思科系统（Cisco Systems）宣布收购由谷歌和微软支持的云网络和安全创业公司Isovalent的举动表明，企业软件股票的回升也推动了该行业中初创公司的估值提高。 据一位知情人士透露，思科以现金支付大约6.5亿美元收购了这家初创公司，相当于其年度重复收入（ARR）的32倍。据Meritech Capital的数据，这远高于人工智能领域以外的企业软件股票的平均估值倍数，后者的交易价格是重复收入的8.2倍。 要点 • 这笔交易有助于思科继续向云软件转型• 相对于其他最近的云交易，思科支付了高昂的价格• 云网络公司非常适合多家云服务提供商的客户 思科和Isovalent并未透露交易价格，只表示预计将在接下来的六个月内完成交易。 据一位知情人士透露，Isovalent的年度重复收入最近已经超过2000万美元。ARR通常反映了客户在接下来的12个月内承诺支付的订阅费或支出金额。目前尚不清楚该初创公司的增长率，而增长率是估值的一个关键因素。根据Isovalent在2022年9月的数据，其收入每年增长约200%。如此迅速的增长率可能能够为高估值提供正当理由。思科此前曾对这家初创公司进行投资，该公司在15个月前的一轮融资中的估值约为2.5亿美元。 Isovalent自称总部位于美国加利福尼亚州的库比蒂诺和瑞士的苏黎世，属于一类被称为云网络的软件，可以帮助客户管理多家云服务提供商的服务器。该公司还提供能够追踪服务器网络和应用性能的“可观察性”软件。开发此类服务的公司正试图复制Splunk和Datadog等公司在云应用转型中取得的股票市场成功。 Isovalent主要通过帮助客户使用其开发的开源软件Cilium赚钱。Cilium基于eBPF，这是一种将应用程序与其运行的硬件连接起来的开源工具。Isovalent的软件对于使用Kubernetes的公

据了解，得到亚马逊和谷歌支持的OpenAI竞争对手Anthropic预计到2024年底将实现超过8.5亿美元的年化收入。 仅仅三个月前，Anthropic在向一些投资者透露时表示，其年化收入为1亿美元，并预计该数字将在2024年底达到5亿美元。目前尚不清楚为何最新的预测大幅提高。 这一预测凸显了这家成立三年的初创公司的令人瞩目的增长预期，并可能提供更多证据表明生成式人工智能在企业中越来越受到关注。 要点： Anthropic的收入预测较三个月前高出。 Anthropic在预测AI模型行为方面领先于OpenAI。 年化收入通常反映上个月的收入乘以12个月，因此这一预测意味着该初创公司到明年年底每月至少将实现7000万美元的收入，相比今年9月左右的每月收入增长了8倍以上。Anthropic通过销售能够生成和分析文本的AI系统Claude来实现收入。（Anthropic的发言人对本文没有发表评论。） 这一新的预测出来之际，Anthropic正在筹集约7.5亿美元的融资，其中包括来自Menlo Ventures的资金，以15亿美元的投前估值进行估值，这至少是该公司2023年早期融资轮次的3倍。 这笔新资金将与亚马逊和谷歌已经承诺给这家初创公司的数十亿美元资金合并。Anthropic将使用亚马逊和谷歌的云服务器来训练其AI系统。Anthropic还将向这两家云服务提供商的客户销售Claude。 在OpenAI之后，Anthropic成为最重要的私人大型语言模型开发商。Anthropic的领导人曾在OpenAI工作，但因对AI安全问题存在分歧而分道扬镳。尽管OpenAI的业务规模远远超过Anthropic，但在预测AI模型行为方面，OpenAI正试图赶超竞争对手，例如计算恶意用户可能如何利用这些模型进行网络攻击或造成其他危害。 目前尚不清楚Anthropic在2023年将实现多少收入。

不久前，YC发布了第一份《YC公司收入排行榜》。这份排行榜列出了2022年净收入最高的50家YC公司。其中大部分公司已经运营了十年或更长时间。这是有道理的——当然，公司营运越长久，它所培养的优秀工作方式和动力也就越多。即便如此，一些相对较新的公司（包括仅在YC进行了三年的公司！）还是成功地打入了榜单。 它们是怎么做到的？YC 向三个这些新公司的联合创始人寻求他们的见解，希望能更好地了解他们正在做什么、在哪些方面做得非常正确以及接下来会发生什么。 这三家公司分别是： Deel（W19），一家全功能人力资源平台，使国际劳动力管理更加便捷。 Whatnot（W20），一个购物平台，通过直播视频流购买和销售交易卡、运动鞋或时尚等商品。 Nowports（W19），一家数字货运代理公司，使货物运输到和从新兴市场更快、更容易。 虽然这些公司在不同的领域，但在采访中，有一个清晰的共同点贯穿了这三个公司：它们每个人都解决了联合创始人亲身经历的问题。他们制造了人们想要的东西。他们自己想要的东西，或是他们周围的人想要的东西。 对于以下采访，YC与Deel的Alex Bouaziz、Whatnot的Grant LaFontaine和Nowports的Alfonso De los Rios进行了交谈。 Deel *成立时间：**2018年 *YC批次：**2019年冬季 *创始城市：**加利福尼亚州旧金山 *公司规模：**跨越100多个国家的2700多人 Deel是什么？ *Deel联合创始人Alex Bouaziz：**我们为全球招聘的公司建立了第一个全球人力资源解决方案。你是一家公司，你想扩大规模，你想走向全球。我们建立基础设施，让你可以在任何地方招聘任何人，并为他们提供世界上最好的体验。 Deel的起源故事是什么？这个想法从哪里来？ *Alex：**我最初来自法国。[Deel的联合创始人]

本文转自得到头条李南南。 1、迪士尼开启新一轮大裁员，元宇宙部门被砍。 就在前不久，迪士尼宣布裁员7000人，第一个被砍的，就是负责元宇宙战略设计的部门。部门负责人是原来的迪士尼消费品高管麦克·怀特。 2、最近向元宇宙动刀的大厂，可不止迪士尼一个。比如，去年年底，在元宇宙业务上下重注的Meta裁员1.1万人，这也是公司历史上规模最大的一次裁员。再比如，字节跳动旗下的VR厂商PICO前段时间裁员20%到30%。再比如，快手的元宇宙负责人前段时间离职，相关业务也被叫停。再比如，腾讯宣布XR业务线，全线岗位取消。就连财大气粗的微软，也在前段时间砍掉了刚成立4个月的工业元宇宙团队。 3、很多人都说，这回，元宇宙算是画上句号了。到底是不是这样，现在还不好说。我们今天要说的重点，不是元宇宙这个技术，也不是大厂裁员，而是，这一轮裁员中的一个奇怪的地方，就是，裁撤元宇宙的方式。很多大厂，不是缩减业务线，而是，直接砍掉了整个元宇宙部门。 比如，迪士尼，是直接砍掉了整个元宇宙战略部门。你可能会说，既然业绩压力大，砍掉一个部门也不算很奇怪。但是，要知道，整个迪士尼有22万名员工，这一轮裁员是7000多人，而整个元宇宙战略部门，只有50人。连零头的零头都不到。 换句话说，这不是简单的业务收缩，而是直接掐灭了迪士尼在元宇宙上的火种，连根都不留。而且仔细观察你会发现，除了那些公司原本核心业务就是元宇宙的公司，其他把元宇宙作为新业务的大厂，比如，微软、快手、腾讯，几乎全都有点要把元宇宙连根拔起的架势。 4、你看，收缩业务能理解，但是，你下这么重的手，就有点让人想不通了。哪怕你留一两个人，留下一个火种呢？为什么一定要连根拔起呢？ 其实，这背后，关系到一个商业领域一直以来的关键命题，那就是，当市场压力加剧，企业应该如何对待哪些前景不确定的新业务？ 关于这个问题，我想先请你思考两个场景。 第一个场景是，假设，

撰文｜宇婷‍‍‍‍‍‍‍‍ OpenAI一路走下来的关键技术 GPT-1是第一次使用预训练方法来实现高效语言理解的训练； GPT-2主要采用了迁移学习技术，能在多种任务中高效应用预训练信息，并进一步提高语言理解能力； DALL·E是走到另外一个模态； GPT-3主要注重泛化能力，few-shot（小样本）的泛化； GPT-3.5 instruction following（指令遵循）和tuning（微调）是最大突破； GPT-4 已经开始实现工程化。 2023年3月的Plugin是生态化。 周末下午在机场等机，恰好有时间听了奇绩创坛创始人兼CEO陆奇对话创业者，并做了几个社群的直播。陆奇是从商业和技术角度，最为有话语权的中国创业者、高官和技术Leader。 体感上，第一陆奇效率非常之高，他会打断创业者分享不清楚，以及重复的表达，但他非常开放，且角度是提升效率完全不带有任何情感色彩，很纯粹。第二他说话非常有力。第三他直接提出，最佳路径就是直接模仿微软的“副驾驶仓”Copilot，非常务实。‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍ 我总结了自己记忆犹新的观点： 如果长期基于中国业务，建议使用中国大模型 创始人未来重要能力：独到见解，懂人性。创新需要边做边学，大学未来真正要培养创新的能力，培养学生学习懂社会、人的能力 在国内做OA要跟腾讯阿里字节pk，机会有，范式改变的时候（AI）创业公司有机会，因为创业公司可以很快把东西做出来，但必须在激烈竞争的国内有独到见解。 在AI范式改变的当下：技术只会在很短暂时间里成为壁垒，尤其是算法（因为聪明人太多）。核心起步是你是不是有独有的数据，避免chatgpt淹掉（美国yc一大批公司被gpt淹没）。数据成为模型之后，使用效果能否成为闭环。 连续创业者踩的坑是最值钱的。唯一是踩了很快爬出来，把大坑变小坑。 盖茨提出如果

撰文 / 宇婷 坚持独立的思考，不局限于此刻。‍‍‍ 2023年4月11日，阿里云北京峰会即将召开。在百度、360相继公布了自身的大模型产品以及进展后，这一次峰会被受众高度关注，聚焦在：阿里是否会正式公布其大模型的进展，以及将与阿里云如何整合？ 对比微软和微软云Azure，大模型会对云业务本身会产生巨大的拉动。首先，微软向OpenAI投资100亿美元，获得OpenAI 75%的直接利润份额。其次，所有OpenAI的技术都运行在Microsoft的Azure云基础架构上，形成云资源的调用。最后，微软还将OpenAI的人工智能整合到Word、PowerPoint、Outlook和其他应用程序中，推动包括Teams、Loop等产品的用户量提升。 尽管中国厂商追赶ChatGPT3.5可能还要以1年为单位，但国内百度、阿里、字节、腾讯、360等大型公司，有着充足的区域市场。大厂竞争大模型，也在竞争AI生态。 文心一言目前已经有了先发优势。 对于阿里来说，根据业内消息，其特质是在AI算力的储备上充足，包括A100显卡资源目前在国内厂商中储备位列行业第一，以及寒武纪芯片等有所供应。此前阿里云也发布了自己的结构路线。 阿里巴巴在LLM（大型语言模型Large language mode）领域的研究主要由达摩院负责，目前由阿里云智能CTO、达摩院副院长周靖人主导。在2022年阿里巴巴层发布了相关自然语言大模型技术M6和plug。 阿里巴巴大模型研发成功会对天猫、淘宝、高德、钉钉等业务应用直接带来直接的商业价值。此外，直接通过阿里云向TO B客户提供，也会构建新的MaaS商业模式。 在两周前的阿里云北京数据库峰会上，周靖人曾有过一个简短的演讲，我查看了下周靖人过往在AI领域表达的观点，看得出周靖人对于MaaS的思考前置于这一波ChatGPT热浪，并且展现出了技术和应用的平衡。‍‍‍‍‍‍‍‍‍

编辑宇婷 微软和Salesforce等大型软件公司正在竞相将ChatGPT背后的技术，即生成式人工智能，纳入其产品以吸引新用户并增加利润。迅速发展的技术威胁到其他公司，这些公司花费了多年的时间来制作自动化任务的软件或构建机器学习模型，包括Databricks、Snyk、Zapier和Talkdesk等价值丰厚的初创公司。 1、Grammarly 以Grammarly为例，该公司提供一个拼写和语法检查的打字助手，其估值在2021年底的一轮融资中达到了130亿美元。当微软和其他公司将OpenAI的文字生成软件纳入其产品时，像Grammarly这样的服务可能会被碾压，Madrona Venture Group的合伙人、OctoML的首席执行官Luis Ceze表示。 “如果像Grammarly这样的公司不能很快找出自己的独特竞争模式，他们就会很快被每个其他集成LLMs的基于文本的界面所取代，”Ceze说道，LLMs是指在ChatGPT等工具中提供动力的大型语言模型。 西雅图风险投资公司Tola Capital的创始人兼董事总经理Sheila Gulati表示，除非初创公司拥有一些可以增强其模型版本的东西，例如客户数据，否则投资者将不会资助与大型语言模型竞争的初创公司。 “许多初创公司将不再拥有真正可盈利的业务，”Gulati说道。她表示，初创公司需要与大型语言模型合作，并表示：“如果他们提供的体验在功能上类似于您使用LLM时获得的体验，我会感到担忧。” 就Grammarly而言，其正在利用生成式AI来增强其产品。该公司上个月推出了一组基于OpenAI的GPT-3.5语言模型的功能，可以撰写文档、回复电子邮件等等。Grammarly的产品负责人Rahul Roy-Chowdhury表示，该公司正在超越传统业务，进入撰写内容领域。 “这也是我们的路线图的一部分”，Roy-Chowdh

采访、撰文｜宇婷 2023年4月11日，阿里云北京峰会媒体群访，我主要关注了阿里云新任CTO，也是目前阿里云通义千问大模型的研发负责人周靖人在去年11月，云栖大会上最早在国内提出MaaS “model as a service”模型这件事。 2022年，阿里达摩院与 CCF 开源发展委员会联合正式推出国内首个 AI 模型开源社区——魔搭 ModelScope。把300 多个模型开放给整个中国的 AI 研究者与团队，涵盖了自然语言处理、视觉、语音、多模态等模型。 我很关注的是：去年的时候，ChatGPT 并没有这么火，当时第一个提出MaaS，周靖人和团队是怎么思考到这一模式的。以及如何考虑与阿里自己的技术和商业模式结合在一起？ 以下为周靖人的完整回答： 去年MaaS的提出是多年在预训练大模型上，一系列研发的体现。 今天以模型为中心，以模型为服务，为核心——已经形成了AI开发的一种范式。随着人工智能快速发展，真正实现了把模型作为重要的生产元素，把业务的开发系统要围绕模型展开。 这是MaaS当时提出的思考背景。 但，什么是MaaS呢？ 是真正以模型为生产元素，以模型为中心，不是一个简简单单的空话。更重要的是以模型全链路的生命周期，围绕模型本身，从模型的生产、查询到模型使用，形成一系列产品。帮助开发者，开发模型，查询模型，更重要的是使用模型。 只有这样才能真正意义上实现MaaS。 中间有几个重要的环节：一个环节是解决大家在人工智能领域看到非常繁杂的，层出不穷的模型，缺少调度的规范。大家看到了模型，要把模型部署起来，有很多技术细节需要考虑。 此外模型非常繁杂，遇到业务问题并不知道采用什么样的模型，也许感觉众多模型都可以解决问题，但没有办法尝试，没有办法真正把模型的价值发挥出来。这无形之中给人工智能的应用开发带来了挑战。MaaS要解决的核心是让模型的使用更简洁。简简单单几行代码可以调用