"设计模型的工作,一定要人来做吗?"今年年初,还在斯坦福做博士后、即将入职清华的刘子鸣对自己发问。随后他做了两个月的"人体实验":每天随机拿一个数据集,逼自己在跑实验前先预测训练曲线——大约第50天,他发现自己"顿悟"了。既然人脑的直觉可以训练出来,那也完全可以训练出一个拥有模型好坏直觉的"模型的模型"。这个念头,催生了今年5月成立的元环智能。

半年两轮,数亿元入账

据36氪《智能涌现》报道,元环智能已完成种子轮与种子+轮连续两轮融资,累计金额达数亿元。种子轮由顺为资本领投,上海未来产业基金、星连资本、君礼资本跟投;种子+轮则吸引上海半导体产投、360战投、首程资本等产业方与国资,以及BV百度风投、山行资本、云时资本等双币基金。创始人刘子鸣生于1998年,现任清华大学人工智能学院助理教授,博士毕业于MIT,曾在斯坦福从事Neuroscience+AI博士后研究,本科毕业于北京大学物理系,团队平均年龄约22岁。

从KAN到元模型

· KAN(柯尔莫哥洛夫-阿诺德网络)2024年发布,GitHub收获16k stars,被引5700余次

· 核心思想:用可学习激活函数替代固定激活函数,把"黑盒"变"白盒"

· 刘子鸣:"KAN不是一篇文章,而是一种方法论和世界观——回头来看,KAN就是一种特殊的元模型"

不做语言模型,做直觉模型

元环智能将方向定义为AI for AI:第一个AI是能设计所有模型的"元模型",第二个AI是它设计出的模型。与当前RSI(递归式自我改进)热潮中普遍基于大语言模型的路线不同,刘子鸣认为自然语言只覆盖了世界的30%:"直觉更像是经验的反射,自然语言不适合做强直觉性的东西。"元模型瞄准的是剩下70%未被压缩的数值世界——AI for Science、世界模型,以及AI的"科学"本身。中短期内可落地的场景包括工业检测、金融量化、气象预测、电力预测、自动驾驶;明年还将推出不限场景的通用元模型1.0。

"我一直想做的是写出AI背后的牛顿方程,找到一些可解释性的东西。"——刘子鸣

研究员创业潮:共识之前的位置

元环智能并非孤例。同期被曝的还有RSI论文作者姚顺宇开启创业、估值约20亿美元,AI研究员创业潮明显升温。这一轮的共性是:把"用AI研究AI"从论文变成产品。对关注AI基础设施的团队而言,元模型若跑通,模型设计成本将像芯片设计EDA一样被工具化——这可能是下一次推理成本曲线下移的源头。风险同样明确:直觉模型缺乏语言模型那样成熟的评测体系,商业化验证仍在早期。

(信息综合自36氪、InfoQ、虎嗅等公开报道)