要保持警觉和谨慎。隐私、安全，以及保持人与人之间真实的联系，始终都应是我们的首要任务。

网友热评

Stability AI 的创始人兼首席执行官 Mohammad Emad Mostaque 表示，我所看到的最大的 H100 订单是 8 万。有很多 2 万以上的订单。只是说说而已。

我不知道集群的成本是多少，但假设 H100 的 MSRP 是 4 万，任何折扣都被其他成本所平衡，不是到这些资金中是否大约 8.8 亿是用于制造集群？

是的，所以 LLMs 正在向超大规模发展。22000 张 H100，13 亿美元的资金，不知道这将产生什么模型，但这是一个很大的计算量。

还有网友对此波操作表示不懂，从英伟达公司筹集钱，再把所有的钱都花在英伟达公司的 GPU 上？？？

英伟达迷之操作，有网友表示，建立在 GPU 上的服务价值，可能超过 GPU 市场价值的 100 倍。通过实物购买股权可以获得相当于毛利率的折扣。英伟达用 GPU支付以这些 GPU 市场价格为价值的股权。

参考资料:

广告声明:文内含有的对外跳转链接，用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。