硅谷的AI創(chuàng)業(yè)版圖迎來新變量：兩位分別來自谷歌與蘋果的頂尖科學(xué)家正聯(lián)手打造一家名為Elorian的初創(chuàng)企業(yè)，其種子輪融資目標(biāo)直指5000萬美元，核心攻關(guān)方向直指下一代大模型的關(guān)鍵技術(shù)——視覺推理。

這家尚未正式亮相的公司，已因創(chuàng)始團(tuán)隊(duì)的背景引發(fā)資本圈高度關(guān)注。聯(lián)合創(chuàng)始人Andrew Dai在谷歌DeepMind效力14年，曾主導(dǎo)Gemini模型預(yù)訓(xùn)練數(shù)據(jù)工作，其學(xué)術(shù)履歷中與Jeff Dean、Quoc V. Le等AI泰斗合著的多篇論文，被視為GPT系列模型的重要理論基石。另一位聯(lián)合創(chuàng)始人Yinfei Yang則剛從蘋果離職，此前作為首席研究科學(xué)家參與自研AI模型開發(fā)，在圖像-文本共嵌入領(lǐng)域擁有多項(xiàng)專利技術(shù)。

視覺推理技術(shù)被業(yè)界視為通向通用人工智能（AGI）的關(guān)鍵跳板。不同于當(dāng)前主流模型通過文本標(biāo)簽理解圖像的"補(bǔ)丁式"方案，Elorian計(jì)劃構(gòu)建原生多模態(tài)架構(gòu)，使模型能直接通過視覺感知物理世界的邏輯關(guān)系。Andrew Dai在內(nèi)部研討中舉例："未來機(jī)器人不應(yīng)僅識(shí)別'紅色按鈕'，更要理解按下按鈕將引發(fā)何種機(jī)械連鎖反應(yīng)。"

資本對(duì)"谷歌系+蘋果系"的組合表現(xiàn)出極大熱情。據(jù)知情人士透露，前CRV合伙人Max Gazor創(chuàng)立的Striker Venture Partners正領(lǐng)投本輪融資，該基金去年10月成立后尚未有重大投資披露。投資界普遍認(rèn)為，這種技術(shù)基因的混合可能催生獨(dú)特優(yōu)勢(shì)：谷歌背景提供大規(guī)模訓(xùn)練基礎(chǔ)設(shè)施經(jīng)驗(yàn)，蘋果背景則帶來產(chǎn)品化落地思維。

當(dāng)前大模型競(jìng)爭(zhēng)已進(jìn)入新階段。OpenAI憑借ChatGPT贏得文本生成先機(jī)后，谷歌Gemini、Anthropic Claude等模型正加速補(bǔ)足多模態(tài)能力。Elorian選擇從視覺推理切入，試圖在垂直場(chǎng)景建立技術(shù)壁壘。其潛在應(yīng)用場(chǎng)景包括：自主操作復(fù)雜軟件系統(tǒng)的AI智能體、能理解三維空間的工業(yè)機(jī)器人、可處理多模態(tài)法律文件的智能助理等。

技術(shù)實(shí)現(xiàn)路徑上，團(tuán)隊(duì)正攻關(guān)三大挑戰(zhàn)：如何構(gòu)建跨模態(tài)的統(tǒng)一表征空間、如何設(shè)計(jì)符合人類認(rèn)知的推理架構(gòu)、如何解決視覺數(shù)據(jù)中的長(zhǎng)尾問題。Yinfei Yang在學(xué)術(shù)會(huì)議中透露，其團(tuán)隊(duì)已開發(fā)出新型注意力機(jī)制，可使模型在視覺問答任務(wù)中減少37%的錯(cuò)誤率。

這場(chǎng)創(chuàng)業(yè)潮折射出硅谷人才流動(dòng)的新趨勢(shì)。據(jù)LinkedIn數(shù)據(jù)，2023年已有超過200名谷歌AI研究員離職創(chuàng)業(yè)，其中15%選擇多模態(tài)方向。投資人開始將"團(tuán)隊(duì)血統(tǒng)"作為重要評(píng)估指標(biāo)，認(rèn)為經(jīng)歷過完整技術(shù)周期的資深研究者更具突破可能性。正如某風(fēng)投機(jī)構(gòu)合伙人所言："在算力軍備競(jìng)賽中，真正稀缺的是能定義下一代技術(shù)范式的洞察力。"