成立两年的初创公司 Abacus.AI 正在开发深度学习的“混合”神经网络形式，周三宣布该公司已在私募股权公司 Tiger Global 领投的 C 轮融资中获得 5000 万美元的风险投资融资 管理。
该公司目前已获得 9030 万美元的融资。 回归投资者 Coatue Management 和 Index Ventures 以及 Alkeon 也加入了 Tiger Global 的行列。
“其中很大一部分将用于研发、工程和科学，”该公司联合创始人兼首席执行官 Bindu Reddy 在通过 Zoom 接受 ZDNet 采访时解释道。 “我们继续希望成为 AI 和 ML 平台中的佼佼者。” 资金的另一个主要用途将是进入市场，包括建立销售团队。
Abacus 目前有 45 人，其中销售和市场营销人员有 4 人。 Reddy 预计到今年年底将公司总人数增加到 80 人。
与融资新闻一起，Abacus.ai 推出了计算机视觉即服务应用程序。 该公司从表格数据的应用程序着手，随后在今年早些时候推出了自然语言处理应用程序。
“我们与当今市场上其他任何人的主要区别在于混合动力车型，”雷迪说。 “如果你看看像 OpenAI 甚至谷歌这样的公司，他们有语言模型，他们有视觉模型，但这些都是纯粹的语言或视觉模型，”其中图像分类等功能被狭隘地调整到特定的数据类型 .
“我们正在做的是支持混合模型，您可以在其中结合语言、视觉和结构化数据，以便在您的模型上获得更好的结果。” Reddy 说，一个例子是查找房屋的价格，不仅基于特征属性，例如卧室的数量，还基于自然语言的描述，然后是显示房屋质量的照片数据。
“将语言和视觉信号添加到预测模型中是我们关注的重点，也是我们最终非常擅长的事情。”
例如，客户示例听起来让人想起 Opendoor 对深度学习所做的事情。 Reddy 确认房屋销售应用程序是一个真实的客户应用程序，但拒绝透露客户的身份。
迄今为止，已有超过 10,000 名客户使用 Abacus.AI 训练了 30,000 多个模型，该公司表示，“其中包括 1-800-Flowers、Flex、Recorded Books、Daily Look 和 Prodege 在内的一些模型在生产中使用 Abacus.AI 他们的几个人工智能用例。”
混合模型的吸引力有两方面，Reddy 说：它比涉及大量参数的经典深度学习方法更节省资源，而且大多数企业问题确实类似于混合方法，她说。
“我们是一家初创公司，所以从头开始做纯视觉或纯语言模型需要更多的钱，”Reddy 观察到。
“老实说，大多数企业用例都是混合的——我们或多或少都在做应用人工智能。” 功能集通常由企业用户管理，而不是大量的功能发现。
“我们的总体目标，在一个非常高的层次上，就是说，我们是否从这些数据中提取了所有的情报。”
Reddy 认为，Abacus.ai 比 AI 应用程序的云供应商便宜，因为企业用例的重点性质。 “大多数云平台的问题在于，你花费大量资金进行试验，而不是投入生产，”她说。 她说，使用 Abacus.ai 应用程序“将产品投入生产所需的实验要少得多”。
Abacus.ai 使用基于消费的定价方案，即根据做出的预测数量付费。 这类似于数据仓库市场中的 Snowflake。 “许可的问题在于它们往往不是价值驱动的，它在某些方面阻止了采用，告诉人们他们必须花更多的钱来采用该产品。”
Abacus.ai 表示，就像 Snowflake 优化数据压缩的方式一样，Abacus 可以降低客户的成本。 “我们对正在运行的模型进行了大量优化，这样我们就不必在计算上花费太多。”
“你可以将模型打包到同一台服务器上，你可以运行一个热点集群来进行数据转换，”这些都是节省成本的例子。
除了经营一家商业企业，Abacus.ai 的研究人员还不断在学术界发表有关深度学习计算机科学的文章。 Abacus.ai 有各种研究论文已被会议发表。 两个是关于公司在“神经架构搜索”方面的核心竞争力，用于自动发现神经网络的最佳架构。 这些论文已在今年的 NeurIPS AI 会议上被接受。
Reddy 说，其他论文与可解释性有关，包括一篇在 NeurIPS 上接受的关于可解释性基准的论文； 另一个明确处理表格数据，称为“正则化就是你所需要的”。
另一篇正在撰写中的论文将侧重于混合方法。
当被问及雷迪希望 Abacus.ai 成为一家什么样的公司时，她回答说：“如果可能的话，我认为我们希望成为谷歌和亚马逊的混合体。”
“亚马逊拥有伟大的文化，而谷歌在技术方面也很棒，”雷迪反映道。 “如果我们能以某种方式将两种文化结合起来，两全其美，那就太好了。”
