至顶网CIO与应用频道 05月23日 编译:日本软银集团上周日表示,其Vision基金已经基本达成1000亿美元的募集目标,计划用于支持各类面向技术初创企业的投资活动。而就在不久之前,软银方面才刚刚通过一批强有力投资者的支持完成930亿美元的初步募集目标。
软银公司宣称,Vision基金建立于去年,并承诺提供250亿美元现金。目前,该公司已经得到多家企业及投资基金的支持,其中包括苹果公司、高通公司、沙特阿拉伯政府支持下之公共投资基金、阿联酋穆巴拉投资公司、鸿海精密工业有限公司以及夏普公司。根据彭博社的报道,软银方面当时曾表示,Vision基金希望能够在各投资方的支持之定在未来六个月内达成1亿美元投资额度。
如今,该基金已经完成了至少1亿美元投资,并表示将重点关注公立及私营企业的少数及多数股权购买工作。这意味着Vision基金将拥有巨大的发展空间,足以在不同技术市场上入股各类初创企业,并应该能够保证自身在下一代甚至数代技术发展当中占据重要地位。
软银公司董事长兼首席执行官孙正义表示,“技术拥有解决当下人类所面临之最大挑战与风险的潜力。为了解决这些问题而努力的各类企业亦需要长期的资本支持与有远见的战略投资伙伴资源,从而帮助其逐步走向成功。”
为了了解Vision基金的真实规模,彭博社作出估计称,其总体规模可能将达到红杉资本的15倍——这意味着其将在完成1000亿美元融资目标后,成为历史上最成功的风险投资方之一。更进一步来看,如果将Vision基金视为一个国家,那么其资金总量在全球191个国家的国内生产总值当中排名第63位,位于乌克兰与厄瓜多尔之前。这是一笔巨额资金,并将通过投资服务于各类技术初创企业——换言之,孙正义及其支持者很可能将以无与伦比的方式影响整个世界的未来格局。
不过孙正义似乎并没有因如此可观的资金规模感到意外。相反,他已经公布了一项野心勃勃到有些不可思议的计划——希望在300年时间内将软银公司打造为全球最具价值的企业,而他本人也乐于加大投入以实现这项目标。就在上个月,孙正义刚刚向与优步业务类似的中国车辆共享厂商滴滴出行技术有限公司投资了约55亿美元。
孙正义认为,下一代技术——包括物联网、人工智能、机器人、基础设施、电信、生物技术以及金融技术等,皆拥有着彻底颠覆人们认知中的世界的巨大潜力。而他亦希望软银公司能够在这场变革当中扮演重要角色。
他在今年二月的一次采访中指出,“我们经历了PC领域的大爆炸,亦经历了互联网行业的大爆炸。我认为下一轮爆炸式变革的规模将更为可观。为了做好准备,我们需要奠定稳固的基础——而这一基础正是软银Vison基金。”
在着力吸引资金以达成融资目标的同时,Vision基金此前已经奠定了多项基石。截至目前,该基金已经支持了数家技术初创企业,其中包括印度金融技术公司Paytm以及虚拟现实初创企业Improbable Worlds有限公司。另有未经证实的消息指出,WeWork有限公司等投资企业亦成为资金支持受益者。由此带来的问题变成“还有软银公司不愿投资的方向吗?”很明显,Vision基金的车轮开始滚滚向前。
Constellation Research有限公司首席分析师兼副总裁Holger Mueller认为,Vision基金未来很可能还会进一步扩大投资力度。尽管没有给出具体案例,但Mueller表示目前尚存在大量被低估的技术企业。他解释称,孙正义很可能对其中一部分进行注资。当然,正如孙正义本人所言,他对于某些特定领域更感兴趣,具体包括AI与机器学习。
Mueller总结称,“目前最令人好奇的是,孙正义先生到底会选择投入上百万美元的大手笔,抑或是以数亿美元为单位进行规模较小的投资。总而言之,我认为他将会继续高度关注数字化转型与创新商业模式带来的巨大机遇。”
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。